单交叉口的多相位模糊控制

基于人对多相位单交叉口交通指挥的决策过程,设计了一种新的模糊感应控制 器,把队长作为控制目标,综合考虑相邻相位车道上的车队长度,以此来决定绿时分配.仿真及 实际应用结果表明：新的模糊控制方法更接近人的决策过程,能更有效地进行单路口多相位 闭环控制.  

城市交通大系统递阶模糊神经网络控制

利用递阶结构和模糊神经网络进行了交通系统的协调控制，其基本思想是：把交通干线作为一个大系统问题，子系统为干线上的各交叉口，用一模型神经网络在线调整各文献的绿信比；而协高器则利用测得的交通量数据用模糊神经网络方法确定干线上的信号周期和各交叉口之间的相位差，协高器和子系统的目标均为使交叉口前的平均排队长度最小，领导具研究表明提出的方法能够有效地缩小平均排队长度，从而达到减少车辆延误的目的。  

车牌识别(LPR)中的图像提取及分割

在车牌识别（ＬＰＲ）系统的实现过程中，最关键的部分就是车牌图像的提取以及车牌字符图像的分割。本文详细介绍了一种实际应用的车牌识别系统中的图像提取及分割的过程。针对车牌的固有特点，设计了一个变换函数突出其特点从而进行车牌的提取；对车牌字的图像分割提出并解决了一些在实际中应该注意的地方。  

平面交叉路口的神经网络自学习控制方案

针对城市道路平面交叉路口的交通信号控制，构造了一种具有实时学习功能的神经 网络智能信号控制方案．方案中的信号控制器由底层的两个神经网络和顶层的评价准则组成 ．两个神经网络总是交替处于学习和工作状态，评价准则则根据路口的车流情况确定是否需 要对神经网络进行训练．仿真实验结果表明，该控制方案能很好地适应路口的实际交通状况 ，从而达到有效提高路口通行能力的目的．  

多传感器信息融合的智能交通控制系统研究

针对城市道路交通网络的交通信号控制,构造了一种基于多传感器信息融合技术的智能交通控制系统.相对于传统的基于单一车辆传感器信号控制系统而言,该系统具有信息的完整性、统一性、多样性和容错性等优点.在多传感器信息融合的基础上,讨论了多种可行的智能控制方案.通过对城市区域交通的多方位控制,达到全面提高控制效果和有效疏导交通的目的.给出的仿真结果表明了其优越性和有效性.  

基于免疫遗传算法的区域交通自适应协调控制

提出一种基于改进免疫遗传算法的城市区域交通自适应协调控制方法.采用两层的递阶分布式结构;分阶段和分级优化控制参数(周期、相位差和绿信比),每个阶段长5~30分钟,周期、相位差由区域控制级每个阶段优化一次,绿信比由路口控制级每个周期优化一次;采用最小化平均延误时间或平均停车次数等为性能指标.周期、相位差和绿信比均采用改进的免疫遗传算法进行优化.仿真结果表明本文提出的方法是可行而有效的.  

纯滞后工业系统的复合模糊控制

提出一种解决纯滞后系统控制问题的复合模糊控制方法，即设计一种复合模糊控制器，当系统处于过渡过程时采用模糊控制，进入稳态过程，如有稳态误差则采用ＰＩ控制，消除稳态误差后，再切换到模糊控制。仿真及试验结果均支持推导与分析。  

基于混沌理论的交通量实时预测

分析了城市交通的混沌性，根据复杂的城市交通特点，引入了误差反馈系数，改进了混沌时间序列预测方法中的加权一阶局域法和基于最大Lyapunov指数的预测法，并将其成功应用于实时交通量预测．预测结果表明：这两种改进的方法都能较准确地预测交通量，但后者比前者更适合交通量预测，后者的预测误差一般可以控制在5％以下．  

灾变粒子群优化算法及其在交通控制中的应用

城市交通系统是一个随机性很强的、复杂的巨型系统。为了获得良好的通行效率,必须对城市区域交通协调控制信号进行整体优化,但是到目前为止还没有一个能较好完成此项任务的、实用的实时智能优化方法。在粒子群优化算法中引入灾变策略和模型,开发了灾变粒子群优化算法,解决了基本粒子群算法易陷入局部极小点的缺陷,并将其应用于城市区域交通协调控制信号配时优化。仿真结果表明:与基本粒子群算法(在陷入局部极小点时)、固定周期法和遗传算法等配时方法相比,采用所开发的灾变粒子群优化算法对区域交通协调控制信号进行智能优化配时,被控区域的车辆平均延误可以分别平均减少25.2%、41%和11.5%,并可以大大提高路口的通行效率。开发的灾变粒子群优化算法也可以应用于其他许多对象的优化。  

基于混沌遗传算法的区域交通计算机控制配时优化

充分发挥混沌理论和遗传算法各自的优势，开发了混沌遗传算法，混沌遗传算法能有效地改进遗传算法的收敛速度慢、早熟收敛和有可能陷入局部最优点的缺陷。分析了城市交通这个复杂大系统的混沌性，并将混沌遗传算法成功应用于城市区域交通计算机控制信号配时优化。采用TSIS5．1进行了仿真，仿真结果表明：混沌遗传算法比遗传算法的收敛速度大大加快，且车辆平均延误和平均停车率都比遗传算法和固定周期法有明显的降低。