基于决策树模型的驾驶员期望车速

微观交通流仿真是智能运输系统(ITS)研究与开发的重要手段.期望车速是微观交通流仿真研究的一个重要参数,受到驾驶员特性、车辆特性、道路条件、交通干扰、天气和承运任务急缓等多种因素的影响,准确地确定期望车速是驾驶员行为研究的难点.从研究驾驶员心理-物理特性的角度出发,利用决策树能融知识表示与获取于一身的优点,将决策树用于驾驶员期望车速的研究,以实现对驾驶员行为的模拟再现.仿真结果表明,该方法用于驾驶员期望车速的研究是可行的.     

基于聚类与自适应神经模糊推理的车速预测

针对道路交通系统的非线性和随机性特点,设计一种具有学习能力的车速预测方法。首先,对交通流历史特征数据采用模糊聚类的方法进行状态分类并确立模型结构。然后,建立交通流状态预测的自适应神经模糊系统,以实测交通流数据进行系统参数优化训练。最后,利用MATLAB进行系统的仿真及检测。检测的预测结果表明系统具有良好的应用性能。     

基于模糊推理的贴近度决策方法及应用

利用模糊综合评判和模糊推理相结合,建立不同评价空间之间的映射,提出了基于模糊推理的贴近度决策方法,通过实例对比分析,验证基于贴近度的优选决策的结果也是合理的。     

高速公路驾驶员行为模型的建立与仿真

传统的高速公路模型往往忽略了驾驶员微观个性的差别,很难满足控制、诱导等方面的精度要求.本文依据实际数据聚类分析结果将高速公路上行驶车辆的驾驶员分为五类,提出新的换道模型,并对高速公路上的自由流和拥挤流两种交通流的速度一密度关系用模糊推理进行建模,然后用实际数据进行仿真;最后对仿真结果进行了讨论,分析了模型的可行性.     

基于人-车-路-环境综合计算的驾驶员期望车速

微观交通流仿真是智能运输系统研究与开发的重要手段。期望车速是微观交通流仿真研究的一个重要参数,受到驾驶员特性、车辆特性、道路条件、交通干扰、天气和承运任务急缓等多种因素的影响,准确确定期望车速是驾驶员行为研究的难点。从研究驾驶员心理-物理特性的角度出发,利用层次分析法,对驾驶员决策思维的递阶层次进行量化,建立基于人-车-路-环境综合计算的驾驶员期望车速模型。经过实测数据验证,该方法用于驾驶员期望车速模型的研究是可行的。     

基于直觉模糊推理的多属性群决策方法研究*

针对属性取值以直觉模糊数形式给出的多属性决策问题,提出了基于直觉模糊推理的多属性群决策方法。首先针对专家的评价信息构建直觉决策推理规则,然后根据规则之间的关系给出了决策推理模型,进而给出了基于直觉模糊推理的决策方法;最后通过购房实例验证了该方法的正确性和有效性。     

基于后向和多前车效应的跟驰建模及仿真

为了能够较为准确地刻画V2V(Vehicle to Vehicle)环境下车辆间的跟驰行为特征,同时提高其在运行过程中的稳定性,在OV模型和FVD模型基础上,综合考虑相邻后车及多前车效应下的优化速度和速度差等因素,提出具有后向和多前车综合效应的跟驰模型。对所建立的跟驰模型进行线性稳定性分析,推导出模型的临界稳定性条件,进而分别讨论了不同参数取值对模型稳定性的影响,最后基于Matlab进行了相应的数值仿真验证。仿真结果表明,模型中各影响系数在允许范围内的取值越大,模型的稳定区域也相应扩大,车辆可以在更大范围内平稳行驶;模型的抗扰能力更强,在运行过程中能够自行消散微小扰动,证明模型具有较高的稳定性,能够全面的描述V2V环境下交通流所呈现出的运行规律。     

