文摘

加速城市化增加了地区交通拥堵。缓解交通拥堵均匀道路网络,结合实时交通信息通过互联网的优势的车辆(IoVs),边界交通拥堵地区提出指导策略。战略考虑交通拥堵区域的最优运行状态,显示分为两类不同的目的地的交通需求。同时,边界的方法指导策略提出的宏观基础图(显示)是用来确定最优积累,建立了交通流均衡模型来计算实时积累,并设计了一种模糊自适应PID控制算法计算最优交通交通拥堵地区流入。此外,一个例子就是选择模拟。结果表明,边界的指导策略能有效地提高道路网的运营状态和缓解交通拥堵。最后,连接汽车普及率的影响的策略进行了探讨。仿真结果表明,该策略可以提高道路网的运行状态下混合交通流,普及率越高,更重要的它对缓解交通拥堵的影响。

1。介绍

随着经济的发展和社会的城市化加速,车辆所有权的数量不断增加,城市交通拥堵已经成为一个更严重的问题。为了解决城市交通拥堵的问题,智能交通系统已经发展迅速(1]。其中,交通指南子系统,作为智能交通系统的重要组成部分,可以引导车辆,以避免拥挤的链接或地区。最终目的都是为了缓解交通拥挤。因此,交通指南子系统已经成为重要手段来解决城市交通拥堵问题[2,3]。由于不同的交通需求,交通区域内的交通流构成了城市道路网络都有自己的特点,是一个空间异质性的特点,这使得交通区域通常经验严重拥堵(4]。如何使用交通指南,以避免严重的交通拥堵,减少交通拥堵的持续时间,提高交通效率已成为一个热点话题在交通工程领域的研究人员。

城市交通指导主要是通过释放信息通过可变信息标志(VMS),交通广播和车辆终端(5]。vm和交通广播主要目标群体的车辆交通指南,可迅速缓解交通拥堵在链接或地区。然而,虚拟机动态协调不足等问题和内容限制的信息(6]。交通广播信号守时和不稳定的问题7]。车辆终端,它可以释放多样化的信息,已成为更有效的交通指南和航母正逐渐被应用在城市交通指南(8]。此外,互联网的发展车辆(IoVs)近年来提供了新的前景改善城市交通的影响指导。交通指南基于IoVs吸引了学者们的关注领域的交通工具,如IoVs达到最优的使用系统或用户最优路线指导(9,10]。特别是路边单元(RSU)的广泛应用在城市交通管理(11,12],它可以用连接车辆实时交换信息,更容易和更快的获得信息的车辆进入边界地区的(13]。这提供了一个强大的支持在城市交通拥堵地区更准确的指导。交通指南基于IoVs受到学者们的关注,取得了一些结果3,14- - - - - -16]。然而,现有交通指南方法基于IoVs不考虑最优拥挤地区流入和不区分目的地进入拥堵区域的交通需求。此外,连接汽车普及率的影响交通指南还应进一步研究。在此基础上,提出了一种边界指导策略达到最佳的交通需求管理,所获得的结果进行了讨论和仿真证明了该方法的有效性。

本文的贡献主要涉及以下四个方面:(1)从IoVs基于实时交通信息,对拥堵地区边界的指导策略,提出了分类根据目的地和交通需求进行指导交通需求的目的地是noncongestion地区维持该地区的最优运行状态。(2)方法指导设计,包括使用一个宏观基本图(打码)来确定最优积累,建立交通流均衡模型下交通拥堵区域的最优运行状态实时计算积累,和设计的模糊自适应PID控制算法来计算最优流入。(3)边界的指导策略是模拟和验证,结果表明,它可以有效地提高道路网的运行状态和缓解交通拥堵。(4)连接汽车普及率的影响在边界上的指导策略进行了探讨。不同渗透率下仿真结果表明,该边界的指导策略可以提高区域道路网的运行状态下混合交通流,普及率越高,更重要的它对缓解交通拥堵的影响。

