导读:本文包含了交通诱导与控制论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:交通,诱导,通流,城市交通,动态,系统,信号。
交通诱导与控制论文文献综述
陈乙周[1]（2019）在《城市快速路入口匝道控制系统与交通诱导协同管控技术研究》一文中研究指出论文结合实测路段的数据进行了相关整个控制策略的检验与讨论,研究区域与城市交通宏观调控、交通拥挤常态化优化、关键路段与关键节点疏解、时间与空间分布在线监测的协同联动技术手段,通过管控层和执行层最终落实到对高、快速路交通流交通事件,交通运行的状况的检测,应急指挥,与多平台的协同关联等方面的实施。(本文来源于《智能建筑与智慧城市》期刊2019年07期）
李舸[2]（2019）在《大数据时代基于区域协同控制和诱导分流模型的城市道路交通治理对策研究》一文中研究指出"治堵"已成为公众共同关心的焦点问题之一,全世界都希望通过现代信息新技术,推动城市道路交通的智慧运行,以解决面临的巨大挑战。本课题通过理论分析和个案研究,主要围绕如何缓解城市道路交通压力、降低事故率、提升公共交通服务水平和节能减排等重点问题,从交通管理系统功能互补和整合的着眼,从动态和静态交通两个方面着手,进行城市道路交通区域控制与诱导分流的协同研究,旨在建立一种适应城市道路交通的管理优化机制,面对复杂的城市道路交通运行状况,采用智能化的手段,收集、感知、共享交通全息数据,分析与预测交通状况和出行特征,并快速做出反应,以改善交通拥堵状况,缓解交通资源压力,使其进入有序的良性循环过程。(本文来源于《计算机产品与流通》期刊2019年03期）
白静[3]（2018）在《基于动态交通流信息的城市交通突发拥堵控制与诱导研究》一文中研究指出交通拥堵作为城市化溢出的负外部性产品,其应对与治理在全球范围内一直都是社会各界关注的焦点领域。交叉口信号控制及路径诱导作为智能交通系统中重要组成部分,在日益严峻的交通环境下,正获得越来越广泛的应用。然而,在硬件设施迅速发展和完善的同时,交通管理系统智能化程度低的问题依然存在,交通管理部门面临着从海量的交通流数据中,尤其像交通突发拥堵所产生的具有非重复特性的数据中,获取隐藏的内在信息,以及充分利用信息优势制定科学的疏导策略等问题。因此,在海量交通数据的基础上,开展动态交通流信息处理及拥堵的控制与诱导策略研究,对缓解城市交通拥堵具有重要意义。本文针对交通突发拥堵这一有别于常规性拥堵的现象制定专门的交通管理策略,分析城市交通突发拥堵的特点、传播规律,利用深度学习算法具有快速、充分学习数据内在特征的能力,从大量交通流数据中快速判别出交通状态并预测短时动态交通流信息,在此基础上,结合文中给出的突发事件下交通流传输模型,分别从交叉口信号控制系统和路径诱导系统两方面,研究交通突发拥堵的事先疏导及协调控制的策略,并对几种策略的作用机制和效果进行仿真评估。具体工作如下:首先,分析了城市交通突发拥堵现象的特点,包括拥堵产生的原因、拥堵的评定指标以及突发拥堵的交通流时空分布特征。利用交通波动理论分析了不同情形下拥堵传播的规律,讨论了交通突发拥堵情况下交通管理部门的应对方案流程。分析了城市交通突发拥堵交通流参数的时空相关性,针对预测模型输入数据的高维特性以及交通流数据复杂性、非线性和不确定性的特点,利用深度学习工具构建未来短时动态交通流信息预测模型。构建深度信念网络对交通流数据作无监督特征学习,引入Logistic回归实现有效、实时的交通拥堵状态识别,同时为交通流信息预测提供分类预训类,在分类预训练结构顶层添加反向微调网络,通过后向反馈预测动态交通流信息。然后,考虑微观仿真软件在进行解析分析时受到软件功能制约,交叉口信号控制需要结合路段的排队情况,为了准确描述排队的形成及消散过程,构建一种能够刻画突发拥堵可能出现排队溢出现象的交通流传输模型:事件双排队模型,分析证明了模型的理论特性,利用算例数值计算验证模型的实用性。进一步根据模型的理论特性,建立了信号控制优化模型,并利用遗传算法对离散化后的模型进行求解,通过数值算例验证该模型对交通突发拥堵疏散的有效性。其次,分析了动态交通流信息对交通分配的影响,设计了考虑用户紧急程度的基于动态交通流信息的在途诱导方案。为了充分利用动态交通流信息并提高诱导效率,提出了时变路网下改进的A*算法,考虑用户不同紧急程度对拥堵感知存在差异,提出了基于紧急函数的行驶时间感知效用算法,并构建了基于用户紧急程度的备选路径分配方案。再次,考虑目前大部分的协同优化策略都需要反复迭代运算来实现目标优化,且计算量过大,提出了基于动态交通流信息的线下学习-线上控制的信号控制与诱导系统协同优化方案,在海量数据的基础上,利用人工智能无监督学习功能,掌握交通拥堵的交通流特征,将主要计算问题转移到线下,从而实现线上管理决策应有的快速性。分析交叉口时间延误,对文中提出的信号控制、在途诱导策略做适当改进,以助于实施协同控制方案。最后,为了表征不同控制策略的作用机制及效果,利用微观仿真软件SUMO建立了典型交通仿真环境,将O-D数据分成两组,在此仿真环境下,利用一组数据分别制定信号控制策略、在途诱导策略以及协同优化策略,同时利用所得到的交通数据信息进行训练以学习预测模型参数,然后用另一组作为仿真评估数据,通过四种指标评估所提策略的实用性及有效性。(本文来源于《燕山大学》期刊2018-12-01）
