基于RBF神经网络整定的高速公路匝道PID控制器

研究RBF神经网络整定PID控制器的参数,并应用到高速公路入口匝道控制中。首先阐述了入口匝道控制原理,然后建立了高速公路交通流模型,并设计了RBF神经网络整定的高速公路匝道PID控制器,RBF神经网络通过对被控对象Jacobian信息的辨识来动态调节PID控制器的参数,最后用MATLAB软件进行系统仿真。仿真结果表明,该控制器具有优越的动态和稳态性能,用于高速公路入口匝道控制中效果良好。     

基于蚁群算法的高速公路入口匝道控制

提出一种具有普适性的蚁群算法,该算法对参数的转移概率和信息素的计算方法进行了改进,提高了算法的全局性能,将其用于高速公路入口匝道控制器的参数寻优.建立了高速公路交通流模型,结合非线性反馈理论设计了蚁群算法优化的入口匝道PI控制器,给出了蚁群算法优化的步骤,并用Matlab软件对控制器进行了仿真研究.仿真结果表明,基于蚁...     

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。     

高速公路入口匝道模糊控制器的设计

入口匝道控制是高速公路控制中的重要内容,但目前在高速公路中使用的入口匝道控制方法的效果均不理想.本文提出使用模糊控制方法进行入口匝道控制的思路,并根据入口匝道控制的原理和模糊控制系统的设计步骤对模糊控制器进行了设计.选用上、下游时间占有率、车速及排队长度等五个模糊量为输入量,根据实际情况分别采用三角形和梯形隶属度函数,建立了包含12条模糊控制规则的规则库,并使用MATLAB工具进行系统仿真.结果表明该控制器用在高速公路入口匝道控制中具有良好的效果.     

基于支持向量机的高速公路入口匝道控制

针对高速公路入口匝道控制问题所存在的非线性、复杂性和不确定性,在入口匝道控制原理的基础上,设计了一种基于支持向量机的高速公路入口匝道控制器;结合某高速公路交通调研数据,对这一控制器进行了仿真;仿真结果表明了支持向量机可以用于高速公路入口匝道的控制,并能取得较良好的控制效果.     

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...     

基于模糊逻辑工具箱的高速公路匝道控制

采用MATLAB模糊逻辑工具箱研究高速公路入口匝道控制问题.阐述了模糊逻辑控制器的组成与设计步骤,介绍了MATLAB模糊逻辑工具箱,根据上游、下游交通参数设计了高速公路入口匝道模糊逻辑控制器,并进行了仿真实验.结果表明,该方法切实可行,它能避免高速公路主线交通拥挤和堵塞,实现车辆在高速公路上高效、安全的运行.     

基于GA优化的入口匝道可调模糊控制器设计

基于遗传算法的迭代优化搜索能力,通过合理构造遗传算法适应度函数这一关键因素,对提出的高速公路入口匝道多维自适应模糊控制器解析描述中的系数因子进行了优化设计,不仅有效地解决了控制规则库的冗余性、兼容性问题,而且避免了解析描述中系数因子选取的盲目性、主观性。仿真结果表明,该设计在保证系统实际控制要求基础上基本能使高速公路交通流达到最优。     

高速公路交通问题中的多变量自校正控制

本文建立了高速公路车辆群时变参数模型，设计了入口匝道的多变量隐式自校正控制器，并将该结果应用于国内最长的高速公路－沈大公路计算机监控预案仿真实验，改变了目前国内外高速公路传统的确定性控制方式。     

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.     

