城市交通干线绿波带全局优化方法

通过分析城市信号交叉路口交通流的复杂性,我们得出模糊控制方法在单个交叉路口的控制特性更为适应交通流的不确定性、随机性和突发性。但是在将模糊控制理论引入绿波协调控制中去,对多个交叉路口设计模糊控制器时,不可避免的造成模糊逻辑的爆炸性增长以及控制效果的直线下降。本文结合模糊控制算法和粒子群优化算法,提出一种对多交叉路口进行全局优化的控制策略,使用粒子群算法对全局性能参数进行优化,在保证单个交叉路口控制效果不变的情况下,在交通路面上形成整体平均等待时间最小的绿波带。     

应用进化策略的城域交叉路口分级模糊控制

提出一种面向城域单交叉路口的自适应分级模糊控制系统，采用进化策略对分级模糊控制器的模糊隶属度函数进行离线优化调整．该控制系统不仅具有分级模糊控制的优点，同时能使模糊隶属度函数根据不同的交通情况自适应地变化，从而改善控制效果．对一个具有直行和左转车流运动的四向交叉路口进行的仿真表明了该方法能比定时控制和隶属度函数固定的分级模糊控制取得更好的控制效果．     

ANFIS实现的模糊神经网络在交通信号配时优化中的应用

提出一种使用Matlab中的ANFIS模糊神经网络(FNN)工具箱来对传统的模糊控制器进行参数优化的方法，改善了控制器中的隶属度函数形状及分布，并应用于城市单交叉路口的多相位信号配时上．仿真实验证明所提出的算法可以降低车辆平均延误时间，保证车队更顺畅地通过交叉路口．     

基于相序优化的多相位模糊交通控制

针对单交叉路口进行模糊交通控制算法的研究.首先提出一个简化的交叉路口交通流模型,设计一种基于相序优化的模糊控制器,然后以车辆平均延误时间为控制目标,采用模糊控制器和相序优化器联合进行交通控制.前者用来决定改变当前绿灯相位的时刻,后者从相序中根据优先权的大小决定下一个放行相位.仿真研究表明,该模糊控制器能更有效地对单路口进行多相位闭环控制,控制效果令人满意.     

基于QPSO的模糊分类系统优化设计

提出了构建模糊分类系统的有效方法.通过量子位选择的方法对初始的模糊规则进行优化,减少种群规模、提高全局搜索能力,且可以大幅缩短训练时间,达到快速收敛、有效分类的目的.为了优化模糊分类空间和减少模糊规则数目,提出了量子行为粒子群优化(QPSO)算法,提高初始模糊分类系统的性能.实验结果证明:优化方法较之其他方法更有效率,准确率更高.     

交通控制信号优化模型的仿真研究

研究交叉路口车流量数据采集和统计分析,针对交通系统缺乏精确数学模型的问题,为了提高控制效果,提出了多相位交通信号绿灯配时的模糊控制方法和进化算法的递阶模糊控制器的优化控制.构建了相应的模糊控制规则和控制器,使用进化算法对模糊控制器所作出的决策进行动态调整.控制过程对采用以车辆平均延误为目标函数,在模糊控制器做出判决的基础上,对控制规则的调整量进行了全局寻优,加快了收敛速度.通过对一个四相位交叉口进行仿真,结果表明控制效果有明显的改善.     

模糊控制原理在城市交叉口智能控制中的应用

由于模糊数学理论可以比目前常规数学方法更好地描述交叉口交通流的随机性和不确定性,本文结合模糊控制技术及一般信号交叉口交通控制方法,提出了一种基于知识的模糊交通控制方法,设计了模糊控制器,并对该控制器进行了仿真研究,给出了控制方法的结构、模糊控制规则以及仿真计算对比结果.结果表明:计算过程简单,控制效果优于定时控制方法,并且在交通量较大时,还优于感应控制方法.它可以有效改善交叉路口的通行能力,为优化城市交通控制提供了一种参考方法.     

