城市高速公路交通的神经网络建模与控制

从城市高速公路交通流的宏观、动态特性出发 ,分析了交通流控制中常用的宏观、动态、确定性模型 在此基础上 ,利用人工神经网络技术建立了城市高速公路的神经网络模型 ,并提出了入口匝道放行和路段速度相结合的多变量神经网络控制策略 利用该控制策略建立的自适应神经网络控制器 ,可以使高速公路上的交通密度维持在理想的密度值附近 .进一步分析可以得到 ,该控制器是一个状态和控制作用均可跟踪的伺服系统 .以杭州某高架高速公路为背景的仿真结果表明 :该控制器具有较强的鲁帮性 ,控制效果令人满意 .     

高速公路的匝道与可变限速联合模糊控制

匝道控制是目前使用最广泛的高速公路交通控制方法之一.但是当高速公路严重拥挤时,匝道控制不再有效,需结合主线可变限速控制,以缓解交通拥挤.由此,匝道调节率与可变速度限制间高效的联合控制对于提高道路性能显得尤为重要.由于交通的非线性和不稳定特性,模型最优控制计算复杂且精度低,进而提出了一种模糊控制方法.该控制方法能够有效处理交通系统,算法简单,实现对高速公路的匝道调节率与可变限速的联合控制,保证车辆在高速公路上高效、安全运行.     

环城高速公路自校正控制

针对国内即将出现的环城高速公路,建立了一类新型高速公路交通控制模型,提出了具有 实用价值的自校正控制算法,并且进行了监控预案的仿真实验.     

高速公路交通的神经控制器

本文分析了高速公路车辆群交通模型并建立了高速公路交通的神经网络模型,提出 了具有入口匝道放行和路段速度两项控制作用的高速公路神经内模控制器,该控制器是一个 状态和控制作用均可跟踪的伺服系统．文章以沈大高速公路为实际背景进行系统仿真实验, 效果良好．     

高速公路交通的神经网络自适应控制

建立宏观的高速公路交通流动态模型并设计理想的控制方案具有重要的理论意义和实际应用价值.在高速公路交通流宏观模型中含有复杂的非线性关系,一般的最优控制方案在计算上存在维数灾难问题,而且控制目标函数的设计往往有失偏颇.为此,本文建立了一个包括神经网络结构在内的宏观高速公路交通流动态模型,从高速公路管理者和使用者两方面的需求出发,设计了能够反映高速公路总体运营水平的目标函数,并提出相应的自适应控制方案.该方案结构简单、计算方便.数值仿真实验的结果表明控制效果良好,与不施加控制的运营方式相比较能够提高高速公路交通的总体运营水平.     

基于遗传模糊算法的高速公路入口匝道自适应控制

研究了在高速公路路网中入口匝道的控制问题.为达到在车流高峰时减少交通拥塞的目的使用了一种自适应控制方法:在基于高速公路的宏观动态模型上,用遗传算法调整模糊集合的参数来校准模糊控制器,从而使得网络中总的时间消耗(TTS)保持最小.在自适应控制的总体设计框架下,用基于目的地独立的MetaNet模型来调整控制器,最后给出了仿...     

基于小脑模型关节控制器与PID复合的高速公路交通流密度控制

高速公路交通控制系统是一个复杂的非线性时变系统, 传统的匝道控制方法难以取得满意的控制效果. 为此, 本文提出基于小脑模型关节控制器(CMAC)与PID复合的匝道控制方法. 首先建立了二阶宏观动态交通流模型, 然后研究了CMAC与PID复合控制算法, 结合非线性反馈理论, 设计了基于CMAC与PID复合的高速公路交通流密度控制器, 该密度控制问题是一个输出跟踪和扰动抑制问题, 最后采用两个仿真实例对该方法的有效性进行验证. 结果表明, 复合控制具有优越的密度跟踪性能和抑制噪声干扰的能力; 复合控制方法能够有效地消除交通拥挤, 并使主线车流趋于稳定.     

基于Multi-agent的城市高速公路交通流控制的集成框架

本文指出要有效解决高速公路的交通拥挤与堵塞问题,必须研究入口匝道控制、主线控制、通道控制等的集成问题.文章通过分折Multi-agent的技术特点和高速公路的交通流过程,提出了基于Multi-agent的入口匝道控制、主线控制、通道控制等的集成控制框架,并对其中的关键问题---短时交通流预测和Agent间的通讯---进行了阐述.􀁱     

基于多学科设计优化的路网交通分布式协同控制

城市路网交通控制直接影响着交通运行效率,对其优化研究已成为缓解城市交通拥堵问题的热点之一.鉴于此,针对高峰交通路网将其分为过饱和区域与过饱和关联区域,在采用灰色关联分析-谱聚类方法对关联区域划分的基础上,构建路网交通分布式协同控制模型,进一步提出基于多学科设计优化的过饱和区域及其关联区域协同优化求解方法.通过搭建实例路网模型分析算法优化效果,结果表明所提出方法能够明显改善路网交通运行效率,有助于缓解城市通勤高峰时段的交通拥堵和扩散问题.     

