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.     

高速公路入口匝道最优控制*

在高速公路某路段发生阻塞现象时,Markos Papageorgiou（1990）所建立的交通流模型不能反映这一路段交通流的真实状态;本文给出一个改进的交通流模型,可以克服全部缺陷.在新模型基础上构造了入口匝道最优控制问题,计算机仿真结果表明本文的控制策略在降低入口匝道平均等待时间这一性能上有较好的控制效果.     

城市高速公路交通控制综述

该文综述城市高速公路交通建模与控制.首先考察各种高速公路交通流模型,着重分析宏观流体模型,然后讨论主要的城市高速公路交通控制模式和相关控制理论研究方法,最后就城市高速公路交通控制研究的发展提出几点看法.     

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。     

高速公路匝道非线性反馈控制器的设计与仿真

提出了一种非线性方法设计高速公路入口匝道反馈控制器,非线性反馈控制器由高速公路交通流模型和比例积分调节器组成。阐述了入口匝道控制原理,建立了高速公路交通流模型,模型的流量—密度关系是非线性的,设计了高速公路匝道非线性反馈控制器模型。仿真结果表明非线性反馈控制器性能优越,它能使高速公路主线交通流密度保持为设定的期望密度,同时又能维持可接受的匝道服务水平。     

高速公路动态交通流的BP神经网络建模

通过对高速公路宏观动态交通流模型的分析,针对高速公路交通系统的非线性时变特点,应用BP神经网络建立了高速公路宏观动态交通流模型。并利用一段高速公路的交通流数据对BP神经网络进行训练,得到网络参数。最后,为了验证BP网络模型的有效性,在MATLAB环境中对模型进行了仿真,并将仿真结果与原始模型的结果进行了比较。结果表明,该方法能较准确地描述高速公路交通流的真实行为,并且能够适应交通状况的变化。     

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.     

恶劣气象条件下高速公路匝道控制的神经网络方法

针对各种恶劣气象条件下高速公路交通流的控制问题,利用Markos Papageorgiou的高速公路交通流模型对各种气象条件进行分析,使用神经网络建立一种适合各种气象条件的匝道交通流数学模型,有效地控制恶劣气象条件下的高速公路交通事故．利用BP神经网络仿真,分析该模型的收敛速度,并辨识其中的参数,为在恶劣气象条件下控制高速公路的交通流奠定理论基础．     

高速公路入口匝道控制算法综述

入口匝道控制足缓解高速公路交通拥挤最有效的方法之一.首先阐述了高速公路入口匝道控制的基本原理和作用,依据控制范围将匝道控制分为单点控制与协调控制,依据对实时信息响应的不同将其划分为动态控制和静态控制;然后,对应用上最流行和理论上具有吸引力的几种典型入口匝道比如单点型匝道控制算法、等同型匝道控制算法、竞争型匝道控制算法和一体化型匝道控制算法的原理及其优缺点进行总结、分析和对比;最后在总结现有匝道控制算法的基础上,对未来入口匝道控制的研究方向进行了分析与展望.     

高速公路动态交通系统的神经网络预测控制

提出一种高速公路动态交通系统的神经网络预测控制方法。根据高速公路的实际北景导出其非线性动态模型，利用神经网络及辨识的串并联结构来建立模型的映射，在此基础上给出控制变量带有上下界约束的预测控制算法。根据实测数据进行了仿真研究，结果表明算法是有效的，因而为解决高速公路的动态控制问题提出了一种新的方法。     

快速路网宏观交通流仿真系统的开发与仿直

为了给快速路网运行状况分析和控制策略评价提供高效辅助决策工具,提出快速路网宏观交通流仿真系统整体框架,分输入模块、仿真模块和输出模块三部分,并给出采用Microsoft Visual Basic面向对象语言开发的实现流程图和关键技术.仿真案例采用该系统对包含两个起点、两个终点的快速路网进行仿真,刻画交通拥挤的形成、传播...     

The Importance of Traffic Flow Modeling for Motorway Traffic Control

The problem of traffic congestion in modern day motorways calls for the design and implementation of efficient control strategies. It is argued in this paper that in order to have efficient, generic, and systematic solutions to a wide range of traffic control problems, macroscopic motorway traffic flow models in state-space form, that are relevant for the control problem and computationally non-intensive, are most appropriate. Such models allow the exploitation of available powerful, systematic, and theoretically supported automatic control concepts. Based on these concepts an Extended Kalman Filter for traffic state estimation, a multivariable LQI controller for coordinated ramp metering on a motorway stretch, and an integrated optimal control strategy for motorway networks are shortly presented. The criteria of a model's relevance for a given traffic control problem and its computational requirements are subsequently examined. Finally, the application of an advanced coordinated ramp metering control strategy, based on the optimal control approach, to the ring-road of Amsterdam, The Netherlands, is provided as an illustrative example.     

