一种多相位感应控制的配时方案设计

发布者:calmrs最新更新时间:2010-12-23 关键字:相序  控制算法  饱和度 手机看文章 扫描二维码
随时随地手机看文章

0 引言

    近年来,道路交通量急剧增加,城市道路问题已经成为现代城市迫切需要解决的重要问题之一,合理的控制策略能够提高交叉口的通行能力,对于一些交通流量较小,但随机波动较大的路口,宜采用感应控制。

    经典的感应控制采用车来即延时的策略,根据经验设定固定的初始绿灯时间、单位绿灯延长时间、最大绿灯时间等参数,控制策略单一,很难适应动态的交通流状况。为了达到比较理想的控制效果,一些学者对感应控制的配时进行了深入研究,翟润平等就对延时策略进行了改进,通过计算绿时有效利用率来确定是否切换相位,提高了绿灯的有效利用率,但是增加了一个控制参数和控制的复杂度;王殿海等提出了一种可变单位绿灯延时的时间模型,考虑到了城市路段车流到达规律和驾驶员心理特性,比传统的固定单位绿灯延时有所改进,但是在降低车辆的平均延误上效果并不明显;邵峰等对两种单位绿灯延时的计算方法进行了比较,得到了一种减少车辆平均延误的单位绿灯延时的计算方法,但是其计算参数过多,计算复杂,实用性不强。上述研究皆对感应控制的部分配时参数进行了研究,但都采用固定周期、固定相序的方式。文献均考虑到了相序对交叉口通行能力的影响,对不同的交叉口采用不同的相序方案,但是没有考虑交叉口的车流量变化对相序的影响;沈国江等提出了一种交通流模型,根据排队长度的变化,采用模糊推理对相序转换时刻、相序的选择进行了优化,由于采用了八相位方案,算法复杂度较高,调节参数多,实时性和可靠性得不到保证,并且增加了绿灯损失时间;樊晓平等结合了模糊控制和神经网络控制的优点,实现了交叉口多相位的、相序可变的交通流控制,但是该方法对信号机系统的配置要求比较高,较难推广应用。

    本文对交通感应控制中的信号配时进行了研究,提出一种动态相序的多相位感应控制算法,分析了初始绿灯时间、单位绿灯延长时间、最小和最大绿灯时间等对感应控制的影响,并给出了上述参数配时的计箕方法。本文所提算法简单实用,计算复杂度低,对系统配置要求不高,仿真结果表明,本文的方法较经典感应控制方法降低了交叉口的平均延误,是一种有效可行的方法。

1 感应控制原理概述

    感应控制是通过车辆检测器检测到的车辆到达情况,动态调整各相位的配时以适应交通变化的一种实时控制方式,是一种典型的反馈控制过程,适用于交通流量不大但波动较大的交叉口控制。

    传统的感应控制方式可分为半感应控制和全感应控制。在半感应控制中,检测器只安装在次干道上,主干道维持绿灯状态,当次干道检测到有车到达并且主干道最小绿时已经结束时,更换信号相位;而全感应控制中,主从干道无法明显地区分,交叉口的所有进口道上都安装检测器,其工作方式为:当某一信号相位开始启亮绿灯时,则预设一个“初始绿灯时间”,当初始绿灯时间结束时,再增加一个预置的时间间隔(一般为一个单位绿灯延长时间),在此时间间隔内,若没有后续车辆到达,则立即更换相位;若检测器检测到有后续车辆到达,则每检测到一辆车,就从检测到车辆的时刻起,相位绿灯延长一个预置的“单位绿灯延长时间”,绿灯可一直延长到一个预置的“最大绿灯时间”,当相位绿灯时间延长到最大值时,则强制切换相位。

    感应信号控制的三个基本参数分别为:最小绿灯时间、单位绿灯延长时间、最大绿灯时间。而检测器的埋设位置、相位相序的选择也对感应控制的控制效果有重要的影响。

2 感应控制主要参数的配时计算方法

    本文主要研究单个交叉口的四相位全感应控制方法。为了达到较好的控制效果,就必须对感应控制的主要参数进行合理的配时,如图1所示,图中箭头表示该相位允许通过的车流方向,规定所有右转车辆可自由通行。考虑到车流的动态变化,设计出一种动态相序的控制算法,并对初始绿灯时间、绿灯延长时间、最小和最大绿灯时间给出了计算方法。

a.JPG

2.1 初始绿灯时间G0

    经典的感应控制通常采用固定初始绿灯时间,本文为了提高交叉口的通行能力,采用初始绿灯时间可变的方法,即在第i相位获得通行权的时刻,检测检测器与停车线之间的车辆排队长度Qi,初始绿灯时间是使Qi辆车全部驶离停车线所需要的时间,有:

   b.JPG

    其中,Qi为i相位获得通行权的时刻关键进口道上检测器与停车线之间的排队车辆数,单位为辆;Si为i相位关键进口道上的饱和流量,其单位为辆/小时;

