-
公开(公告)号：CN115691105B
公开(公告)日：2023-09-15
申请号：CN202211085267.6
申请日：2022-09-06
Applicant: 昆明理工大学
Abstract: 本发明涉及交通技术领域，尤其涉及一种考虑车队离散的路段行人过街最大压信号控制方法。步骤包括对路段进行区域划分；对路段各区域交通密度进行预测；建立基于分段密度的最大压信号控制方法；信号配时优化策略。本发明基于分段密度最大压的交通信号控制模型，充分考虑路段行人过街路口交通特性，选择密度作为最大压信号控制的权重参数，精确描述交通需求，更能反映实际的交通运行状态，有效提高了模型精度。本发明充分考虑了行人交通特性与机动车交通特性之间的差异，克服了最大压信号控制模型以排队长度作为压力权重的考虑不足，模型计算结果可靠性更强。
-
Patent Agency Ranking
公开(公告)号：CN117392836A
公开(公告)日：2024-01-12
申请号：CN202311237727.7
申请日：2023-09-25
Applicant: 昆明理工大学
IPC: G08G1/01 , G06Q10/0639
Abstract: 本发明涉及交通技术领域，尤其涉及一种基于熵理论的混合交通环境下信号交叉口运行评价方法。步骤如下：S1：根据混合交通特性，选取评价指标，构建混合交通环境下信号交叉口评价指标体系；S2：根据评价指标对交通运行产生的影响，将指标分为正向指标与负向指标。本发明提供的一种基于熵理论的混合交通环境下信号交叉口运行评价方法，通过以停车线为界，将交叉口划分为内部和外部，充分描述和分析信号交叉口存在的混合交通特性，已经存在混合形式，并从交通运行的安全性和效率角度出发，建立了更能反映实际交通运行状态的混合交通环境特征指标评价体系，有效提高了模型的准确性。
-
公开(公告)号：CN119229669B
公开(公告)日：2025-03-14
申请号：CN202411719359.4
申请日：2024-11-28
Applicant: 昆明理工大学
Abstract: 本发明涉及一种基于强化学习的动态最大压交通信号控制方法，属于交通技术领域。该方法包括交通流量数据收集和实时交通状态观测；建立动态交通压力参数和上下游压力动态关联的动态最大压交通信号控制方法；建立基于强化学习的动态最大压交通信号控制模型；仿真环境与参数设定及训练和测试动态最大压交通信号控制模型；动态最大压交通信号配时优化策略。本发明结合数据驱动的方法和理论控制模型的优势，基于具有高度自适应特性的深度强化学习技术来优化最大压控制模型。本发明克服了最大压信号控制模型仅以单一压力参数作为压力权重和交叉口上下游压力关联的考虑不足，模型对复杂多变的交通状况适应性更强。
-
公开(公告)号：CN117409597A
公开(公告)日：2024-01-16
申请号：CN202311249808.9
申请日：2023-09-26
Applicant: 昆明理工大学
Abstract: 本发明涉及交通管理控制技术领域，尤其涉及一种机动车和非机动车协同优化的最大压交通信号控制方法。步骤如下：S1：对上游交叉口的车流流量流向进行分析，建立上游交叉口出口道交通流到达率模型；S2：基于Robertson提出的几何分布模型，推导出车辆行驶时间的概率分布函数；S3：根据上游交叉口的车辆到达率和Robertson车队离散模型，分别建立下游交叉口机动车和非机动车的到达率模型。本发明提供的一种机动车和非机动车协同优化的最大压交通信号控制方法，根据上游交叉口的车辆到达率和Robertson车队离散模型，建立了下游交叉口的车辆到达率模型；对不同饱和度下的机动车和非机动车的不同到达情况进行了综合分析，建立了综合考虑机动车和非机动车的车均延误模型。
-
公开(公告)号：CN115691105A
公开(公告)日：2023-02-03
申请号：CN202211085267.6
申请日：2022-09-06
Applicant: 昆明理工大学
Abstract: 本发明涉及交通技术领域，尤其涉及一种考虑车队离散的路段行人过街最大压信号控制方法。步骤包括对路段进行区域划分；对路段各区域交通密度进行预测；建立基于分段密度的最大压信号控制方法；信号配时优化策略。本发明基于分段密度最大压的交通信号控制模型，充分考虑路段行人过街路口交通特性，选择密度作为最大压信号控制的权重参数，精确描述交通需求，更能反映实际的交通运行状态，有效提高了模型精度。本发明充分考虑了行人交通特性与机动车交通特性之间的差异，克服了最大压信号控制模型以排队长度作为压力权重的考虑不足，模型计算结果可靠性更强。
-
公开(公告)号：CN119229669A
公开(公告)日：2024-12-31
申请号：CN202411719359.4
申请日：2024-11-28
Applicant: 昆明理工大学
Abstract: 本发明涉及一种基于强化学习的动态最大压交通信号控制方法，属于交通技术领域。该方法包括交通流量数据收集和实时交通状态观测；建立动态交通压力参数和上下游压力动态关联的动态最大压交通信号控制方法；建立基于强化学习的动态最大压交通信号控制模型；仿真环境与参数设定及训练和测试动态最大压交通信号控制模型；动态最大压交通信号配时优化策略。本发明结合数据驱动的方法和理论控制模型的优势，基于具有高度自适应特性的深度强化学习技术来优化最大压控制模型。本发明克服了最大压信号控制模型仅以单一压力参数作为压力权重和交叉口上下游压力关联的考虑不足，模型对复杂多变的交通状况适应性更强。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