城市交通网络信号控制系统的实时演算模型

基于实时演算(Real-Time Calculus: RTC)理论,为单/双行道两类城市交通网络的定时和自适应两类信号控制系统建立了统一的形式化模型.首先,将车流和交叉路口分别建模为RTC的到达曲线和资源曲线.然后,根据不同信号控制策略,将紧邻路口间的曲线进行综合计算,得到整个交通网络的RTC模型.应用最小加代数方法,RTC模型能够计算车辆在路口的最长等待时间D和路口拥堵车队的最大长度B.基于RTC模型,应用MATLAB对8组不同规模的城市交通网格进行仿真,实验结果表明:1）与双行道网络相比,单行道网络更能有效处理较稀疏的交通流.以定时控制为例,在车流频率u≤1/2时,单行道网络能够将交通拥堵指标D和B分别降低至少2.66倍和3倍.2)双行道网络中,车流频率u存在一个临界区域.在临界域内,拥堵指标随车流频率递增变化;一旦u低于或超出临界域,拥堵指标则分别保持稳定不变或不可控.3)自适应策略优于定时控制策略.例如在双行道网络中,自适应控制策略对应的拥塞指标D和B比定时控制策略分别降低1.68倍和1.26倍.     

城市主干道交叉口交通流的模糊控制

城市主干道的交通效率,从整体上影响着整个城市的交通运作效率。该文以城市中心地带主干道交叉路口为对象,进行了交通流的模糊控制研究,提出的基于闭环模糊控制算法的智能化控制策略,有效地提高了主干道交叉口相关区域内的道路使用率。     

城市交通网络正系统模型与稳态信号控制

城市路网内车流分布不均衡为交通拥堵原因之一,且交通控制系统为典型正系统．为此,本文采用Compartment正系统对网络交通流演化建模,以网络均衡为控制目标,提出稳态信号控制方法．首先,建立网络交通流Compartment正系统模型,可描述具有任意控制结构网络的过饱和特征;进一步,给定网络车流输入,由非负矩阵理论可得网络存在唯一稳定平衡点,给出平衡点解析计算公式．由此,提出网络稳态信号控制律,为路段状态反馈控制律．最后,以北京市奥林匹克公园区域拓扑路网为例,在VISSIM软件中建立仿真环境,比较稳态信号控制方法与定时控制方法,仿真结果表明在高需求网络条件下,稳态信号控制方法可改善网络整体性能和缓解局部拥堵．     

城市交通网络宏观控制模型及仿真实现

为研究适合城市交通网络控制系统应用的交通流预测模型,在改进Van Den Berg, M的路段交通流模型的基础上,建立了以路口交通流为基本建模单元,以动态非线性离散方程反映交通流变化的城市交通网络宏观模型.为验证该模型能有效地预测城市路网的交通流信息,在VC++net环境下,开发了城市交通宏观控制模型仿真系统UTFS,设计了网络拓扑结构模块,以适应不同规模、不同复杂程度的实际交通网络的仿真要求.最后选取典型网络进行应用研究.仿真结果表明:该模型满足交通控制对控制模型的实时性和精度要求,该仿真系统可以作为城市交通网络宏观控制模型验证的有效工具,也可以作为城市交通控制系统控制和优化研究的辅助工具.     

Traffic Simulation in Urban Networks Using Stochastic Cell Transmission Model

The stochastic cell transmission model (SCTM) is a macroscopic traffic simulation model of high accuracy. One of its advantages is that it can represent the uncertainty of the traffic states and the changing travel demand and supply conditions. However, it has been applied to freeways and simple networks having only one origin‐destination pair. In this article, we propose a modified stochastic cell transmission model (M‐SCTM) that applies the conventional SCTM to urban networks. In M‐SCTM, we introduce vehicle agents as well as their route choice behavior on an urban network, which is more applicable to complex urban networks. Additionally, M‐SCTM was applied to networks in which the turning ratio is not priorly set through a route search algorithm. The results show that M‐SCTM can conduct simulations with as much accuracy as SCTM. Furthermore, we verified the appropriate reproducibility of the simulations based on M‐SCTM and compared the estimated value and the measured value in terms of the travel time of each vehicle.     

基于神经网络的城市公路隧道交通智能监控

在对城市公路隧道宏观动态交通流解析模型进行分析的基础上,利用神经网络建立了城市公路隧道的宏观交通流的智能模型,并利用该神经网络模型实现了对武昌阅马场隧道交通系统的智能监控.     

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．     

基于小波模糊神经网络的实时交通流预测

实时交通流预测是智能运输系统研究的重要内容之一.本文将小波分析的相关知识与模糊神经网络相结合,给出了基于小波模糊神经网络的交通流预测模型,采用小波函数作为模糊隶属度函数,用神经网络来实现模糊推理,完成对下一个周期性交通流的估计.同时,用遗传算法来优化整个网络,实测数据验证这种方法预测精度高,收敛过程平稳,适应性强.