2.2 单位绿灯延长时间

    各相位的单位绿灯延长时间要保证车辆按进口道的行驶速度行驶时,能够行驶完检测器到停车线之间的距离,保证车辆在该延时内能够顺利通过停车线,即满足:

   c.JPG

    其中,Di为i相位关键进口道上检测器与停车线之间的距离,m;Vi为i相位关键进口道上车流的平均行驶速度,m/s;

2.3 最小绿灯时间

    最小绿灯时间是信号相位获得通行权时所必须保证的绿灯时间,等于初始绿灯时间与单位绿灯延时之和,最小绿灯时间有:

   d.JPG

    其中:Gi0为i相位的初始绿灯时间,s;△i为湘位的单位绿灯间隔时间,s。

2.4 最大绿灯时间Gmax

    最大绿灯时间,即为了保持最佳绿信比分配而确定的相位绿灯时间。它是相位绿灯时间的延长极限。当到达最大绿灯时间时,强制绿灯结束并改变相位,最大绿灯时间一般定为30-60s,可根据经验来设定。

3 检测器的布局

    本文采用在所有进口道都埋设一对检测器的方法,以检测各车道的车辆到达情况和排队长度,如图2所示,其中一组检测器设置在刚刚越过停车线的位置,另一组检测器设置在停车线下游离停车线距离为Di的位置,Di的设置位置要保证在最小流量时车辆的排队长度不越过检测器,并且要保证检测器与停车线之间的最大排队车辆数能够在初始绿灯时间内疏散完毕,于是检测器与停车线之间的距离Di应满足:

   e.JPG

    其中:hi为i相位排队车辆平均车头间距,m;Qi为i相位关键进口道上检测器与停车线之间的最大排队车辆数,辆。

f.JPG

4 变相序的多相位感应控制算法

    为了有效减小车辆平均延误,本文针对前文所述的单交叉口四相位全感应控制提出可变相序的感应控制算法,根据各相位的排队长度和平均等待时间确定一个优先值Wi,Wi=QiTi;其中,Qi为第i相位等待车辆的排队长度,T为第i相位的等待时间;显然,优先值越大的相位优先通行,通过判断优先值的方法灵活动态地变换相位,该配时方案的相序不固定,相位转换的状态图如图3所示,根据交通需求实时变换相位。


g.JPG

    具体算法如下:

    Step 1初始化,给每一相位任意车辆排队长度,把通行权交给排队长度最长的相位;

    Step 2给获得通行权的相位一个初始绿灯时间;

    Step 3给本相位一个单位绿灯延长时间。

    Step 4检测本相位是否有车到达,无车,到Step5,有车,判断本相位绿灯时间是否到达最大绿灯时间,是,到Step5,否,到Step3。

    Step 5计算各红灯相位的优先值,把通行权交给优先值最高的那个相位,到Step2;

5 仿真结果分析

  为了验证本文所提出的算法的有效性,本文通过仿真平台上对经典感应控制算法和本文提出的动态相序的感应控制算法进行了比较实验,仿真软件采用微观交通仿真软件-USTCMTS1.0系统,因为感应控制只适用于饱和度不高的交通流条件,故取饱和度低于0.6的情况进行实验,仿真所选取的交叉路口的宽度为:东西方向和南北方向的道路宽度均为10.5m,仿真运行6000s,以车辆的平均延误作为标准,得到两种算法的平均延误,图4是根据仿真结果使用MATLAB所绘制的图形。

h.JPG

    由仿真结果我们可以看出,本文所提出的动态相序的感应控制的平均延误要明显低于经典感应控制的平均延误。

6 结论

    本文以单交叉口的感应控制为研究背景,针对经典感应控制算法相序固定、配时参数固定的缺点,提出一种变相序的、动态初始绿灯时间的多相位感应控制算法,仿真结果表明,改进后的感应控制算法较经典的感应控制算法有效地降低了车辆的平均延误,能够适应动态的交通流状况。