快速路入口匝道模糊自整定PI 控制方法

入口匝道调节是快速路交通控制中较有效的一种方式,现基于快速路交通系统的常微分模型,设计了一种新的入口匝道的模糊自整定PI 控制方法,充分利用了上游路段流入的交通流量和向下游路段流出的交通流量信息进行控制律更新,有效抑制了系统扰动等不确定性因素的影响。设计了相应的模糊控制逻辑,实现了复杂交通系统实际控制过程中的PI控制器参数的模糊自整定。仿真研究中,与传统PID 和ALINEA 方法进行了充分比较,说明了所提出方法的有效性。     

基于模糊控制律的遗传神经匝道协调控制

讨论了快速路匝道系统中智能控制技术问题。针对匝道系统特点,分析了模糊控制、人工神经网络、遗传算法的适用性,提出了一种基于模糊控制律的遗传神经匝道协调控制方案。在该方案中,对模糊控制输入输出数据进行线性修正,使用修正后的数据完成遗传神经网络训练,并用神经网络代替模糊控制器对匝道系统进行控制。给出了神经网络结构和遗传算法流程,并结合宏观交通流模型进行系统仿真。仿真结果表明,与模糊控制相比,控制效果显著提高。     

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。     

高速公路主线限速与匝道融合的协调控制

为缓解高速公路的交通拥挤,主线限速、匝道融合等常被应用,因主线限速和匝道融合经各自优化获得的控制策略可能存在矛盾,故二者协调是必须的,而如何建立和求解二者的协调控制模型还没有有效方法.本文基于宏观交通流理论和多agent技术研究了此协调控制问题.为此首先阐述了高速公路的一般宏观交通流模型;然后分析主线限速、匝道融合的交通特性,建立了主线限速-匝道融合交通流模型;并协调主线限速和匝道融合,建立了协调控制模型.最后,基于多agent技术和分层递阶结构提出了协调控制模型的求解算法,并给出了应用此方法控制仿真高速公路的一个实例.     

Allocation of freeway ramp metering volumes to optimize corridor performance

A simple macroscopic freeway traffic corridor model is formulated for the purpose of developing optimal allocations of freeway on-ramp metering volumes. The model represents a freeway and a single parallel "equivalent surface street," both unidirectional, which are interconnected by freeway on-ramps. Since a choice of routes is included in the problem formulation, the fairly standard methodology of "traffic assignment" is employed to predict how drivers will react to the on-ramp metering. An explicit traffic assignment algorithm which includes ramp queueing is developed. Both the corridor and traffic assignment models are restricted to stationary traffic patterns. Two specific corridor performance criteria, freeway travel rate and total travel-time rate, are formulated in terms of the model variables. Then the problem of choosing ramp metering volumes to optimize a performance criterion is posed. A computationally efficient suboptimal dynamic programming scheme is developed and illustrated by an example.     

带有迭代学习外环的快速路入口匝道无模型自适应预测控制

针对快速路交通系统复杂时变以及难以建模的特点,首先,本文设计了基于无模型自适应预测控制的快速路入口匝道控制方案.其次,根据快速路交通系统具有重复性特点,本文在无模型自适应预测控制方法的基础上引入开环迭代学习控制,提出一种带有迭代学习前馈外环的无模型自适应入口匝道预测控制方案.相比无模型自适应预测控制方案,该方案可以利用迭代学习前馈控制器补偿系统可重复扰动,实现系统的完全跟踪.值得说明的是,预测控制器和学习控制器可以独立工作也可以联合工作.最后,文章给出了控制方案的收敛性分析,并通过交通流仿真验证了所提控制方案的有效性.     

On decentralized estimation and control with application to freeway ramp metering

This paper presents an approach to the suboptimal design of time invariant, infinite time horizon, L-Q-G regulator in which decision making and state estimation are decentralized into "local" subsystems. For a prespecified information pattern (set of admissible intercommunications) the problem of finding a best linear control law and state estimator is converted to a parameter optimization which can be solved off line. A modified Davidon-Fletcher-Powell algorithm is used to obtain numerical solutions to the static optimization. A design is illustrated by means of a 12 state freeway corridor ramp metering problem; behavior of centralized and decentralized designs in a nonlinear macroscopic simulation of the freeway are provided.