基于模糊逻辑的路口交通信号控制器的研究

由于模糊逻辑能够较好地描述复杂系统的定性模型,因此非常适合应用于路口交通信号灯的控制。采用了一种双层模糊控制器对路口信号灯进行控制,给出了控制方法及控制规则,在单片机模拟装置上进行仿真,结果表明它可以有效改善交叉路口的通行能力。     

基于递阶遗传算法的模糊控制系统的模糊集优化研究

由于模糊系统的输入、输出变量模糊集中模糊集的多少直接影响到模糊规则集的完备程度，并决定着控制系统的性能，所以本文提出了一种基于递阶遗传算法的模糊控制系统的模糊集优化方法，同时对模糊集的个数和形状进行优化，使其能尽量完美地反映系统输入、输出变量，减少了规则的冗余．对二阶动态系统的仿真研究证明了该方法的有效性．     

智能办公环境温度控制方法

针对变频空调技术参数固定不能适应智能办公环境变化的问题,为提高环境温度的舒适度,提出一种新的变频空调温度控制方法。该方法引入多智能体(Agent)技术设计温度模糊控制结构,确定输入输出变量及其模糊集,然后引入动作回报值改进模糊Q学习算法,由推理Agent执行算法学习手动调节空调的动作、修改模糊规则。将得到的优化模糊规则用于环境温度的控制。实验结果表明,与常规模糊温度控制方法相比,该控制方法缩短了空调的响应时间,减少了超调量。     

交通信号自适应模糊控制器的设计及稳定性分析

针对城市交通路口的信号控制,提出一种自适应模糊控制器,并对其稳定性进行分析.通过控制器给出路口实时信号配时,根据红灯相位的等候车辆平均损失和绿灯相位释放车辆的平均增益,给出了模糊控制器的自适应算法,以实时修正其模糊规则.在自适应模糊控制器的稳定性分析中,采用模糊控制系统闭环模型的模糊关系矩阵,证明在路口车辆随机产生的情况下,模糊控制系统是稳定的.仿真结果表明,自适应模糊控制器比全感应控制器、简单模糊控制器更能适应路口交通流的变化,极大地改善了系统性能.     

基于模糊逻辑的路口交通信号控制

城市交通控制(UTC)是智能交通系统中非常重要的组成部分。在一些复杂的交通情况下,使用传统的控制方法进行交通信号控制的效果并不好。由于模糊逻辑能够较好地描述复杂系统的定性模型,因此它非常适合对路口交通信号灯进行控制。该文给出了一种采用模糊逻辑进行路口信号灯控制的方法。通过从路口检测器获取车辆信息,模糊规则对信号灯进行优化控制。通过仿真模拟,给出了实验结果。     

基于Sugeno型神经模糊系统的交通流状态预测算法

从交通流状态的模糊特性出发,设计基于Sugeno型神经模糊系统的交通流状态预测算法.选择交通流状态的影响指标作为模糊推理系统的输入、交通流状态作为输出;据经验对输入、输出划分模糊子集,给出相应的隶属度函数并制定模糊规则;建立具有5层结构的神经模糊推理系统,利用神经网络优化调整模糊推理系统的隶属度函数和模糊规则.仿真实验表明,神经网络可直接优化模糊推理系统的隶属度函数,通过对连接权值的训练间接优化模糊规则,故Sugeno型神经模糊系统相比常规模糊系统具有更好的交通流状态预测性能.     

单交叉路口交通灯实时配时算法的研究

研究了城市道路交通信号实时控制系统的问题,重点论述了单交叉路口交通信号灯控制(点控制)模型的实时配时算法.根据城市交通流分布规律,设计出流量序列生成算法来模拟实时交通流;通过建立信号灯动态模型从而获得最佳周期长度和有效绿灯时间,然后采用模糊控制算法对信号灯配时方案进行实时的动态优化调整,并建立基于排队的车辆延误模型来对模糊控制算法进行评价.计算机模拟仿真的结果表明所设计实时配时方案比定时配时方案有显著的改善.     

