国家自然科学基金(61104166)
- 作品数：5 被引量：15H指数：3
- 相关作者：陈娟耿俊杰贾明星胡庆松孙向阳更多>>
- 相关机构：上海大学上海海洋大学更多>>
- 发文基金：国家自然科学基金上海市教育委员会创新基金更多>>
- 相关领域：自动化与计算机技术交通运输工程更多>>
- 相邻交叉口混合交通流鲁棒多目标信号优化控制被引量：2
- 2018年
- 针对我国城市道路相邻交叉口混合交通流环境下智能信号控制中的不确定性和效率问题,提出一种基于鲁棒多目标优化算法的优化控制方法.设计了相邻交叉口的鲁棒多目标信号优化控制模型,并提出一种新的鲁棒多目标进化算法IDR-NSGA-Ⅱ,通过对自适应抽样技术、鲁棒度定义、鲁棒偏序关系定义等多项关键技术的综合改进,提升了算法的求解精度和运行速度.提出新的多属性决策方法 ELM-MADMA来选择配时方案.上海市相邻交叉口控制的仿真实验结果表明:IDR-NSGA-Ⅱ算法能够有效地实现周期时长扰动和交通流波动下机动车平均延误、道路通行能力、慢行交通平均延误、机动车平均停车率等多项性能指标的最优化控制;与其他决策方法相比,ELM-MADMA能够较好地进行决策,提升相邻交叉口智能信号控制的效率.
- 陈娟余雨轩荆昊
- 关键词：相邻交叉口混合交通流
- 基于模糊非支配排序遗传算法的多车型快速路交通拥堵和排放优化被引量：2
- 2021年
- 以优化城市多车型快速路交通系统拥堵和排放为目标,综合考虑了走行时间(total time spent,TTS)、走行距离(total travel distance,TTD)、匝道排队、尾气排放和燃油消耗这5个性能指标,改进了多车型快速路宏观交通流模型Multi-class METANET和多车型排放模型Multi-class VT-macro.提出了一个新的高维多目标优化算法——模糊非支配排序遗传算法(fuzzy non-dominated sorting genetic algorithm,FNSGA-Ⅲ),对快速路的匝道汇入率和主路的可变限速(variable speed limit,VSL)值进行了优化,实现了缓解主路和匝道交通拥堵以及节能减排的目标.提出的FNSGA-Ⅲ算法,基于自适应模糊推理系统(adaptive network-base fuzzy inference system,ANFIS),对下一时刻高维多目标优化的超平面进行预测,能够有效引导算法在迭代过程中的进化方向,提高算法的收敛速度.基于上海市广中路实际路网进行仿真实验.结果表明,与现有的单目标遗传算法和高维多目标NSGA-Ⅲ算法相比,FNSGA-Ⅲ算法结合改进的多车型宏观交通流模型,可以更合理地设置期望速度与匝道控制策略,更为有效地环缓解快速路的交通拥堵和排放.
- 陈娟荆昊孙向阳
- 关键词：多车型快速路拥堵
- 交叉口车流多目标运行效率决策研究被引量：3
- 2016年
- 研究交叉口多目标信号优化中的配时问题,由于客观环境的复杂性、系统存在模糊性等因素的影响,很难获得确定性决策信息来选择最优方案,提升车流运行效率。为解决上述问题,首先采用多目标超体积评价算法求解多目标信号配时模型,获得配时方案集。其次针对不确定型区间多属性决策问题,提出主客观信息偏差最小法,通过建立优化模型来处理主客观不确定性需求,确定配时方案。仿真结果表明,主客观信息偏差最小法能较好地权衡决策需求与决策矩阵客观信息,提高解的质量;根据多目标超体积评价算法和主客观信息偏差的优化与决策集成分析,综合考虑了不同车流运行评价指标,提升了交叉口整体运行效益。
- 陈娟耿俊杰贾明星
- 关键词：多目标优化多属性决策信号配时
- 城市过饱和路网的非均匀自适应相容优化控制被引量：3
- 2012年
- 针对城市过饱和路网的交通信号控制问题,将总延误分为主线路段延误和次线路段延误,将控制问题描述为冲突的多目标控制问题.针对这一问题,提出一种新的非均匀自适应多目标相容优化控制算法,对多目标进化算法NSGA-II算法进行改进,作为多目标相容控制算法的优化工具,提出非均匀Pareto前沿扩张机制来获得Pareto前沿上的一些特殊区域.改进的NSGA-II算法采用自适应种群机制和迭代控制算法机制来提高实时控制算法的计算速度,提出稳定性偏好选择策略来获得稳定的控制器.将提出的改进的多目标相容控制算法在仿真环境中对一个7个交叉口的城市过饱和路网进行实时控制,结果表明,本文提出的相容优化控制算法的效果优于定时控制方案.
- 陈娟胡庆松
- 基于多种群协同进化算法的混合交通流信号优化被引量：5
- 2020年
- 针对考虑时变交通需求下,相邻交叉口混合交通流信号配时的优化问题,以机动车延误、非机动车延误、行人等待时间为优化目标,构建动态多目标优化配时模型,提出了多种群协同进化动态多目标遗传算法(multi-population coevolutionary dynamic-multi-objective genetic algorithm,MPCED-MOGA),把种群分为搜索种群和跟踪种群,在寻找最优值的同时跟踪环境的变化和进行信息交流,使算法快速响应环境变化.该算法首先在FDA系列动态多目标优化问题中的3个典型测试函数下进行测试,并与3种现有的动态多目标优化算法进行对比,结果表明该算法具有较好的收敛性和分布性.在仿真环境下测试该算法在上海市某个实际相邻交叉口的信号配时优化效果,结果表明:和3种现有的动态多目标优化算法和动态定时控制TRRL方法相比,该算法能更好地降低机动车延误、非机动车延误和行人等待时间.
- 陈娟荆昊方宇杰
- 关键词：混合交通流相邻交叉口协同进化动态多目标优化多种群