剩下的纸是组织如下:部分2介绍了相关的研究现状交通指导。部分3提出了交通拥堵区域边界的指导策略。节4、边界的方法指导策略。部分5模拟和验证该边界指导策略和方法与一个地区。部分6讨论连接车辆渗透速率的影响在边界上的指导策略。最后,给出了结论和展望部分7。

2。文献综述

最典型的方式提供城市交通指导基于vm,许多学者进行了一系列的研究基于vm的交通指南。钟等。17]研究了虚拟机位置的影响司机的合规行为,发现进一步vm来自下游交叉口,更好的指导作用。李等人。18]研究了虚拟机布局对交通的影响利用遗传算法指导效果,结果表明,合理的虚拟机设置可以有效地缓解交通拥堵。Jindahra和Choocharukul19]研究vm的影响内容使用司机驾驶员的路径选择上的偏好数据。结果表明,不同类型的信息导致不同级别的切换。赵et al。20.]研究天气和虚拟机格式之间的相互关系,结果表明,司机喜欢在雾蒙蒙的天气图形或单行的信息。AlKheder et al。21]研究了虚拟机信息的影响司机的换道行为。结果表明,当虚拟机显示多个信息,它会影响司机的决定改变航线。赵et al。22]分析了数据集的偏好的问卷调查,发现事故信息对司机合规行为的影响大于道路建设和交通拥堵的信息。沈和杨23)研究了不同拥塞信息驱动的影响,发现虚拟机对司机重影响最大的交通拥堵状况。罗卡et al。24)评估的困难访问虚拟机信息诵读困难患者,发现他们更容易接受信息从象形图vm。特et al。25)研究了不同形式的VMS对驾驶员的影响,发现音频版本可以提高驱动性能。

然而,vm的指导信息是开放给所有旅客,不能用来进行动态路线规划旅游需求的基础上指导目标。为了进一步改善交通指南的有效性,学者提出的一些先进的方法。王等人。26)提出了一个最优信息反馈策略,介绍了拥塞系数和实现动态路线指导使用实时信息反馈。林等。27]提出了一种实时路线指导策略和动态路由决策。策略引入了信任概率预测交通状况和动态确定最优路线。赵、张(28)提出了一种动态路由基于隐马尔科夫模型的指导方法来改善交通指南信息的实时性和准确性。丁等。29日)提出了一种结合路线指导和周长控制方法最小化网络延迟的目的。仿真结果表明,该方法可以减少拥堵在亚区。Yildirimoglu et al。30.)提出了一个层次化的交通管理系统。两种机制,指导和路由路由任务,旨在为车辆提供分区域航线缓解网络拥塞。刘等人。31日)提出了一个路线疏散指导与周边控制策略相结合的路线指导。策略有效地解决了流分布区域和旅行者的路线选择。陈等人。32)提出了一种反馈策略,它使用浮动车辆信息来估计浮选尾矿车辆信息和计算指导指数。魏和杨33)提出了一种两级路线指导城市道路网络基于显示的方法。该方法解决了系统优化和user-optimal次区域层面问题。崔et al。34)交通不同的指导策略的影响进行了探讨。仿真结果表明,路线指导策略基于平均速度和交通拥堵因素可以提高网络的运行效率。温家宝et al。(35)提出了一种基于分层state-action-reward-state-action路线指导算法(撒尔沙)学习。仿真结果表明,该方法可以提高路径诱导系统的效率在一个大规模的公路网络。唐et al。36)提出了一个基于multiintelligent强化学习的指导方法。该方法在各种交通情况下缓解交通拥堵。

