基于虚拟仪器的神经网络智能交通相位控制

虚拟仪器是第4代仪器,优良的特点使其成为新的仿真平台。本文介绍了一种利用自组织竞争神经网络控制信号灯相位的方法,详述了其原理和实施方法,并且在LabVIEW环境下进行了仿真试验。     

基于车辆自组织网络的交通态势检测方法

随着汽车保有量的迅速增加,城市道路交通拥堵变得尤为严重,精确地检测交通态势可以帮助缓解交通问题。为此,提出一种基于车辆自组织网络（vehicular Ad hoc networks,VANETs）的交通态势检测方法---TraSD-VANET（traffic situation detection method based on VANETs）。在该方法中,车辆自动聚簇,然后主动向簇头汇报当前自身的位置和速度信息;簇头根据收到的信息计算簇内的车辆密度和路面上的加权平均速度,之后基于模糊逻辑判断簇内的交通态势。仿真结果表明,在四种车辆场景下,TraSD-VANET检测准确程度比协作检测方法 CoTEC （cooperative traffic congestion detection）平均高16％。该方法在道路交通态势检测中有重要的应用价值。     

车载自组织网络在智能交通中的应用研究综述

对基于车载网络的智能交通技术进行了全面的总结和分析。首先,通过分析智能交通系统的需求和车辆自组织网络的特点,指出将车载网络应用于智能交通系统面临的问题和挑战。然后,对现有的基于车载网络的智能交通应用进行了分类:安全性相关、效率相关和资讯娱乐3个大类,以及进一步按照技术方法进行详细分类。按照这个分类,对研究现状进行了深入分析,比较了不同方法的利弊。基于对现有工作的分析,总结出了存在的问题和不足,并对未来的研究工作发展进行了展望。     

基于RFID的智能交通控制设计

为了控制车辆在交叉路口顺畅通行,提出了一种基于RFID的智能交通控制设计.基于S3C44B0X处理器和uClinux操作系统开发智能交通控制信号机,在不同的时段采用不同的路口控制模式,利用RFID技术检测车辆,信号机根据采集到的RFID车辆数据自适应地控制车辆通行时间,从而提高车辆通行效率,实现智能交通控制功能.     

基于生物竞争的无线传感器网络自组织算法

自然界中,生物个体之间为争夺资源存在着竞争行为。通过研究生物竞争行为,针对无线传感器网络自组织覆盖问题,提出了一种新的分布式算法。该方法把传感器网络中的节点类比为生物竞争中的个体,把目标监测区域类比为生活资源,把对传感器网络所做的优化配置类比为生物竞争行为对生活资源的优化配置。将自然界生物活动中通过竞争实现资源的优化配置的方法应用到无线传感器网络的节点部署,降低节点的计算量、移动距离及信息复杂度,以提高无线传感器的行动效率,并间接达到省电的目的。实验结果表明,该方法方便,有效,能够较好地配置节点,提高网络覆盖率。     

基于Matlab的自组织神经网络在油气层识别中的应用研究

介绍了自组织竞争网络和自组织影射网络的原理，对自组织竞争网络和自组织影射网络的优缺点进行了比较。采用大庆的油气层数据建立网络模型，对网络结构的参数进行了优化并对输入样本进行了聚类分析。数据分析表明自组织竞争网络和自组织影射网络都有较好的聚类结果，自组织竞争网络较自组织影射网络方法识别出的结果更客观可靠，是油气层识别的一种有效方法。     

基于混合核函数的自组织神经网络遥感图像分类

自组织神经网络SOM作为一种无监督学习的竞争式网络,已经得到了广泛的应用,它通过对输入信号的竞争学习,将样本划为不同的类别,但其分类效果常很难令人满意.提出了一种基于混合核函数的SOM神经网络改进方法,并和传统的SOM网络进行了对比,Iris数据和Wine数据的分类实验表明,该方法可以明显改进SOM网络的分类效果.然后对某地Landsat卫星遥感图像数据进行分类实验,实验结果表明,与传统的SOM网络、基于多项式核的SOM网络以及基于RBF核的SOM网络相比较,基于混合核函数的SOM神经网络方法的分类效果有较明显的提高.     

基于自组织竞争神经网络和小波变换的密写

依照人眼视觉特性对边缘和较暗区域不敏感的特点,提出基于自组织竞争神经网络和小波变换的图像密写方法.该方法将载体图像分成若干固定大小的子块,对各子块进行一级小波分解后计算小波对比度和大幅值小波系数的数量,利用自组织竞争神经网络将各子块分为三类,并采用模算子技术嵌入秘密信息.实验结果表明,该方法在较好地保持原载密图像视觉效果的同时可以嵌入更多的秘密信息.     

智能交通控制的软件设计

城市交通控制由设定时间的红绿灯变换来控制,而交通流量因地点、时间段、节假日及偶发情况等不确定因素,经常变化。设计的程序可根据交通流量的变化及时对红绿灯时间长度进行修正,以便提高通行速度,减少路口的空等,降低车辆油耗,从而达到减碳的目的。     

基于样本自组织聚类的BP神经网络预测模型

根据实际应用中神经网络训练样本通常具有内在特征和规律性,提出一种基于样本自组织聚类的BP神经网络预测模型。通过自组织竞争网络的聚类特征,改善样本训练对BP网络性能的影响。BP神经网络采用收敛速度较快和误差精度较高的动量—自适应学习速率调整算法。并通过基于这种模型的空气质量预测实验,表明基于样本自组织聚类的BP神经网络预测模型首先会提高收敛速度,其次会减少陷入局部最小的可能,提高预测精度。     

智能交通信号灯控制系统设计与实现

设计的目的是通过传感器监测每个路口的车辆驶入和驶出的流量,利用单片机的计数器来记录传感器产生的车流脉冲,并通过GSM模块通过无线通信的方式,将系统中采集的车流量数据,沿着车辆通行的方向,按照相邻原则进行传递,让信号灯与其邻近的信号灯进行协调,实现车流量对交通信号灯的智能控制。     

模糊控制在智能交通灯监控系统中的应用

为了解决拥挤的城市交通问题,针对交通灯监控系统中可变的交通状况,提出一种基于模糊算法的监控系统。应用模糊算法,通过模糊控制实现交通灯的控制,使道路通畅。对监控系统进行分析,合理选择模糊控制器的结构,根据动态的车流量,通过模糊算法分配当前车道的通行时间,并全面考虑同时通行的各种车道组合。该监控系统提高了车辆通行效率,使道路更为通畅。与传统的固定配时系统相比,它更适于当前纷繁复杂的交通状况。     

自适应交通信号控制软件系统

本系统的基本思想是针对我国现行城市路网结构及交通流的具体特点。基于交通信号区域控制理论展开的。其控制算法模型介于脱机交通信号控制理论。对于城市外围地区平交路口,采用脱机交通信号控制算法模型实现区域信号控制;而对于城市中心地区,选择自适应交通信号控制算法模型实现区域信号控制。交通信号控制模型可采用方案选择式或方案生成式。系统采用三级分布式交通信号控制结构,基于严格的时段划分对城市路网中的信号控制区域及平交路口进行协调控制。以实现整个路网通行能力提高的控制目的。     

基于深度学习网络的智能交通信号控制研究

本文设计了基于深度学习网络的智能交通信号控制系统.使用数据平滑方法消除交通流数据的趋势,利用由多个限制玻尔兹曼机模型构成的深度信念网络模型学习交通流特征,并结合支持向量回归预测短时交通流,根据预测结果和排队消散时间实时判断车流放行方向以及进口放行绿灯时间,实现智能交通信号控制.实验结果表明,分别将延迟时间和节点数设置为...     

平面交叉路口交通信号控制策略研究

在分析当前平面交叉口交通信号控制技术的基础上,重点研究交通信号控制配时策略,结合现代智能交通的需求,提出一种平面交叉路口的通用模型及描述各种实际路口的通用方法,根据路口的各车流向的期望车流量的实时预测结果实时生成最优配时的自适应算法。算法实时改变相位车流向组成,系统适应能力有较大的提高。     

基于WSN的路口交通信号控制设计

为了缓解道路交通拥堵,减少车辆延误,节约交通能源,控制车辆在交叉路口顺畅通行,提出了一种基于无线传感器网的智能交通信号控制设计。利用传感器节点收集的交通信息,结合多agent的西同方法,控制中心进行综合处理,在不同的时段采用不同的路口控制模式,调整各交叉路口的绿信比,协调干线各路口周期的确定和各路口之间的相位差,自适应地控制车辆通行时间。实现了交通信号灯的无线智能控制,从而提高车辆通行效率。实现交通信号控制的智能化、网络化。     

基于PLC的校园车辆交通灯控制

传统的基于电子线路和继电器的交通信号控制系统结构复杂,成本高。结合理工院校普遍开设PLC课程的事实,设计了基于PLC的校园交通控制系统。     

基于多目标满意优化的交通信号控制

随着城市道路交通供需矛盾的不断突出,交通信号控制策略、控制方法的科学合理性成为影响城市交通性能的关键因素。分析了传统最优交通控制理论的不足,揭示了交通控制中的满意性准则;建立了道路交叉口的满意交通控制模型,并结合某示范工程项目进行了试用。应用结果表明,模型科学、合理、有效,采用该模型的区域道路交通状况明显改善,对于缓解城市交通拥挤有一定帮助。     

城市区域交通智能控制研究

利用模糊神经网络对城市区域交通进行实时分散控制.把区域交通作为一个大系统,子系统为区域中的各个交叉口,每个交叉口有一个控制器,该控制器根据它自己和相邻交叉口的交通流信息来动态管理绿灯相位及绿灯时间.仿真研究表明:在交通流量较大和流量时变的环境下,该方法比普通车辆感应控制方法控制效果更好.