基于模糊神经网络的区域交通控制效果评价

提出了基于模糊神经网络的评价方法。首先根据指标选取的原则和各交通控制指标的特点选取评价指标,在建立指标体系的基础上,采用基于神经网络的模糊综合评价方法模型对区域交通控制效果进行评价,并对模型进行了模拟验证。     

基于交通状态估计的快速路交通联合控制

采用模糊C均值聚类方法将快速路交通状态划分为畅通、轻度拥挤和拥挤状态。将快速路二阶宏观交通流模型与粒子滤波算法相结合,实现对快速路交通状态参数的估计,并将交通状态参数估计结果划分到对应状态中,得到交通状态估计结果。在交通状态估计的基础上,考虑3种交通状态下的交通运行特性,结合可变限速控制和入口匝道控制建立快速路联合控制模型。采集吉林省长春市东部快速路交通数据进行实例验证,结果表明:联合控制模型的应用减少了快速路交通流总时间费用消耗的4.55%,降低了交通流密度,在一定程度上缓解了交通拥挤。     

基于模糊神经网络交通控制子区动态划分

提出将模糊神经网络方法应用于交通控制子区动态划分,利用神经网络的学习能力自动寻找模糊推理规则,根据实时的交通流量、距离和最佳信号周期,预测输出城市相邻道路交叉口之间的协调系数,根据协调系数大小划分交通控制子区.用MATLAB进行仿真实验,实验结果证实该方法可行,比用BP神经网络方法实现更加快速、有效.     

冰雪天气下的区域交通状态实时判别

在研究现有常态天气下交通状态判别的基础上,充分考虑冰雪灾害对道路通行能力的影响,提出了适用于冰雪天气条件下的路段和交叉口的交通状态判别方法。同时考虑道路的等级、路段的通行能力以及路段长度等因素,确定了路段和交叉口的交通状态权重,实现了区域交通状态实时判别。最后利用TransModeler微观仿真软件对本文方法进行了验证。结果表明:该方法判别准确度较高、判别时间较短,为冰雪条件下交通状态研究提供了新的思路。     

基于BP神经网络与马尔可夫链的城市轨道交通周边房地产价格的组合预测方法

为解决先验数据有限且存在大量不确定因素情况下,城市轨道交通周边房地产价格的预测问题,提出一种基于BP神经网络与马尔可夫链的组合预测模型。首先,采用BP神经网络,使用较少量的样本数据完成城市轨道交通周边房地产价格曲线的粗略拟合;在此基础上,借助马尔可夫链进行系统状态划分,缩小预测区间以提高预测精确度;最后,运用基于BP神经网络与马尔可夫链的组合模型,对北京市轨道交通13号线周边房地产价格进行了预测分析。计算结果表明,该模型具有较高的精度和可靠性。     

基于层次支持向量机的区域战略交通控制策略优化方法

针对传统交通控制系统中控制策略无法动态响应交通状态变化的问题,提出了一些评价区域交通状态的指标,并基于这些指标提出了一种基于层次支持向量机的区域战略交通控制策略优化方法,设计了两种层次支持向量机优化结构。最后基于VISSIM4.2和Matlab 7.01平台,开展了一些模拟试验来验证所提出方法的性能。仿真结果表明,基于组合二叉树的层次支持向量机的优化方法能够更有效地、准确地响应于时变交通流。     

交通控制子区动态划分方法

在分析交通流特性的基础上,提出了周期子区、相位差/绿信比子区的概念。与此概念相对应,详细介绍了一种控制子区动态划分的方法。运用V issim软件进行了仿真。结果表明:与传统控制子区划分方法相比,运用该方法可进一步提高道路交通流的运行效率。     

基于多智能体的城市道路交通控制

在分析多智能体特性的基础上，提出了基于多智能体的城市道路交通控制系统，并采用遗传再励学习和博弈论方法进行优化控制和区域协调，最后通过仿真分析说明了算法的有效性。     

面向混合交通的感应式交通信号控制方法

为解决城市道路混合交通场景中,依据机动车交通流进行信号配时的设计方法无法兼顾非机动车交通流,且可能降低机动车交通流运行效率的问题,提出了以单点优化方法以及感应控制原理为基础的面向混合交通的感应式交通信号控制方法。在实施感应控制流程之前,根据热成像检测器的实时数据,结合以交通强度为核心指标的单点优化方法确定各相位的基准绿灯时间;在基准绿灯时间的基础上,确定各相位的初始绿灯时间以及最大绿灯时间,作为感应控制阶段的关键参数。用实际数据对本文方法进行合理性分析,结果表明混合交通中非机动车流对交通状态具有一定的影响,可以通过考虑非机动车的影响确定感应控制中的关键参数。此外,还通过算例设计对所提混合交通强度指标进行了脱机验证,结果表明:考虑非机动车影响的混合交通强度指标较原有交通强度指标能够更好地反映交叉口状态,使单点优化控制下的交叉口车均延误下降了7. 69%;根据混合交通强度计算得到的感应控制的最大绿灯时间,可使调查路段的过饱和周期比例下降80. 77%。     

