交叉口多相位模糊控制及其BP神经网络实现

针对城市交叉口交通流的特点,提出了一类交叉口多相位自适应控制算法,介绍了基于改进的多层神经网络实现交叉口模糊控制的方法,给出了学习算法。仿真结果表明,设计模糊神经控制器具有学习和泛化能力,实时性好,能在车流大小随机变化的单个路口中得到应用。     

基于大规模浮动车数据的交叉口转向规则自动提取算法

针对传统电子地图在生成时只包含路网拓扑关系,不具备路口转向规则的自动生成及更新能力,提出了利用大规模浮动车数据自动生成交叉口转向规则的算法.该方法建立转向规则数学表达和存储模型,并依托大规模浮动车数据分析和处理,引入置信点概念,提出基于首尾置信点控制的转向规则自动提取算法;以广州市为例,选取1d的浮动车GPS数据,对提出的算法进行效用评价,实验结果表明提出的算法准确率达90.4％,可准确实现多数交叉口转向规则的自动提取.     

基于移动导航数据的信号配时反推

在交通管理和评价时,信号配时对监测评价路口运行状态,评价路口配时方案至关重要.但是,大范围的实时信号配时方案的获取尚缺乏简明有效的途径.本文提出两种基于移动导航数据计算固定配时路口信号配时的方法.第一种方法是在不考虑驾驶员驾驶行为差异性时,得到路口红灯和车均延误的关系模型,从而计算某相位的红灯时长.另外一种方法是基于车辆通过停止线的时间,结合本文提出的上升梯度法,得到某阶段红灯时长.本文通过实际的路口案例计算,将预测结果和已知路口的信号配时比较,表明此方法计算得到的红绿灯时长准确度较高,为后续进行路口运行状态和通行能力研究提供了数据支持.     

快速公交路口交通组织设计研究

在进行BRT设计过程中,BRT途径路口交通组织设计以及BRT主线车辆与BRT支线车辆在路口专用道的路权分配问题,是非常重要的环节.研究BRT主线车辆与BRT支线在交叉口的转向组织类型和路权分配,可为同行提供参考.     

平交路口远引掉头设置方法分析

平交路口远引是解决路口流向禁限后车流转向问题的有效方法。通过对掉头地点的选址规划以及交叉口之间的协调控制进行研究,提出最佳掉头位置应满足的条件以及交叉口协调控制的相位差计算方法。通过对掉头通道通行能力的分析,提出实施掉头信号控制条件和具体实施方法。     

船舶航向非线性系统自适应神经网络控制

提出了一种基于最小参数RBF(径向基)神经网络的船舶航向滑模控制算法.针对船舶运动控制中系统函数非线性不确定性和外界干扰项未知问题,利用RBF神经网络进行逼近.考虑到RBF神经网络权值难以快速调整,采用神经网络最小参数学习法设计设计单个参数的估计代替神经网络权值的调整;最后,借助李雅普诺夫稳定性理论设计出船舶航向RBF神经网络直接跟踪控制律.通过与神经网络控制算法和普通自适应控制算法的仿真比较可知,上述控制算法加快了自适应律的求解速度,控制器结构简单,控制参数少,易于工程设计与实现.     

基于模糊神经网络模式分类的数据挖掘算法

提出了一种基于模糊神经网络模式分类的数据挖掘算法--把模糊理论和神经网络结合起来,构造及训练模糊神经网络.给出了基于模糊神经网络的学习算法,通过仿真验证了该算法的正确性.     

神经网络和专家系统相结合的综合决策系统结构

通过神经网络知识获取模型,将神经网络的自适应学习能力和专家系统的解释能力综合在一起,提出一种将神经网络和专家系统结合在一起的综合决策系统.一方面,该综合决策系统应用神经网络的自适应学习功能解决了专家系统在知识获取方面存在的"瓶颈"问题;另一方面,运用专家系统的解释能力解决了神经网络的"黑箱"问题.     

