摘要
隨著城市人口不斷膨脹，城市化和機動化快速發(fā)展，城市交通擁堵問題日益凸現。大力發(fā)展公共交通已成為緩解這一矛盾的共識，公交優(yōu)先成為我國許多城市解決交通問題的必然選擇。 全文共分為五章，其中第二、三、四章是論文的核心部分。文章以路網公交車流作為研究對象，一是針對常規(guī)公交系統(tǒng)和快速公交系統(tǒng)分別提出了其相應的控制方法，較詳盡的闡述了各種公交信號優(yōu)先方法；二是對于常規(guī)公交系統(tǒng)的信號優(yōu)先，利用人工神經網絡方法預測公交車的行程時間，能較準確預測公交車行駛到交叉口的相位，并根據延誤理論對多個相位申請公交信號優(yōu)先進行判別，在前人研究的基礎上進一步深化了常規(guī)公交信號優(yōu)先的研究，使信號優(yōu)先控制模型的準確性更高；三是對于快速公交系統(tǒng)的信號優(yōu)先，根據有無常規(guī)公交車提出了不同的控制方法和控制參數計算方法，與實際情況相符；四是利用VISSIM仿真軟件，以交叉口人均延誤作為評判指標對本文研究的算法進行了仿真驗證，得出了各種控制方法適用的情況以及各種控制方式下交叉口特性的變化規(guī)律。 關鍵詞 城市交通；公交優(yōu)先；信號交叉口；人均延誤；VISSIM仿真




































Abstract
Due to the rapid growth of population, the rapid development of urbanization and motorization, the urban traffic problem is getting worse. Vigorously develop public transportation has become the consensus of mitigating this contradiction, bus priority in many cities become the inevitable choice of solving traffic problem.
The essay is divided into five chapters, chapter 2, 3 and 4 are core parts. This paper put traffic flow of road network as research object. Firstly, according to public traffic system and bus rapid transit (BRT), it provides corresponding control methods and describes various methods of bus signal priority in detail. Secondly, aim at the signal priority of public traffic system, it use Artificial Neural Networks (ANNs) to predict the bus travel time and Accurate phase of bus drives to the intersection. According to delay theory, it discriminate signal priority that many phases apply for. Based on the previous studies, it further deepens the research of public traffic system’s signal priority and make signal priority control model more reasonable. Thirdly, for signal priority of BRT, different control methods and calculation method is proposed based on the certain or no groovy bus, they are coincident with the actual facts. Finally, it carries out simulation verifications which are judged by per capita delay time to demonstrate the validity of the algorithm researched in the paper, obtained the suitable condition and regular changes of intersection’s properties which matched all kinds of control methods.

Keywords Urban traffic; Bus priority; Signalized intersection; Per capita delay; VISSIM simulation






目錄
摘 要 I
Abstract III
第1章 緒論 1
1.1 研究背景及意義 1
1.2 研究現狀 2
1.2.1 國外研究現狀 2
1.2.2 國內研究現狀 4
1.3 研究內容 6
1.3.1 相關的基本理論知識 7
1.3.2 常規(guī)公交系統(tǒng)公交信號優(yōu)先控制 7
1.3.3 快速公交系統(tǒng)公交信號優(yōu)先控制 7
第2章 相關基本理論知識 8
2.1 公交信號優(yōu)先控制的基本理論 8
2.1.1 公交信號優(yōu)先控制的涵義 8
2.1.2 公交信號優(yōu)先控制的模型 8
2.1.3 公交信號優(yōu)先控制的控制方式 9
2.1.4 公交信號優(yōu)先控制的數據流程 12
2.1.5 公交信號優(yōu)先控制的硬件結構 13
2.2 神經網絡的基礎理論 15
2.2.1 人工神經網絡的概念 15
2.2.2 人工神經網絡的模型 16
2.3 VISSIM仿真軟件簡介 19
2.3.1 VISSIM仿真軟件的核心 19
2.3.2 VISSIM仿真軟件的主要特點 19
2.3.3 VISSIM系統(tǒng)的構成模塊 20
2.4 本章小結 22
第3章 常規(guī)公交系統(tǒng)公交信號優(yōu)先控制 23
3.1 公交信號優(yōu)先控制思想 23
3.2 公交信號優(yōu)先控制條件 24
3.3 公交信號優(yōu)先控制目標 24
3.4 公交信號優(yōu)先控制算法 25
3.5 公交信號優(yōu)先控制參數計算 28
3.5.1 基于神經網絡的公交車到達時刻預測 28
3.5.1.1問題定義 29
3.5.1.2 交通流模型選擇 30
3.5.1.3 交通模型的人工神經網絡法 31
3.5.1.4 測試效果 33
3.5.1.5 求解時間 36
3.5.2 優(yōu)先權判別計算 36
3.5.3 信號控制參數優(yōu)化計算 40
3.6 公交信號優(yōu)先控制仿真 43
3.6.1 仿真環(huán)境介紹 43
3.6.2 仿真方案制定 44
3.6.3 仿真結果分析 44
3.7 本章小結 50
第4章 快速公交系統(tǒng)公交信號優(yōu)先控制 51
4.1 公交信號優(yōu)先控制的控制條件 51
4.2 公交信號優(yōu)先控制的控制思想 51
4.3 公交信號優(yōu)先控制的控制算法 53
4.3.1 無常規(guī)公交車的快速公交系統(tǒng)信號優(yōu)先控制算法 53
4.3.2 有常規(guī)公交車的快速公交系統(tǒng)信號優(yōu)先控制算法 56
4.4 公交信號優(yōu)先控制的控制參數計算 59
4.4.1 綠燈壓縮模型 59
4.4.2 綠燈延長模型 59
4.4.3 快速公交插入相位模型 61
4.5 公交信號優(yōu)先控制仿真 63
4.6 本章小結 64
第5章 總結與展望 65
5.1 論文主要研究成果 65
5.2 后續(xù)研究工作展望 65
參考文獻 67