基于社会福利最大化的城市轨道交通补贴决策

以社会福利最大化为目标,以票价、发车间隔、站间距以及服务区域面积等为决策变量,对城市轨道交通财政补贴问题进行了优化。针对无约束、盈亏平衡和补贴刺激三种状态分析了财政补贴的最优解决方案。并对无约束和盈亏平衡状态进行了敏感性分析,计算结果表明,对于城市轨道交通线路系统福利补贴在较广泛的范围内,最佳的福利曲线非常平坦。因此,在社会福利最大化的目标下,收支平衡财政补贴政策适合于城市轨道交通系统。在居住密度变化显著和道路网存在较大变化的区域,本研究结果可为政府对城市轨道交通系统的财政补贴提供依据。     

基于遗传算法的模糊神经网络控制

在研究遗传算法、模糊神经网络及两者之间融合技术的基础上，设计了基于遗传算法的模糊神经网络控制系统。并通过仿真模拟实例对其功能特性进行了分析。     

基于遗传神经网络优化模型的交通量预测

实时、准确的交通量预测是实现动态交通流控制及诱导的前提和基础.为了更准确地对其进行预测,本文建立了遗传神经网络优化模型,该模型既利用遗传算法全局搜索、快速收敛的优点,又利用神经网络非线性描述、自学习自适应的优点.并以实际道路为例,给出了具体的应用方法,计算机仿真结果表明该模型精度较高、具有可行性.     

基于改进遗传算法的区域交通信号优化控制

为实现对区域交通信号的优化控制,在车辆延误模型HCM2000的基础上纳入相位差因素; 对遗传算法的交叉和变异过程进行改进,将个体中各个参数分割开来,对各个参数分别执行交叉和变异操作; 对整个区域建立以最小化车辆平均时延为目标的优化模型。对4交叉口区域的仿真结果表明,该方案的优化效果较好,整个区域的平均车辆延误比优化前减少了7.3%,达到了优化控制的目的。       

基于神经网络和遗传算法的采油控制系统

为了解决部分抽油机“长期相对轻载”和“空抽”的问题,采用抽油机间歇采油控制方法对采油控制系统进行了设计。利用非线性规范化方法的非线性同伦BP神经网络对采油模型进行辨识,采用遗传算法优化停机时间。该控制系统在油田中的实验结果表明,在保证了采油量的前提下,节电率达30%以上,实现了抽油机采油的智能控制。     

道路交叉口信号的模糊神经网络控制

应用模糊神经网络对交通系统进行控制是一种新的尝试，它可以充分发挥模糊逻辑和神经网络的优势，实现更为有效的控制。提出了一种基于模糊神经网络的道路交叉口交通信号控制方法，根据两相位的关键车流信息来决定绿灯延长时间，形成控制策略。仿真结果表明，与传统的定时控制方法相比，所提出的神经网络控制方法在车辆平均延误时间和排队长度方面都有较大改进，该方法有效、可行。     

基于云模型的道路交通安全等级评价

针对道路交通安全等级评价具有的模糊性和随机性特性,提出了道路交通安全等级云模型评价方法.通过分析道路交通安全的影响因素,确定评价指标及标准;计算出每个评价指标的云数字特征,生成各指标云模型;评价实测数据,由最大隶属度的加权值确定道路安全等级.对西安市二环路实测数据进行评价,评价结果为:东二环、南二环、北二环路道路交通较安全,隶属度U(Ⅱ)分别为:0.404 8、0.609 8和0.497 6;西二环路道路交通基本安全,隶属度U(Ⅲ)为0.621 2.对比灰色评价法和模糊数学法,云模型法不仅能反映出道路交通安全等级,更能精确反映所隶属等级的确定度.     

A Direct Feedback Control Based on Fuzzy Recurrent Neural Network

A direct feedback control system based on fuzzy-recurrent neural network is prosed, and a method of training weights of fuzzy-recurrent neural network was designed by applying modified contract mapping genetic algorithm. Computer simulation results indicate that fuzzy-recurrent neural network controller has perfect dynamic and static performances .     

道路交通事故神经网络预测研究

对于交通事故的预测,可以视作一个非线性随机的输入输出系统,因此保证了可将神经网络理论用于预测的可行性.为此,选用算法建立了道路交通事故神经网络预测模型.鉴于算法具有学习速度慢,目标函数存在局部极小点的缺点,采用改进的快速算法,即采用加动量项和自适应学习速率的方法来弥补这一不足,实现对交通事故的预测.     

载波通信中基于神经网络的谐波控制应用研究

在对载波通信干扰源进行总结的基础上,提出一种采用自适应和以人工神经网络为基础的方式抑制谐波电流的方法.人工神经网络保持更新和输入,其权重可通过BP算法调整,改变它的输出与输入自适应、神经模糊控制规则的成员变量和显示功能.在电磁兼容基础上使用有源滤波器和电源滤波器来实现电力线载波通信.