关键字:相序  控制算法  饱和度 引用地址:一种多相位感应控制的配时方案设计

上一篇:基于RFID的智能自动化生产线过程管理
下一篇:基于LABVIEW的多路高速数据采集系统的设计

推荐阅读最新更新时间:2024-03-30 21:33

异步电机矢量控制算法基础(下)
5.6 )SVPWM实现过程 从上节的分析可知,哪几个电压空间矢量和其作用的时间是SVPWM的两个根本的问题。要实现SVPWM,仿真搭建时需要注意和解决的几个问题。 (1)、电压空间矢量所在扇区的判断; (2)、基本矢量作用时间的计算; (3)、基本矢量的作用顺序及扇区切换点时间确定。 只要解决以上3个问题,就能实现SVPWM。 下面我们用一个小例子来理解PWM信号。图2是一个直流电路,它有一个电阻,一个开关,一个灯泡,和一个驱动灯泡的10V直流电压源。我们如何能得到2.5V电压驱动下的灯泡亮度呢? 5.6.1 )SVPWM理论讲解 该状态对应的电机绕组连接图如下:
[嵌入式]
异步电机矢量<font color='red'>控制算法</font>基础(下)
蔚来副总裁曾士哲谈三元铁锂电池:方案难以被复制,最难的是控制算法
特斯拉、小鹏汽车之后,蔚来也加入到磷酸铁锂大军。 不过,蔚来没打算继续忍受磷酸铁锂电池的顽疾。 日前,蔚来推出了75度(kW·h)三元铁锂混装电池包,用以对该公司的70度三元锂电池包进行升级,预计11月开始交付。 70度电池包是蔚来投放的第一代电池包产品,在2017年12月的首届NIO Day上发布,于2018年6月交付,至今已经服役3年多,是蔚来汽车的基础款电池包,也是蔚来交付量最广的电池包。但这款电池显然难以匹配今天的用户需求,可用范围加上冬季低温,续航打折到200多公里的情况并不鲜见。 而对这样的基础配置进行替代性升级,蔚来的动作既要快,又要十分谨慎。 从命名上能看出,蔚来下了功夫。动力电池最常用的有两种技术
[汽车电子]
蔚来副总裁曾士哲谈三元铁锂电池:方案难以被复制,最难的是<font color='red'>控制算法</font>
51单片机PID算法程序(三)增量式PID控制算法
当执行机构需要的不是控制量的绝对值,而是控制量的增量(例如去驱动步进电动机)时,需要用PID的 增量算法 。 增量式PID控制算法可以通过(2-4)式推导出。由(2-4)可以得到控制器的第k-1个采样时刻的输出值为: (2-5) 将(2-4)与(2-5)相减并整理,就可以得到增量式PID控制算法公式为: (2-6) 其中 由(2-6)可以看出,如果计算机控制系统采用恒定的采样周期T,一旦确定A、B、C,只要使用前后三次测量的偏差值,就可以由(2-6)求出控制量。 增量式PID控制算法与位置式PID算法(2-4)相比,计算量小得多,因此在实际中得到广泛的应用。
[单片机]
51单片机PID算法程序(三)增量式PID<font color='red'>控制算法</font>
步进电机控制算法—S形加减速运动算法介绍
什么是S形加减速 如下图所示,假设该装置使用步进电机实现物体X的移动,系统要求物体X从A点出发,到B点停止,移动的时间越短越好且系统稳定。 如果滑块从启动速度到目标速度的加减速不是以固定的比例进行加速/减速,而在加减速的变化过程中速度曲线呈现一个英文字母“S”形的,我们称之为S形加减速算法。则上述将这个过程描述为如下图所示: S曲线加减速模型 可以获知OA段其实就是滑块的加速部分、AB则是匀速部分,BC则是减速部分。在OA加速过程中,速度刚开始是缓慢增加,后来增加得越来越快,而在中点时刻,增加又有所放慢,但依然继续增加逼近设定的速度。实际这一阶段又分成了三个阶段在AB匀速过程中,加速到设定速度之后,以设定速度匀速步进;在B
[嵌入式]
步进电机<font color='red'>控制算法</font>—S形加减速运动算法介绍
关于PID系列仪表的人工智能控制算法
引言 在工业控制中,许多控制过程机理复杂,滞后大,控制对象具有变结构、时变等特点。采用常规的PID控制算法,难以适应参数变化及干扰因素的影响,大都出现较大超调,PID参数较难确定,不仅给调试带来麻烦,调节的效果也不理想。目前由国外引进的某些调节 仪表 中,推出了许多改进型如加入抗饱和积分功能,采用自整定来协助确定PID参数及自适应技术来改进控制效果。为了克服常规PID调节的不足,提高其性能,现在各大仪表公司及仪表生产厂,都在致力于新的控制算法开发和自整定技术的探究,下面以系列仪表为例,简述系列仪表中的人工智能控制算法和特点。 系列仪表中的人工智能控制算法 系列仪表中的人工智能控制算法,即对PID算法加以改进和保留,加入模糊
[测试测量]
ARM9在高精度生化分析仪温度控制系统中的应用
1 引言 ARM9越来越广泛的应用于各种生物电子仪器中,全自动生化分析仪是一个典型的应用。生化分析仪检测分析过程中温度对检测结果具有很大的影响,被检样品和试剂只有在指定的温度下检测才能保证生化检验结果的可靠性。生化分析仪的温控系统往往具有非线性、时滞性等特点,应用常规PID控制达不到理想的效果。本系统以ARM9处理器作为控制系统核心,实现模糊自整定PID控制算法。经测试,该系统精度高,稳定性好,响应快,反应盘控温于现行的标准检测温度37℃,控温精度为土0.1℃,显示精度为±0.01℃,完全满足临床使用要求。 2 系统总体设计及主要硬件实现 2.1 系统总体设计 系统结构如图1所示。系统主要由测温器件、ARM控制
[单片机]
小广播
添点儿料...
无论热点新闻、行业分析、技术干货……
最新工业控制文章
电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved