基于Elman神经网络的高速公路限速控制

限速控制是高速公路交通控制的重要措施和手段，为了提高限速控制精度，提出Elman神经网络建模方法。阐述了Elman神经网络的原理，根据高速公路主线上车辆群状态、路面状况、气象条件等信息，建立交通流速度限制Elman神经网络模型，Elman神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为2、12、12和1，采用Levenberg—Marquardt算法对Elman神经网络进行训练，并与RBF神经网络进行仿真对比。结果表明。Elman神经网络和RBF神经网络的训练误差分别为9．99769×100和2．38112×10^-4，与RBF神经网络相比较，Elman神经网络自适应能力强、泛化能力好，能准确地建立交通流速度限制模型．具有良好的应用前景。     

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。     

基于支持向量机的高速公路限速控制

提出用支持向量机回归方法实现高速公路限速控制,这是一个非线性系统建模问题。阐述了支持向量机回归算法,根据高速公路车辆群状态、路面性能、气象条件等,建立交通流速度限制支持向量机回归模型。仿真实验表明,支持向量机回归对小样本具有训练速度快、泛化能力好等优点。支持向量机回归方法为交通流限速控制的在线建模提供了一种切实可行的新思路。     

基于粗糙集的高速公路交通流神经网络模型

利用粗糙集能够处理模糊、不确定知识和神经网络对非线性函数具有任意逼近能力的优点,提出一种粗糙集和RBF网络集成的动态系统建模算法。并利用这种方法建立具有复杂动态特性和不确定性的高速公路宏观交通流动态模型,仿真结果表明了该方法的有效性。     

冰雪天气下高速公路可变限速控制研究

为保障冰雪天气条件下高速公路的行车安全与通行效率,在建立安全限速模型与交通流预测模型的基础上,提出一种基于粒子群优化算法的可变限速控制策略;首先,通过分析冰雪天气下车辆制动性能和交通流演化规律,提出适用于冰雪天气条件的高速公路安全限速模型以及交通流预测模型;其次,设计了兼顾通行效率与行车安全的优化目标函数,并考虑实际行车需求给出相关约束条件;最后,基于交通流预测模型并结合粒子群优化算法对可变限速值进行求解,并通过搭建的元胞自动机交通流模型将所提出的可变限速策略的控制效果与固定限速方案和分段安全限速方案进行对比仿真实验;仿真结果表明,相比于固定限速方案,可变限速控制减少了总行程时间、总行程延误时间和车辆冲突时间;相比于分段安全限速方案,可变限速控制有效减小了管控路段内的车辆行驶速度标准差,总行程延误时间和车辆冲突暴露时间也有所降低,验证了所提出可变限速控制策略的有效性。     

改进的RBF神经网络交通流预测算法

短时交通流预测是实现智能交通控制的前提与基础.提出了一种基于粗神经网络的RBF短时交通流预测算法,该算法在交通流量预测方面明显优于常规RBF神经网络,且具有较高的实时性.     

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.     

改进人工蜂群算法优化RBF神经网络的短时交通流预测

为了提高径向基函数RBF神经网络预测模型对短时交通流的预测准确性,提出了一种基于改进人工蜂群算法优化RBF神经网络的短时交通流预测模型。利用改进人工蜂群算法确定RBF网络隐含层的中心值以及隐含层单元数,然后训练改进的人工蜂群算法RBF神经网络预测模型,并将其应用到某城市4天的短时交通流量数据的验证。将实验结果与传统RBF神经网络预测模型、BP神经网络预测模型和小波神经网络预测模型进行了比较。对比结果表明,该方法对短时交通流具有更高的预测准确性。     

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．     

恶劣气象条件下高速公路NN系统的研究

各种恶劣气象条件下的高速公路的交通流控制是目前急需要解决的重要问题。就此问题,我们利用Markos Papageorgiou的高速公路交通流模型对各种气象条件进行分析,使用神经网络方法,建立了一套适合各种气象条件的交通流模型和匝道入口控制系统,有效地控制恶劣气象条件下的高速公路交通事故。其次,我们利用BP神经网络的算法进行了仿真,对其中的参数进行辩识。仿真的结果与实际情况能很好地吻合,为在恶劣气象条件下控制高速公路的交通流奠定了理论和实践基础。     

快速路控制策略仿真研究

城市快速路是城市交通的主动脉,承担着城市大部分交通量,良好的快速路控制策略能有效缓解道路拥堵。本文借助改进的宏观交通流模型,采用Visual Basic面向对象语言,开发城市快速路的控制仿真系统。运用该仿真系统对一个包含两起点两终点的快速路段进行仿真,模拟采用ALINEA策略和不采用控制的快速路交通运行状态。仿真结果表明,对入口匝道实施ALINEA控制后,高峰时刻主线流量增加约150veh/h,入口匝道与主线汇合区速度提高约10km/h,说明ALINEA控制策略能有效缓解快速路拥堵。     

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 .     

高速公路可变速度标志神经网络控制

针对高速公路可变速度控制是一个非线性时变系统,难于用数学模型准确建模这一特点,提出了神经网络控制方法.阐述了神经网络学习算法,设计了高速公路可变速度标志神经网络控制器,并对控制器进行了仿真研究.仿真结果表明,该方法切实可行,具有实用价值.     

高速公路可变速度标志模糊逻辑控制及其仿真研究*

高速公路主线速度控制是通过设置可变速度标志来限制行车速度,实现车辆在高速公路上高效、安全运行的控制目标。分析了模糊控制系统的结构,阐述了模糊控制算法,给出了具体的模糊隶属度函数,并设计了高速公路可变速度标志模糊逻辑控制器,充分利用计算机可视化仿真的优点对控制器进行了仿真研究,得到了较满意的结果。     

语义物联网：物联网内在矛盾之对策*

为应对物联网自身固有的物的信息的表示形式的多样化和物的信息的使用主体的理解能力不足的内在矛盾,提出了将其改进为语义物联网的思路,具体措施为：a）物的信息的表示,要基于本体进行语义标注;b）物的信息的使用,要基于本体实现机器理解。借助于语义分析和科学定义方法,建立了语义物联网的集合表示模型和图示模型。该模型的意义在于指明了语义物联网的实现需要有效推进四项主要任务,即本体的构建、RFID系统的建设、物的信息的预处理（即编码为UID或EPC,添加语义标注,嵌入RFID电子标签）和物的信息上载管理与下载管理。