李晓英[4]（2018）在《基于无线传感的动态智能交通诱导控制系统》一文中研究指出为提高车辆的出行效率,缓解交通拥堵现象,设计了基于无线传感的动态智能交通诱导控制系统.利用车载自动感应装置和无线传感网络对车辆的行驶信息进行实时监控、定点收集并及时处理,同时依靠交通信号控制系统调节交通信号的状态;将交通诱导任务模型转换为带权的AOE网,以AOE网为基础拆分模型化后的诱导任务,附加交通状况的实时性约束,最终求解诱导问题的最优路径集合,从而实现对车流量的智能诱导.通过具体的实例验证,对获得的优化前后的交通信息数据进行对比,结果表明:该系统提高了交通运行效率,降低了车辆平均运行时间和缩短了平均出行距离,实现了交通数据流信息的最大化利用.(本文来源于《信阳师范学院学报(自然科学版)》期刊2018年04期）
李旭,周彤梅[5]（2017）在《基于动态交通分配的交通诱导与控制协同研究》一文中研究指出在交通诱导与控制协同运作中,动态交通分配理论的有效应用可以全面提升系统的实时性与高效性,从而有效缓解城市道路交通拥堵。对动态交通分配、交通诱导与交通控制系统的研究现状进行了概述;将动态交通分配理论与模型应用到诱导与控制协同机理中,建立了基于动态交通分配的交通诱导与控制综合协同模型;在现有的诱导与控制协同过程中加入动态策略选择与动态交通分配环节,提出了适用于城市大型路网的交通诱导与控制协同系统实施框架。(本文来源于《中国人民公安大学学报(自然科学版)》期刊2017年04期）
俞灏,刘攀,徐铖铖,柏璐[6]（2017）在《交通诱导与信号控制协同优化策略仿真》一文中研究指出基于微观仿真软件PARAMICS的城市车辆诱导系统与交通信号控制协同优化流程,提出了基于大规模仿真实验的最优协同策略.通过对PARAMICS进行二次开发,基于固定式信号控制、感应式信号控制以及区域联动信号控制3种信号控制策略,结合用户遵从度和诱导信息发布频次,设计13种不同诱导策略.研究共计完成仿真实验7 800次,根据仿真数据建立平均路段占有率-系统总行程时间回归模型,进而得到不同交通需求条件下最优协同策略.结果显示,不同信号控制下该最优协同策略降低总行程时间0~23.14%.同时可移植性测试显示,在可移植性测试路网中最优协同策略较基础方案降低总行程时间0~10.67%,与最优策略总行程时间差异小于3.5%,因此该最优协同策略具有较好的可移植.(本文来源于《东南大学学报(自然科学版)》期刊2017年05期）
刘江燕[7]（2017）在《城市交通管理控制与诱导系统的协调关系》一文中研究指出广义城市交通的管理系统主要是由交通控制和车辆诱导的系统而组成的。两者之间的关系和依存以及协同的作用,也逐渐的结合了我国各个城市交通以及交通的管理系统当中的内在规律。并且也主要对协调交通的控制和车辆进行诱导系统的重要性进行了简单的分析,以及对两者之间存在的多层次的联系和对其中的协同工作的框架结构进行了初步的探讨,并且提出了各个方面的合理建议,仅供参考。(本文来源于《科学技术创新》期刊2017年20期）
傅贵,杨朝霞,周权[8]（2017）在《基于神经网络的交通控制诱导协同模型》一文中研究指出针对传统交通控制与诱导模型及算法的不足,提出了具有中心协调系统(CCOS)的交通控制与诱导协同模型。利用数据融合技术将历史数据的短时交通预测、交通事件检测结果以及实时交通流数据设计面向交通动态的信息融合,并采用神经网络技术构建基于神经网络的交通控制诱导协同模型,同时对模型的参数进行了确定。通过典型的路网进行仿真实验和对比分析,实验验证了该模型是可行和有效的。(本文来源于《电脑与电信》期刊2017年07期）