IoVs的迅速发展和应用,学者们逐渐应用交通指南,取得一些成果。阿米尔- et al。37)提出了一种路由计算方法基于IoVs通信系统。方法提供了不同的路线决定根据目标来满足驾驶员的导航需求。El-Sayed et al。38)提出了一种基于直方图的路线指导算法,能够选择出发地和目的地之间的最短路线。实验结果表明,该算法可以解决城市交通拥堵问题。林等。39)提出了一个社会车辆路由选择算法,它使用一个游戏进化方法来计算最优路线。太阳et al。40)提出了一个协同优化模型的动态交通控制和指导基于IoVs改善城市交通系统和城市交通的综合影响制导系统。陶氏et al。41)提出了一种自适应的服务体系,生成一个加权道路网络和基于IoVs提供指导和通知服务。聂et al。42)提出了一个基于车辆自组织网络自动路线指导方法。仿真结果表明,该方法可以提高平均车速以及减少航班延误。Bouyahia et al。43)提出了一种两级交通资源调度策略来解决交通拥堵的传播。王等人。44)研究了基于车辆的实时路径规划模型X (V2X),提出了一种考虑交通信号时间路线规划方法。结果表明,模型可以减少旅行时间。汗等。45)提出了一种基于IoVs道路拥塞检测和规避策略。仿真结果表明,该策略可以减少旅行时间。Zhang et al。46)提出了一个智能交通模型,它使用交通流预测和预测等待时间来实现信号控制和路线指导。阮和荣格47)提出了分散车辆排除信息素的概念通过信息素指导。仿真结果表明,该方法有效地缓解交通拥堵。

总之,传统的路线指导策略通常改变路线从用户的角度来看,这些路线通常避免拥挤区域和不精确考虑交通拥堵区域的交通需求。交通指南方法基于IoVs改善路线指导的有效性。然而,他们也忽略了最优拥挤地区流入和不区分目的地进入拥堵区域的交通需求。本文的优化运行状态交通拥堵地区作为控制目标,最优拥挤地区流入和目的地的交通需求被认为是和拥堵区域边界指导策略,提出了实现最优交通需求管理,缓解交通拥堵。

3所示。交通拥堵区域边界的指导策略

IoVs的应用使信息的跟踪车辆进出交通拥堵的地区,如速度、位置、目的地等,获得实时的限制在边境及其上游路口。车辆信息获得的限制传输到云平台的决策中心。通过分析这些信息,云平台可以获得交通流入,流出,交通拥堵区域的状态。然后,上游交叉口的交通流可以引导,避免拥堵的增加和维护交通拥挤地区的最优运行状态。的原理图的指导交通拥堵区域如图1。

在图1,有三个交通区域:交通区域,交通地区II, III和交通区域。其中,区域我假定交通拥堵区域,而交通区域二世和交通区域三世都noncongestion地区。此外,所有最近的上游路口交通区域我是虚拟的边界交点c的一些出口车道在这些路口对应的入口车道,可以输入的边界地区。所有的区域的边界交点D虚拟化是十字路口,和这些十字路口包含出口车道,可以离开该地区。

地区的交通要求我在十字路口RSU获得的C,贴上 ,在哪里表示时间。根据不同的目的地,目的地是交通拥堵区域的需求是贴上 ,和其他的目的地是noncongestion区域,通过区域我贴上 。在十字路口交通流出RSU获得的D是贴上 。

交通流入和流出,确定最优积累根据制造的理论,这是用作指导交通拥堵区域的目标。

当积累超过最优价值的积累,边界的指导策略生效。模糊自适应PID控制算法用于计算最优交通流入,贴上 。

如果 ,那么交通需求在将引导。引导交通需求将分为交通流进入的地区我, ,和交通流进入noncongestion地区, 。整个制导过程如图2如下,具体指导策略。

3.1。边界的指导策略我(BGS)

当 ,我适用边界的指导策略。在这种情况下,目的地是交通拥堵区域的交通需求较少,交通需求越多,他的目的地是noncongestion地区。因此,需要引导交通需求,可以表示如下:

和交通流的交通拥堵区域, ,等于最优流入,即 。

3.2。二世(英国地质调查局II)边界的指导策略

当 ,边界II是适用的指导策略。在这种情况下,目的地是交通拥堵区域的交通需求,交通需求的目的地是noncongestion地区较少。为了保持运行状态的交通拥堵区域尽可能多,有必要引导所有需求的目的地是一个noncongestion地区可以得到如下:

那么交通流入等于目的地是交通拥堵区域的交通需求,也就是说, 。

4所示。方法

4.1。宏观基本图

边界的指导策略的实现需要计算最优积累。为此,利用微法理论来描述交通拥堵区域的进化。维护功能配置可以描述路网的交通运行状态,分析城市交通问题的有效途径之一,从宏观角度(48,49]。通常,能够表达的道路网行程之间的关系完成流和交通积累,这是一个非负单峰曲线(50),如图3。水平轴是交通积累 ,纵轴是旅行完成流 。显示和曲线通常是分为三个州。当从0到积累 ,打码是在上升阶段,表明交通流在自由流动的状态。当属于积累来 ,旅行完成流波动 ,在时间横轴对应于最优积累, ,表明交通区域的最佳运行状态。当积累超过 ,旅行完成流开始迅速下降,表明交通地区处于过饱和状态。

根据多功能显示曲线的分析,当积累超过最优积累,该地区交通过饱和状态。因此,最优积累作为边界的目标指导策略,和旅行完成流由交通流出。此外,该模型显示可以被一个三次多项式(通常表示51),如下: 在哪里 , ,和拟合参数。

4.2。交通流均衡模型

为了达到最优的目标积累边界指导策略实时交通拥堵地区需要积累。而积累有关交通流入和流出,和的关系可以从交通流均衡模型获得。根据Aboudolas Geroliminis [52,53),每个交通的多功能显示存在相对稳定的地区,和打码的存在独立于OD分布。为了简化研究,假设没有交通区域内交通需求生成。交通流均衡模型可以表示如下:

由于交通流出旅行完成流程,根据公式(3),它可以获得如下:

当积累达到最优价值的积累,旅行完成流 ,并让其相应的流入 ,它可以获得如下:

然后交通流之间的差异,旅行完成流程,积累和最优值可以获得相应数量如下: 在哪里流入和之间的区别是 , 之间的区别是旅行完成流和旅行完成流对应于最优积累,之间的区别是积累和最优积累吗

用方程(6)- (9)方程(5),流均衡模型的最优运行状态下交通拥堵地区可以获得如下:

离散化方程(10),可以获得以下表达式如下: 在哪里是采样周期。

从方程(11),是获得

此外,时间是离散的 ,在哪里 。然后的积累 th采样周期可以获得如下:

4.3。模糊自适应PID控制算法

为了指导交通拥堵区域的交通需求,有必要获得最佳的流入。交通拥堵区域可以被看作是输入和输出的控制对象,和交通堵塞的最优流入地区是最优控制的输入对象,可以计算的控制方法。在控制方法中,PID控制方法具有更大的应用范围和更好的稳定控制效果,但其控制参数通常是决定实验或经验,而模糊控制可以实现PID控制参数的调整(54,55]。在此基础上,设计模糊自适应PID控制算法计算最优交通拥堵地区流入。

4.3.1。结构的模糊自适应PID控制算法

模糊自适应PID控制算法是基于PID算法。PID算法分为增量PID算法和位置PID算法(56),其中,增量式PID算法可以减少积累误差,容易得到更好的控制效果。调整数量的最优交通拥堵地区流入由增量式PID算法,计算,计算公式如下: 在哪里是调整数量的最优流入采样周期, , ,和PID控制参数,是最优积累之间的偏差和积累吗采样周期。

然后最优流入的th采样周期可以表示如下:

基于方程(14)和(15),模糊自适应PID控制算法计算最优设计,流入,其结构如图4。参考价值的模糊自适应PID控制算法最优积累,也就是说, ,和输出是积累,也就是说, 。控制模块包括模糊控制器、PID控制器,和交通流均衡模型 。控制变量是调整最佳的流入。此外,在图4偏差的变化率吗th采样周期是交通流均衡模型。

4.3.2。模糊控制器的设计

模糊控制器的模糊自适应PID控制算法的一个重要组成部分,设计如下:(1)模糊化的输入和输出变量的去模糊化模糊控制器是控制的输入错误和 ,和输出PID参数变化 , ,和 。首先,确定模糊子集。本文选择模糊状态控制精度高的输入和输出变量的模糊子集,即{NB、纳米、NS、佐薇、PS、点,和PB}, NB, NM, NS,佐薇,PS,点,PB,分别代表负大,负中,负小,零,正小,积极的媒介,和积极的大。其次,确定输入和输出变量的基本领域。输入变量的基本领域和分别设置为( , ]和[ , ]。输出变量的基本领域 , ,和分别设置为[−24 24],[−6,6],[10]−10日。13级域高控制精度是选为模糊域,这是{−−−−6日5日4日3−2−1,0,1,2,3,4,5,6}。最后,确定隶属函数。隶属函数的形状越陡峭,灵敏度越高,反之,温和的控制特性(57]。本文选择高斯函数和三角隶属度函数的输入和输出变量的隶属度函数,分别。(2)确定模糊规则模糊规则需要满足的要求控制变量和考虑PID控制参数的自动调整。比例因子可以加快系统响应,减小稳态误差,但过度值将产生过冲和振荡。整合的因素可以消除稳态误差,但过度的值会导致一个大的超调。微分系数可以减弱的变化偏差的控制过程,提高系统的稳定性。总共49的模糊规则 , ,和设计根据输入变量对输出变量的影响,如表所示1。在第一条规则对应输出变量作为一个例子,它可以表述为:如果e注,电子商务NB那么PB,注,PS。前者表达规则,和结论对应输出变量的隶属度函数。根据模糊规则的模糊推理引擎可以模糊输出。最后,模糊输出转换为脆值使用去模糊化。(3)去模糊化重心法(58)是用于去模糊化的模糊控制器。和调整数量 , ,和的 , ,和得到了。因此,最后调整PID控制的参数值计算如下: 在哪里 , ,和PID控制参数的初始值,分别设置为哪一个 , ,和在这篇文章中。

5。仿真实验

5.1。例子和仿真设置

过于大的实验区域在其内部空间异质性拥堵和需要进一步分为不同的条件。太小了道路网不能显示的显示特征区域。因此,交通拥堵地区包含Shuangzhu路,竹山路,Lingshanwan路和新华社道路在青岛,中国,被选中作为一个例子来验证提出的边界指导策略和方法。道路网络是广场,主要包括41个链接和19个路口其中有14边界链接和10边界的交叉点上。道路网络模型是通过Vissim根据实际道路网络的例子,如图5。

在图5,蓝色的数字标志着边境链接。探测器(红点)被放置在边境的链接数的流入和旅行完成流的例子。此外,探测器放置在内部的链接示例的上游和下游地区检测车辆行驶速度和延迟。10边界交点采用多相固定信号定时计划的周期长度的150年代,和内部交叉口采用120年代或90年代的周期长度,根据实际情况。此外,自由流动速度设置为50公里/小时。

5.2。确定最优积累

确保地区有很好的例子显示虽然能够从自由流动模拟过程完全堵塞,我们获得一组合适的交通需求几个仿真实验,这使得该地区的交通空间同构的。交通需求如表所示2。模拟仿真的步骤是150年代,持续4个小时。入住率的累积计算,计算公式可以表示如下: 在哪里内部链接,是链接的集合,是链接的长度,是车道的数量的链接,车辆平均长度(包括进展),然后呢是链接的时间占领率 。

根据仿真,积累和旅行完成流示例的地区得到和散射点,如图所示6。基于散射点,显示和曲线,也显示在图6,其拟合表达式如下:

根据方程(18多功能显示曲线达到高峰),当积累2124年和9701年相应的旅行完成流veh / h。通常,交通控制的波动范围是1 - 3%的最优积累(59];因此,最优积累被设置为2100辆。