交通强度优先的交叉口模糊控制研究

为了降低交叉口车辆延误,提高通行能力,研究了一个四相位交叉口交通信号的模糊控制方法。用交通强度刻画各相位交通流通行需求的紧急程度,根据各相位的交通强度由模糊推理得到当前相位的绿灯延长时间,并选取后续绿灯相位。以交叉口车辆平均延误作为交叉口信号控制的性能评价指标,在相同交通条件下对几种控制方式进行了仿真试验。结果表明,该文的控制方法相对于感应控制方法和直接采用车辆排队长度作为输入的模糊控制方法,更能有效减小交叉口的车辆平均延误。     

基于PLC的交叉口交通灯的模糊控制

本文提出一种将模糊控制方法对单路口交通灯的实时控制系统。该系统以PLC为智能交通控制器的核心,系统编程简单、灵活,具有较高的可靠性。应用实践表明,本系统设计的模糊控制器能有效地减少单交叉口平均车辆延误,从而为实现交通系统智能控制提供了一条新途径。     

Designing an intelligent ontological system for traffic light control in isolated intersections

This paper models the traffic light control domain using a fuzzy ontology and applies it to control isolated intersections. Proposing an independent module for reusing traffic light control knowledge is one of the most important purposes of this paper. In this way, software independency increases and other software development activities, such as test and maintenance, are facilitated. The ontology has been developed manually and evaluated by experts. Moreover, the traffic data is extracted and classified from images of intersections using image processing algorithms and artificial neural networks. According to predefined XML schema, this information is transformed to XML instances and mapped onto the fuzzy ontology for firing suitable fuzzy rules using a fuzzy inference engine. The performance of the proposed system is compared with other similar approaches. The comparison shows that it has a much lower average delayed time for each car in each cycle in all traffic conditions as compared with the other ones.     

An improved long short-term memory networks with Takagi-Sugeno fuzzy for traffic speed prediction considering abnormal traffic situation

Traffic speed prediction is an emerging paradigm for achieving a better transportation system in smart cities and improving the heavy traffic management in the intelligent transportation system (ITS). The accurate traffic speed prediction is affected by many contextual factors such as abnormal traffic conditions, traffic incidents, lane closures due to construction or events, and traffic congestion. To overcome these problems, we propose a new method named fuzzy optimized long short-term memory (FOLSTM) neural network for long-term traffic speed prediction. FOLSTM technique is a hybrid method composed of computational intelligence (CI), machine learning (ML), and metaheuristic techniques, capable of predicting the speed for macroscopic traffic key parameters. First, the proposed hybrid unsupervised learning method, agglomerated hierarchical K-means (AHK) clustering, divides the input samples into a group of clusters. Second, based on parameters the Gaussian bell-shaped fuzzy membership function calculates the degree of membership (high, low, and medium) for each cluster using Takagi-Sugeno fuzzy rules. Finally, the whale optimization algorithm (WOA) is used in LSTM to optimize the parameters obtained by fuzzy rules and calculate the optimal weight value. FOLSTM evaluates the accurate traffic speed from the abnormal traffic data to overcome the nonlinear characteristics. Experimental results demonstrated that our proposed method outperforms the state-of-the-art approaches in terms of metrics such as mean square error (MSE), root mean square error (RMSE), mean absolute error (MAE), and mean absolute percentage error (MAPE).     

一种多相位交叉口模糊控制方法

基于车流阻塞参数b,设计含绿灯延长和相位选择2个模糊控制器的多相位交通信号控制系统。根据当前路口和下游路口参数,输出当前通行相位绿灯延长时间。若延长时间为0,则进入相位选择模糊控制器,输出下次通行相位。仿真结果表明,该设计方法可有效控制多相位路口的交通信号。