基于BP算法的模糊Petri网鱼雷故障诊断方法

模糊Petri网是故障诊断系统建模与分析的一种重要工具,但存在自学习困难的特点.该文将具有强大自学习能力和容错能力的神经网络与模糊Petri网相结合,并根据实际工程应用情况,提出最大路径法对模糊Petri网分层,避免了虚变迁和虚库所加入带来的模糊Petri网故障诊断模型复杂化问题,然后运用神经网络中的BP算法对模型参数进行学习,使模型具有了自学习和泛化能力.将其应用到某型鱼雷电子系统的故障诊断系统中,结果表明,该方法能够有效地提高模型故障诊断能力.     

城市路口交通状态判别方法研究

为客观、有效地评价城市路口交通状态,选择平均最大排队长度、饱和度、平均车辆延误、速度比等4个对城市路口交通状态变化最为敏感且容易获取的参数作为评价指标,选取Relief F算法对所选取的评价指标进行权值判定,设计了基于模糊FCM聚类的综合判别模型,并借助VISSIM交通仿真软件对路口交通流状态进行了仿真。结果表明:改进的W-FCM判别方法相比于传统的神经网络判别法,总体误判代价降低了47.5%,判别精度提升至96.7%,改进的判别方法具有较强的可行性。     

基于集成学习算法的航路网络航段交通拥挤识别方法研究

基于航路网络ADS-B航迹数据定义航路网络航段交通流量、航段交通密度、航段交通饱和度、航段交通接近率4 项交通拥挤状态评价指标；采用模糊C均值聚类算法和航段历史交通拥挤状态评价指标参数划分航段交通拥挤状态等级；结合集成学习算法构建航路网络航段交通拥挤状态识别模型，实现航段交通拥挤状态的识别. 实证分析表明：航路网络交通拥挤状态集成学习识别模型对实验航路网络航段交通拥挤状态识别准确率达到98.34%，采用决策树基学习器优于k 近邻基学习器，且增加的集成学习基学习器数量可提升模型的识别精度；集成学习识别模型的识别性能优于BP神经网络模型，识别方法符合实际且具有应用价值.     

混合流优先控制T型交叉口通行能力研究

在对城市优先控制T型交叉口进行交通调查基础上,分析交叉口混合交通流运行特性;对交叉口主路到达行人及非机动车流按“群”统计,借鉴间隙接受理论模型,对混合流下交叉口交通流运行等级进行划分,将主路到达的行人及非机动车流看作独立优先冲突流,并对其冲突特性进行分析,最终建立适应混合流下优先控制T型交叉口的通行能力计算模型,为交叉口改造、管理控制方式选择及整个路网通行能力的提高提供理论依据。     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．     

基于多智能体的城市交通区域协调控制方法

在分析城市道路交通信号控制特点的基础上,提出了基于多智能体的城市道路区域协调控制方法.在单路口Agent中引入加强学习方法,实现交通信号实时在线调整;在由多交叉口构成的区域路网中,以车辆平均延误为目标,通过多路口Agent之间的协调机制,实现城市交通区域信号控制的智能协调和全局优化,提高整个区域交通的效率,减少车辆的延误.通过仿真实验,与定时控制和感应控制相比,该方法使车辆的平均延误明显减小.     

面向新型混合交通流的智能交叉口网络布局优化

考虑网联自动驾驶车辆(Connected Autonomous Vehicle, CAV)应用先进的车联网与自动驾驶技术，可以采用智能交叉口的组织形式，大幅提升交叉口的通行效率，为降低CAV与人工驾驶车辆(Human-driven Vehicle, HV)混行条件下城市交通系统的整体出行成本，提出智能交叉口在城 市交通网络中的布局优化问题，建立数学优化模型并求解。首先，基于对两类车辆行驶特性的分析，建立混合用户均衡模型，描述CAV与HV的路径选择行为；其次，从交通规划者的角度，以系统最优为目标，整合混合用户均衡模型，建立面向新型混合交通流的智能交叉口网络布局优化模型，并利用改进的遗传算法求解；最后，选取Sioux-Falls交通网络作为案例分析，验证模型与算法的有效性，并研究CAV渗透率变化对优化结果的影响。研究表明，智能交叉口在城市路网中的合理规划极大地提高了新型混行场景下城市交通系统的出行效率，同时，大幅降低了由于网联自动 驾驶单方面技术优势带来的CAV与HV的出行效率差距，增进了出行公平性。     