基于SUMO平台的微观交通仿真研究

微观交通仿真在城市交通控制系统中有着重要地位,而微观仿真模型的建立是其主要内容之一。Krauss模型是基于安全车速范式的微观、空间连续的车辆跟驰模型,为避免原始Krauss模型中加速度突变的问题,本文在其基础上提出了融合车辆减速度渐变过程的新模型。在SUMO仿真平台上编程实现了改进后的车辆跟驰模型,并在同等条件下对原始模型和改进模型进行了实例仿真分析,结果表明改进后的模型在一定程度上避免了加速度突变问题,交通流运行的仿真情况在整体性能上有显著改善,仿真效果与现实交通情况更趋一致。     

基于模糊神经网络的车辆跟驰决策的研究

为了减少高速公路车辆跟驰行驶过程中引发的追尾碰撞事故,并保证行车效率,对高速公路车辆跟驰行为进行了分析.本文基于模糊控制和神经网络等理论知识,建立了一种正则化模糊神经网络跟驰控制决策模型.实验仿真表明,该模型系统较好的反应了一定道路条件下的车辆跟驰行为,且系统响应速度快,控制精度高,保证了车辆跟驰行驶的安全性和行车效率.     

基于Vague集模糊推理的多评价指标模糊决策方法

目前在智能领域中对Vague集的研究已越来越广泛与深入,并运用于决策问题中,有学者已把Vague集用于多评价指标的模糊决策中,但其决策方法在某些时候却难以得到目标。为此,本文提出了一个基于Vague集模糊推理的多评价指标模糊决策方法。在这个方法中,从基于Vague集的模糊推理的观点来看待模糊决策问题。将评价指标和候选方案之间的关系用一组基于Vague集的推理规则来表示,将决策者的要求用一组Vague集来表示,经过模糊推理等过程最后得到决策结果。然后还给出了一个实例说明这种多评价指标模糊决策方法。这个基于Vague集模糊推理的多评价指标模糊决策方法的提出为决策系统提供了一个有用的工具。     

仿驾驶员多目标决策自适应巡航鲁棒控制

针对目前市场上自适应巡航(adaptive cruise control,ACC)用户使用率低与驾乘人员接受度差的问题,发展了一种多目标自适应巡航控制算法,基于模型预测控制(model predictive control,MPC)理论,综合协调动态追踪性、燃油经济性、驾乘舒适性以及跟车安全性四项存在着一定冲突的控制目标,采用二次型性能指标以及线性不等式约束的形式,将纵向期望加速度决策问题转化成带约束的在线二次规划问题.引入误差修正项,建立闭环反馈校正机制,以补偿模型失配带来的预测误差,同时采用松弛向量法扩展求解可行域,规避了硬约束下二次规划非可行解问题.进一步,各工况下所强化的性能指标与约束空间不同,采用性能指标权重微校与约束空间边界松弛的策略,设计出3种工作模式ACC,以适应熟练驾驶群体的跟驰习惯.仿真结果表明,前车组合工况下,多模式多目标ACC控制能够实现各工作模式之间的无缝切换,并实现良好的期望跟车目的,从而增强ACC系统对复杂道路交通环境的适应性.     

基于安全间距的拥堵反馈控制跟驰模型与仿真

为了有效地缓解交通拥堵,考虑安全间距效应对车流演化特性的影响,提出一种新的交通拥堵反馈控制跟驰模型。运用反馈控制理论,给出了头车速度发生变化时,系统保持稳定的条件。数值仿真结果表明:安全间距效应能有效地抑制随机扰动在车流中传播放大,增强了车流稳定性能,从而缓解交通拥塞现象。因此上述提出的模型能更有效地抑制交通拥堵和更好地呈现实际交通现象,有助于自动驾驶系统中车辆的平稳性控制策略的制定。     

虚拟驾驶员决策行为模型研究

驾驶决策行为是驾驶行为研究的重要内容.为提高驾驶决策行为建模与仿真的可信度,提出了基于分层的驾驶员决策行为模型.将驾驶决策分为策略层、方法层、行动层和车辆控制层四个层次.重点对驾驶员行动层的决策行为进行实现.使用两点法和PID方法相结合,计算车辆转向角度,使用反应点跟车模型计算车辆纵向行驶速度.通过驾驶员跟车行为仿真,分析了跟车行为模型的稳定性和逼真性,说明了驾驶员决策行为模型的可信性,使驾驶行为模型的输出更加真实.     