5.3。实验结果和分析

在获得最优积累区域的例子中,边界的指导策略和方法模拟是基于区域的例子及其交通需求。

首先,模糊自适应PID控制算法应用于计算最优流入,和获得的结果,如图7。在3600年代之前,小于最优积累,积累和边界指导策略还没有实现。流入在这个阶段迅速增加,但由于交通需求的增加,也会增加积累,积累超过最优积累大约在3600年代。在这一点上,模糊自适应PID控制算法开始计算最优流入。它可以看到从图7小的波动后,最优流入逐渐稳定。

此后,英国地质调查局我和英国地质调查局二世的模拟执行,分别根据最佳的流入。没有指导(NG)以及周边控制策略(PC)也模拟,在周长控制策略在本文中是指关闭入口方向的绿灯在边界路口当积累超过最优积累和重新开放的时候积累低于最优积累。采样周期是150年代,仿真时间是14400年代。道路网络的四个评价指标,每辆车的平均延迟时间、平均延迟每辆车停了下来,总延迟时间,和总旅行时间。得到仿真结果,见表3。此外,流入,旅行完成流程,积累,平均行驶速度,平均延迟和平均队列延迟边界链接不同策略下也获得,如图8- - - - - -13,分别。

从表可以看出3NG,四个评价指标相比,减少在英国地质调查局我和英国地质调查局二世,这证明了两种指导策略的可行性。此外,与NG相比,削减的四个评价指标在英国我是60.2%,65.7%,39.9%,和34.5%,分别在英国地质调查局II是37.4%,40.5%,20.6%,18.0%。电脑下的四个评价指标的降低47.5%,分别为52.4%,23.7%,和19.6%。这表明英国地质调查局我有更好的效果比英国地质调查局二世和电脑。和交通需求的原因是,英国地质调查局我与目的地区域较小,流入的例子是最佳的流入,而交通需求下BGSII较大和流入大于最优流入,导致逐渐堵塞。电脑大大限制了边界上的车辆造成交通拥堵链接,所以它的改进是比英国地质调查局。总的来说,边界的指导策略有良好的效果在改善道路网的运行状态。

从图可以看出8NG下,流入的例子地区开始显著减少大约在5000年代和9600年代后,只允许一个小流入。这是由于过度的交通需求,导致交通拥堵。在电脑下,频繁的限制性行为使流入大幅改变。英国地质调查局我下,流入可以维持在约400辆/步骤。这表明英国地质调查局我能够保持一个最佳的流入,避免拥堵。英国地质调查局二世下,流入后在一个小波动达到约400辆/步骤。然后在大约10500年代流入明显下降。总的来说,曲线的趋势类似,在NG,但它保持更大的流入更长一段时间。然而,英国地质调查局我相比,它并不保持更大的流入。这是由于过度交通需求与目标为例,通常与特殊活动在区域的例子中,如收集事件。

图9显示旅行完成流的变化随着时间的推移,这类似于流入图8。根据NG,旅行完成流5000年代后开始明显减少。这也是由于交通需求与目标为例地区不是引导,导致交通拥堵。然而,在英国,我旅行的交通需求是有效地指导完成流不迅速增加后逐渐减少附近的初始阶段,但波动最大的旅行完成。根据PC,旅行完成流一般略低于英国地质调查局下我。与NG相比,英国地质调查局II使旅行完成流附近保持更长一段时间的最大值。然后,由于过度的交通需求,旅行完成流逐渐减少,最后只能保持较小的旅行完成流。这表明边界指导策略可以有效改善地区的旅行完成流例子。

从图可以看出10NG下,一般积累增加,直到附近波动略最大值约为10000年代;在这个时候,地区的例子是在一个完全拥堵的状态。在电脑下,限制车辆允许积累保持接近最优积累。英国地质调查局我下,积累超过最优积累在3600年代。此后,交通需求引导,这样积累不断波动略接近最优积累。和指导的目标是实现。在英国地质调查局II,积累的增长率降低,一般小于这个值在最大值附近的NG直到略有波动在12000年代。这表明英国地质调查局二世减缓积累的增加,在一定程度上缓解交通拥堵。然而,由于过度的交通需求与目的地为例,逐渐增加积累的趋势不可避免。