刘林祥[9]（2017）在《信号交叉口混合交通流的控制与诱导协同研究》一文中研究指出在社会发展进程中,交通系统占据着重要的地位,主要为运输、商务交流等提供重要的基础条件,为城市经济的发展奠定基础。伴随着城市交通行业与信息化技术等的发展,使得新型智能交通系统不断出现,其实现了交通运行的现代化,进而形成了先进的交通管理系统(ATMS)与先进的交通信息系统(ATIS),而相对应的就包含着城市交通控制系统(UTCS)与城市交通流诱导系统(UTFGS)。为实现智能交通系统运行的高效性与科学性,必须重视UTCS与UTFGS的相互协调,以求为交通系统建设提供重要的技术支撑。为此,该文就信号交叉口混合交通流的控制与诱导协同展开了分析与探究。(本文来源于《电脑知识与技术》期刊2017年18期）
杨辉[10]（2017）在《信号控制与路径诱导协同的动态交通模型研究》一文中研究指出随着城市化步伐的加快,城市交通网络的规模逐渐扩大,其复杂程度日渐加深,国内外城市都面临交通拥堵、事故频发、环境污染、资源浪费等亟待解决的交通问题。事实证明,传统的新修道路和单纯的交通信号控制优化已经难以完美解决目前所面临的交通问题。交通信号控制系统和交通诱导系统作为智能交通系统(ITS)的两个核心子系统,二者即密切相关、相辅相成又各司其职,各有侧重,交通控制与交通诱导的协同系统成为智能交通领域的研究热点,也成为公认的解决目前交通问题的必由之路。将交通控制系统和交通诱导系统有机结合,发挥各自的优点,对于缓解交通问题、优化交通网络运行环境具有重大意义。本文总结了国内外相关研究成果,基于一种基本的信号控制方法和一种基本路径选择策略,将其拓展、结合后建立一种交通控制与交通诱导协同的动态模型。此动态模型的每一次迭代过程中,交通流量、绿信比和瓶颈延误同时改变,最后达到平衡,使道路通行能力最大化并均衡分配路网交通流。此模型可用于考虑交通流分配的定时控制方案设计,也可用于为防止可预测事件的迅速响应的信号预配时与交通流预分配,如果计算速度足够快,还可以用于实时信号配时与交通流分配。文中对交通控制与交通诱导协同动态模型最大化道路通行能力的特点进行了论证,并对其收敛性及收敛条件进行了讨论。协同模型以交通流、绿信比和瓶颈延误的Lyapunov函数为0作为最终迭代目标,基于此,文中介绍了一种相应的求解单调互补问题的步长变化方法,并给出模型求解步骤。本文以VISSIM仿真软件COM接口技术为纽带,建立基于VISSIM和Excel VBA联合仿真平台对模型的效果进行验证,其中详细阐述了路网建立、检测点设置、瓶颈延误简化公式、仿真搭建流程等要点,并且对仿真结果进行了对比分析,验证协同模型对减少延误时间、提高道路通行能力的有效性。最后,总结全文,分析了交通控制与交通诱导协同模型的不足,并为下一步研究工作提出建议。(本文来源于《湘潭大学》期刊2017-06-01）
交通诱导与控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
"治堵"已成为公众共同关心的焦点问题之一,全世界都希望通过现代信息新技术,推动城市道路交通的智慧运行,以解决面临的巨大挑战。本课题通过理论分析和个案研究,主要围绕如何缓解城市道路交通压力、降低事故率、提升公共交通服务水平和节能减排等重点问题,从交通管理系统功能互补和整合的着眼,从动态和静态交通两个方面着手,进行城市道路交通区域控制与诱导分流的协同研究,旨在建立一种适应城市道路交通的管理优化机制,面对复杂的城市道路交通运行状况,采用智能化的手段,收集、感知、共享交通全息数据,分析与预测交通状况和出行特征,并快速做出反应,以改善交通拥堵状况,缓解交通资源压力,使其进入有序的良性循环过程。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
交通诱导与控制论文参考文献
[1].陈乙周.城市快速路入口匝道控制系统与交通诱导协同管控技术研究[J].智能建筑与智慧城市.2019
[2].李舸.大数据时代基于区域协同控制和诱导分流模型的城市道路交通治理对策研究[J].计算机产品与流通.2019
[3].白静.基于动态交通流信息的城市交通突发拥堵控制与诱导研究[D].燕山大学.2018
[4].李晓英.基于无线传感的动态智能交通诱导控制系统[J].信阳师范学院学报(自然科学版).2018
[5].李旭,周彤梅.基于动态交通分配的交通诱导与控制协同研究[J].中国人民公安大学学报(自然科学版).2017
[6].俞灏,刘攀,徐铖铖,柏璐.交通诱导与信号控制协同优化策略仿真[J].东南大学学报(自然科学版).2017
[7].刘江燕.城市交通管理控制与诱导系统的协调关系[J].科学技术创新.2017
[8].傅贵,杨朝霞,周权.基于神经网络的交通控制诱导协同模型[J].电脑与电信.2017
[9].刘林祥.信号交叉口混合交通流的控制与诱导协同研究[J].电脑知识与技术.2017
[10].杨辉.信号控制与路径诱导协同的动态交通模型研究[D].湘潭大学.2017
论文知识图