自动化高速公路交通流密度的反演变结构控制

高速公路交通是一个强耦合的非线性系统,极易受到各种干扰因素的影响。针对高速公路交通流模型的不确定性,提出用反演变结构控制理论,设计速度的控制律,使得高速公路主线交通流密度保持在期望密度的小邻域内,仿真结果表明所得的控制律具有很好的鲁棒性。     

基于粒子群算法的多匝道协调控制

高速公路入口多匝道协调控制是调节各个入口匝道进入到主线的交通量,从而使主线交通流处于最佳状态。由于多个入口匝道相互关联和相互影响,多匝道协调控制具有强的耦合性、非线性和时变性。针对上述问题,提出了一种基于系统分层和粒子群优化算法的控制方法。首先论述了高速公路多匝道系统的原理模型;然后阐述了多匝道协调控制系统的实现,系统由协调控制层和直接控制层组成,其中前者负责模型选择、参数调整和确定期望的密度轨迹,后者采用比例积分微分控制器实施控制,并引入粒子群算法对控制器的比例系数、积分系数和微分系数进行优化;最后进行了仿真实验。结果表明,当高速公路出现交通拥堵时,系统能够快速地消除拥堵,并使主线交通流趋于稳定。该方法为高速公路多匝道控制提供了一种切实可行的新途径。     

基于模糊理论的高速公路递阶控制

将递阶结构和模糊控制用于高速公路多匝道的协调控制,协调控制器采用多输入-多输出的模糊控制方法协调确定相邻路段的匝道入口调节率;各路段根据协调控制器给定的匝道入口调节率,利用单匝道模糊控制器将系统状态保持在给定的标称点范围内。给出了分层控制系统的结构和控制算法,并在交通仿真软件PARAMICS上进行了仿真实现。仿真结果表明,该方法能够有效地消除交通拥堵,维持主线车流稳定。     

城市高速道路交通控制方法研究的回顾与展望

本文首先阐述了城市高速道路交通系统存在的关键问题和交通控制研究的必要性,然后通过 高速道路实测曲线说明了该类型交通控制的特点,并对现有的城市高速道路控制三种方法进 行评述,从中选择了现在广泛采用的入口匝道控制法进行深入探讨．在详细论述各种入口匝 道控制方法的适用场合和局限,提出了采用分层递阶智能控制理论和多目标优化的方法实现 城市高速道路与普通道路的综合集成控制以取得城市综合交通系统的效益最优的研究方向     

Analysis of artificial neural network models for freeway ramp metering control

Traffic along a freeway varies not only with time but also with space. It is thus essential to model dynamic traffic patterns on the freeway in order to derive appropriate metering control strategies. Existing methods cannot fulfill this task effectively. Due to the learning capability, artificial neural network models are developed to simulate typical time series traffic data and then expanded to capture the inherent time–space interrelations. The augmented-type network is proposed that includes several basic modules intelligently affiliated according to traffic characteristics on the freeway. Inputs to neural network models are traffic states in each time period on the freeway segments while outputs correspond to the desired metering rate at each entrance ramp. The simulation outcomes indicate very encouraging achievements when the proposed neural network model is employed to govern the freeway traffic operations. Also discussed are feasible directions for further improvements.     

城市快速路入口匝道控制策略比较分析

入口匝遭控制是缓解城市快速路交通拥挤最有效的方法之一；首先阐述了城市快速路入口匝道控制的基本原理和作用，对匝道控制策略进行了分类，在此基础上，对各种入口匝道控制策略进行了比较研究，分析了各自的优缺点以及适用范围，最后，根据快速路构造上的特点，对入口匝道控制的研究方向进行了展望。     

高速公路非线性反馈模糊逻辑匝道控制器

入口匝道控制是高速公路交通控制和智能运输系统的重要组成部分,但现有的入口匝道控制效果尚不理想.为此,本文提出一种非线性反馈方法用模糊逻辑进行入口匝道控制.建立了高速公路交通流动态模型,在此基础上,结合模糊逻辑理论设计了非线性反馈匝道控制器,根据密度误差和误差变化用模糊控制决定匝道调节率,模糊变量选用三角形隶属度函数,并制定了包含56条模糊规则的规则库,最后用MATLAB软件进行系统仿真.结果表明该控制器具有优越的动态和稳态性能,它能使高速公路主线交通流密度保持为设定的期望密度,该方法用在高速公路入口匝道控制中效果良好.     

高速公路多匝道协调控制系统设计与仿真

采用大系统分解和协调的方法研究高速公路多匝道的协调控制问题．建立了反映高速公路交通动态变化的有限差分模型，结合交通系统的特点提出改进的多层控制方法．控制结构分三层：局部控制层决定匝道调节率；协调控制层为局部控制层确定期望密度；自适应层根据实时检测交通状况选择模型和调整模型参数．仿真结果表明，控制系统具有良好的动态性能，该方法能有效地消除交通拥挤和维持主线车流稳定，能提高主线的通行能力，实现车辆在高速公路上高效、安全地运行．     

基于免疫算法的高速公路协调优化控制研究

为解决高速公路交通日益拥挤的状况，文中提出了基于人工免疫算法的高速公路匝道协调控制方法；针对高速公路实际情况采用字符编码方式对所有匝道依次编码，以高速公路最大流量．全局最小行程时间和入口平均等待时间三者作为抗原；搜索求得当某段意外堵塞情况时多个匝道协调控制的全局最优控制序数；最后，结合首都机场高速公路实际数据分别用免疫算法和遗传算法进行了仿真，结果表明本算法的有效性以及实时性。