从图可以看出11在NG,示例区域内的平均行车速度可以达到40 km / h在最初阶段,然后逐渐减少直到10000年代。此后,小值附近波动,这是由于大拥堵的道路网络。英国地质调查局我下,平均行车速度能保持在28 km / h经过一段时间的下降。在电脑下,平均行驶速度略低于英国地质调查局下我。英国地质调查局二世下,平均行驶速度类似于在NG和英国地质调查局我在最初的阶段,但逐渐显示分化大约在3600年代。与英国地质调查局我相比,平均行驶速度降低和减少迅速逐渐增加。然而,相比之下,NG,通常更高。这表明该策略能有效地提高平均行车速度。

从图可以看出12NG下,平均延迟不断增加,然后大幅波动,这表明交通拥堵逐渐恶化。英国地质调查局我下,平均延迟可以维持在90年代3600年代后。在电脑下,平均延迟下高于英国地质调查局我一般。英国地质调查局二世下,平均延迟是类似于在NG,英国地质调查局我,电脑直到3600年代。与英国相比,平均延迟通常更高。然而,与NG相比,它通常是较小的。这表明,在减少平均延迟策略是有效的。

从图可以看出13,平均队列延迟边界链接增加持续和普遍高于其他策略下的值。这是由于溢出的排队车辆内部路口过度造成的交通堵塞,使边境拥挤的链接。在电脑下,边境路口保留左转和右转功能,使平均队列延迟下的价值低于NG但高于英国地质调查局的价值我和英国地质调查局II直到12000年代。英国地质调查局我下,平均队列延迟更小。根据英国地质调查局II, 12000年代之后平均队列延迟增加由于过度与目的地为例地区的交通需求。

总之,它可以发现,如果不引导交通需求的积累会增加交通需求的逐渐增加,直到该地区完全是拥挤的。这导致逐渐减少的流入,旅行完成流程,和平均行车速度,而平均延误增加。尽管电脑可以提高道路网的运行状态,一般效果低于英国地质调查局我和往往会增加平均队列延迟在边境链接。然而,英国地质调查局的实现我后,附近的积累可以维持最优积累。因此,流入,旅行完成流程,和平均行驶速度保持在较大的值,以及平均可以减少延迟。英国地质调查局II延误的增加积累。虽然流入,旅行完成流,平均行驶速度和平均延迟并不总是保持在一个范围内,而NG都显著提高。可以看出,边界的指导策略可以提高道路网的运营状态和缓解交通拥堵。

6。连接汽车普及率的影响在边界上的指导策略

虽然IoVs使得连接车辆的迅速发展越来越多的出现在路上,更nonconnected车辆的存在意味着混合交通流的连接和nonconnected车辆在路上将继续存在很长一段时间60]。因此,有必要探索使用边界指导策略的有效性的共存下连接和nonconnected车辆在路上。

英国地质调查局我为20%,50%,80%的普及率连接模拟车辆和道路网评价得到的结果,如表所示4。用于连接车辆,他们有100%的合规率。为了探讨不同渗透率的影响在边界上的指导策略,全接触车辆情况下的仿真结果(普及率是100%)以及nonconnected车辆情况(普及率是0)也包括在表中4。此外,根据表中4道路网络性能的改善,四个普及率相对于0计算渗透率和图所示14。

从表可以看出4和图14相比,nonconnected车辆的情况下,道路网的评价结果在不同渗透率下都得到了改善。特别是在低渗透率,比如20%,平均延迟降低27.1%,停止拖延每辆车平均降低30.6%,总延迟时间减少了12.2%,总旅行时间减少了10.3%。这表明英国地质调查局我即使在低渗透率具有良好的效果。此外,它可以看出每个评价指标的值变成了小随着渗透率的增加。这表明较高的普及率,提高性能和更好的英国地质调查局我在缓解交通拥堵的作用。

