基于云计算平台的交通信号预测控制

摘要

随着城市的发展和人们生活水平的提高，汽车保有量不断增长，导致城市道路交通系统的压力越来越大，随之而来的交通拥堵、交通事故和环境污染频频出现，这些现象已经严重影响了人们的出行效率和生活质量。交通拥堵是道路容量无法满足交通需求，而又得不到及时处理的结果。随着交通需求的不断增长，当交通需求增长到一定程度，道路容量不能满足其需求，在交叉口最容易发生交通拥堵，并可能向周围传播或者蔓延，形成“多米诺”效应，这也是大范围交通拥堵产生的原因。科学合理的设计交叉口信号配时，可以有效的加大交叉口通行量，从而避免拥堵的发生。当然，对于一个交叉口的控制是不够的，整个区域路网的协调控制才能保证路网中交通顺畅。因此，研究区域交通信号控制系统具有重要的意义。
　　在区域交通信号控制的研究中，本文根据预测控制理论的相关思想提出了基于非解析模型的交通信号控制策略，并对其优化模型进行求解，这些环节都离不开数据信息的高效处理。云计算自诞生之日起，便受到了各个领域研究学者的高度关注，云计算的快速提供服务能力、快速处理能力、弹性计算能力，为其在交通信息处理领域的发展提供了契机。因此，运用云计算技术对海量的交通数据进行智能分析与处理，并在此基础上研究基于云计算平台的交通信号预测控制系统，可以为治理交通拥堵问题提供理论依据和技术支撑，为云计算在交通领域的发展与应用提供参考。
　　论文完成的主要任务如下:
　　首先，基于对预测控制机理的研究，在已有的元胞自动机理论的基础上建立了交通流仿真模型，建立了一种交通信号预测控制策略。根据对区域中交通流的研究，建立了信号优化控制模型。其次，搭建Hadoop云计算平台，同时基于MapReduce编程模型，在此平台上实现并行遗传算法，对优化模型进行求解，即对区域中的信号灯控制参数进行同步优化，以获得最佳的信号配时方案。通过区域中各路口信号灯的协调控制，确保了系统的性能指标最优。本文给出了建立模型的详细步骤以及并行遗传算法实现的流程。
　　在C++Builder和Java环境下进行编程，其主要功能包括模拟路网中车辆的运行、交叉口信号配时的优化和算法的实施。针对所设计的4个路口的路网，以区域中等待放行的车辆总数最少为目标函数进行仿真，证实了交通信号预测控制能有效提高路网的通行能力。通过多次仿真，比较信号预测控制策略与定时控制策略，证实了基于预测控制的交通信号控制的优越性。
　　本文利用云计算平台，建立交通仿真，基本上实现了仿真技术和优化技术、预测控制和交通信号控制的有机结合，并得到了预期的结果，最后给出了今后的研究方向。

目录

声明

致谢

摘要

1 绪论

1．1 研究背景及目的

1．2 交通信号控制的研究现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 云计算的研究现状与需求分析

1．3．1 国内外研究现状

1．3．2 智能交通系统的云需求分析

1．4 论文的研究内容及组织结构

2 交通流预测控制

2．1 预测控制的基本原理

2．2 交通信号预测控制原理

2．3 基于元胞自动机的交通流仿真预测

2．3．1 元胞自动机的基本原理

2．3．2 元胞自动机在交通领域的应用

2．4 元胞自动机交通流建模

2．4．1 车辆前进子模型

2．4．2 车辆换道子模型

2．4．3 车辆转弯子模型

2．5 仿真与分析

2．6 本章小结

3 区域交通信号预测控制

3．1 区域交通信号控制的基本概念

3．1．1 区域协调控制分析

3．1．2 目标函数的建立

3．1．3 约束条件

3．2 本章小结

4 基于云计算的模型求解

4．1 云计算概述

4．2 Hadoop简介及实验环境的搭建

4．2．1 Hadoop

4．2．2 HDFS架构

4．2．3 MapReduce框架详解

4．2．4 Hadoop实验环境搭建

4．3 遗传算法的并行化

4．3．1 遗传算法的基本原理

4．3．2 遗传算法的并行化分析

4．3．3 遗传算法在Hadoop平台上的并行实现

4．4 基于MapReduce的并行遗传算法求解信号控制模型

4．4．1 编码与解码

4．4．2 适应度函数

4．4．3 选择算子

4．4．4 交叉算子

4．4．5 变异算子

4．4．6 并行遗传算法对模型求解的具体步骤

4．5 本章小结

5 仿真及结果分析

5．1 区域交通信号控制仿真

5．2 仿真结果分析

5．2．1 信号预测控制策略和定时控制策略对比分析

5．2．2 比较单机遗传算法与云计算遗传算法

5．3 本章小结

6 总结与展望

6．1 论文总结

6．2 研究展望

参考文献

作者简历

学位论文数据集