PID参数整定的多属性决策模糊推理方法

关于控制系统优化设计问题,PID控制在过程控制中被广泛采用.但在实际应用中系统参数整定问题一直是一个尚未很好解决的难点.随着专家系统技术的发展并应用到自动控制领域,给PID控制器参数整定提供了新的思路.为了构造PID参数整定的专家系统,提出了一个采用多属性决策的模糊推理方法.针对控制器的多属性性能指标,建立了结构化模糊产生式规则的模糊知识表达方法,定义了模糊匹配度,给出了相应的多属性决策模糊推理方法,实例分析说明了所提方法的有效性.     

基于双向GRU与残差拟合的车辆跟驰建模

为了提高微观交通仿真中车辆跟驰建模的准确性与泛化能力,将物理类模型与深度学习相结合,提出一种基于双向GRU(门控循环单元)与残差拟合的跟驰模型框架.该框架使用双向GRU网络对物理类跟驰模型预测值与真实值的残差进行学习,并在NGSIM公开数据集上进行测试.通过对比IDM、GIPPS、GM三种跟驰模型下的残差拟合效果,表明...     

基于改进DDPG算法的车辆低速跟驰行为决策研究

车辆跟驰行为决策研究对于车辆跟驰驾驶技术的发展至关重要,以深度强化学习方法研究车辆低速跟驰场景,提出了一种改进型DDPG决策算法,该算法在DDPG算法的基础上,结合了CBF控制器以进行安全补偿控制与策略探索指导;同时,设计了符合低速跟驰期望目标的奖励函数。在对比实验中,通过高斯过程模型模拟跟驰车队系统,分别用DDPG算法和DDPG-CBF改进算法控制其中一辆车的跟驰行为,实验结果表明,相比于DDPG算法,DDPG-CBF改进算法可以更有效地保证跟驰决策的安全性,同时具有更高的学习效率,能够应用于车辆低速跟驰场景。     

应用自适应神经模糊推理系统(ANFIS)进行建模与仿真

模糊规划的提取和隶属度函数的学习是模糊推理系统设计中重要而困难的问题，自适应神经模糊推理系统（ANFIS）方法基于Sugeno模糊模型，其结构类似于神经网络，采用反向传播算法和最小二乘法调整模糊推理系统的参数，并能自动产生模糊规划，本文应用该方法给出了对一个典型系统建模的仿真实例，取得了良好的效果。     

基于遗传优化和模糊推理PID及MALTAB仿真

本文提出一种基于遗传优化和模糊推理相结合的自适应模糊PID控制算法,算法由遗传算法和模糊推理两部分构成,分别用于离线优化和在线优化.仿真结果表明,这种自适应PID控制器的性能,比仅用遗传算法优化的PID控制器更好,并且抗干扰能力更强.     

基于模糊推理误差模型的传感器数据分析

利用模糊推理的基本原理 ,在传感器最小二乘拟合模型的基础上建立了测量误差的校正模型 ,并应用于车轮力传感器测量数据的分析 ,结果表明这种方法可以大大提高传感器的测量精度     

基于遗传优化和模糊推理PID及MATLAB仿真

本文提出一种基于遗传优化和模糊推理相结合的自适应模糊PID控制算法,算法由遗传算法和模糊推理两部分构成,分别用于离线优化和在线优化。仿真结果表明,这种自适应PID控制器的性能,比仅用遗传算法优化的PID控制器更好,并且抗干扰能力更强。