考虑交叉口不同饱和度的路网动态分区方法

为了便于信号控制策略的实施,针对路网中不同状态的交叉口,考虑子区内交叉口的同质性和关联性,提出了基于不同拥挤程度的路网动态分区方法.首先考虑相邻交叉口的交通关联度和相似度,建立了路网动态分区模型;然后结合谱图理论设计了动态分区算法,根据特征向量元素,对路段、交叉口的拥堵程度进行划分;最后提出了动态子区划分评价准则.算例结果表明,本文提出的方法既能有效地保证相关性较强的交叉口划入同一子区,又使得各子区内部路段的拥堵程度比较均衡,有利于各种不同拥挤程度的子区信号控制方案的选择和实施,对于交通信号控制方案的设计有实际的指导意义.     

道路交通安全综合评价的人工神经网络方法

为了提高评价的准确性,采用人工神经网络技术,建立了基于BP神经网络的道路交通安全综合评价模型.通过有效样本的学习,应用该模型,实现了对道路交通安全专家知识和经验的提取和存储.仿真实例验证了基于人工神经网络的道路交通安全综合评价模型的合理性和有效性.     

基于数据驱动的区域交通TOD时段识别方法研究

提出了一种基于数据驱动的T OD时段识别方法,对区域不同路口、不同流向、不同时刻的交通流数据,采用多元相关分析、主成分分析等在空间尺度上识别出路网的关键路口和关键交通流向,采用层次聚类在时间尺度上识别出不同的交通状态和各T OD时段。以9个道路交叉口流量数据为应用实例,获取其中6个不同路口方向为关键交通流,并将不同时刻观测值聚类为5种不同的交通状态,进而识别出1 d的8个 T OD时段,每个时段分别代表干线或区域高、中、低等不同流量时期,表明了该方法的有效性。     

基于交叉口重要度深度搜索的区域信号协调控制方法

城市路网规模的不断扩大,给城市交通控制系统带来严峻的挑战.本文对交叉口之间的交通关联关系及表征交叉口关联性的交通流参数进行了分析,从而明确路网的拓扑结构,建立了以路网拓扑结构为基础的交叉口重要度估计模型,并根据有向深度搜索算法设计了区域信号协调优化方法.该方法从全局的角度建立了一种均衡疏导路网交通流的信号协调控制方法.最后将本文提出的方法与Synchro7优化出的控制方案对比,利用微观仿真软件SUMO进行控制效益评价,仿真结果表明,本文的方法可以有效提高信号控制效益.     

����Ԫ���Զ����Ľ���ڷ���ƽ̨�о�

元胞自动机是研究交通仿真的强有力工具。但以往的元胞自动机模型都对交通的局部规则进行大量简化,这种简化用于描述路段的车流规律是可行的,却很难真实反映交叉口复杂的车流运行状态。鉴于此,本文提出新的无信号交叉口二维元胞自动机模型。该模型的特点在于:(1)细化了元胞自动机交叉口模型;(2)引进了驾驶员在交叉口的微观行为模型,如车辆饱和流,跟车模型,穿越冲突交通流临界间隙理论等。这使得模型能充分考虑交叉口中各方向车流的冲突影响,更加真实地反映交叉口的车流规律。在此基础上,本文建立了一个单交叉口的仿真平台,经检验该平台是合理有效的。