此外,根据仿真结果不同渗透率下,流入,旅行完成流程,积累,平均行驶速度和平均延迟示例的地区也获得,如图15。是在表4的情况下,结果全接触和nonconnected车辆也添加到图15。

从图可以看出15,路网的交通状态基本上是相似的在3600年代前五普及率。3600年代后,显示了不同的交通状态和边界的实施指导策略。从数据(15日)和15 (b),可以看出流入和旅行完成流大约在6000年代开始大幅减少的情况下0普及率。然而,随着普及率的逐渐增加,流入的时间和旅行完成流开始显著减少逐渐向后移动,达到大约12600年代80%的普及率。普及率为100%时,流入附近的维护和旅行完成流更高的价值没有显著下降。这表明英国地质调查局我可以增加流入和旅行完成流混合交通流,和指导效果变得更好的提高普及率。

从图15 (c),它可以看到,随着渗透率的增加,累积的增加趋势减缓。当普及率为100%,积累维护附近最优积累。从图15 (d),可以看出随着普及率逐渐的增加,平均行驶速度的时间开始显著减少逐渐移动后,平均行驶速度可以逐渐稳定,当普及率是100%。

从图可以看出15 (e)渗透率的增加,平均延迟的时候开始显著增加逐渐移动后,当普及率是100%的平均延迟是保持在一个较低的值。上述表明,随着渗透率的增加,英国地质调查局我变得越来越有效地减少积累的增加趋势,增加平均行车速度,减少平均延迟。

总之,它可以发现边界指导策略可以提高道路网的运行状态在地区下混合交通流的例子中,渗透率越高,更重要的它对缓解交通拥堵的影响。

7所示。结论

摘要城市拥堵的交通指南地区IoVs环境研究,提出了和边界的指导策略。交通需求的策略利用IoVs实时获得的信息来指导交通需求根据目的地,这样的操作状态可以提高道路网络交通拥堵地区。提出了边界的方法指导策略。首先,能够用于描述交通状态的演变并确定最优的交通拥堵地区积累。然后,为了获得实时的积累、交通流均衡模型的最优运行状态下交通拥堵地区建立和离散。最后,设计了一种模糊自适应PID控制算法来计算最优流入。

基于边界地区的一个例子,指导策略和方法模拟。结果表明,边界的指导策略可以保持最优积累,减少累积的增加趋势,提高旅行完成流,平均行驶速度,同时减少平均延迟。证明了边界的指导策略可以有效地提高道路网的运行状态和缓解交通拥堵。

此外,连接汽车普及率的影响在边界上的指导策略进行了探讨。边界的指导策略是模拟不同渗透率下连接的车辆。结果表明,边界的指导策略也是有效的普及率较低。此外,随着渗透率的增加,指导策略的边界变得越来越有效地减少地区积累的增加趋势,增加平均行车速度,减少平均延迟。

正如上面提到的,边界的指导策略和方法对城市交通拥堵地区IoVs环境提出和证明。然而,边界指导策略的有效性是有限的情况下,当交通需求与目标太高,交通拥堵区域太大。与此同时,本文不考虑一个拥堵区域之间的控制问题和相邻拥挤区域。对于这些问题,合作控制交通指南和信号优化可能是一个有效的方法,可以进一步研究的内容。此外,在多个地区之间合作指导复杂交通环境下也进一步研究的内容。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

Chuanxiang任了概念化、方法、写作、审查和编辑。甄王负责概念、方法和写作初稿。Changchang阴执行监督、写作、审查和编辑。回族徐表现形式分析。李王导致软件。郭Luyao进行调查。李Juntao导致项目管理和资金收购。

确认

这项工作是支持的山东省重点研发项目(2019号ggx101008),中国国家自然科学基金(批准号72101033)和中国国家自然科学基金(批准号71831001)。