基于粗集和神经网络耦合的短时交通流预测

比较分析神经网络和粗糙集在数据处理过程中的各自优缺点,提出一种基于二者强耦合集成方式的短时交通流预测模型。首先利用粗集对获取的交通流数据进行预处理,简化神经网络训练样本数据集并通过粗集属性约简提取决策规则;其次,利用所提取的规则直接确定神经网络的隐层数、隐层节点数及节点的相互关系;最后训练神经网络用于短时交通流预测。通过与单纯利用神经网络预测的结果进行比较,发现该模型降低了网络训练时间,提高了预测精度。     

基于粗集-神经模糊系统的高速公路项目运营效益评价模型研究

基于粗集-神经模糊系统的评价模型,利用粗集理论从数据样本中获取约简的规则集作为模糊神经系统的规则,使得规则数目减少,克服了当输入维数高时,模糊神经网络模糊规则过多,结构过于庞大的缺点.同时利用免疫遗传算法对系统参数进行有控调整有效避免了参数过渡训练的问题,使得系统的结构更为精简,学习速度更快.最后用RS-NFS的评价方法对高速公路项目运营效益进行评价,取得了良好的效果.     

基于粗模糊神经网络的高速公路路段交通事件识别

高精度、快速的高速公路路段交通事件自动识别将为合理诱导交通流,提高事故救援反应速度提供基础技术支持。设计了一个基于粗模糊神经网络的事故识别算法,用于高速公路路段交通事件识别。首先,利用粗糙集的数据约简技术提取精简的规则,得到系统的原始输入输出数据集。然后,建立交通突发事件识别的模糊神经网络系统,以交通流特征数据及其识别结果作为训练数据集进行系统参数及模糊规则的训练与确定,直到误差在控制范围之内。最后,利用VISSIM软件进行系统仿真检测,检测结果表明系统具有良好的应用性能。     

汽车时代都市畅通交通新理念

在分析既有道路系统缺陷的基础上，提出一套全新的畅通交通新理念。基于该理念，重点阐述了三位一体的立体化城市交通系统的构建方法，分别从机动车交通系统、非机动车交通系统和停车系统3个方面进行详细说明，并对该系统在新城区及老城区的实施方法进行了初步探讨。     

高速公路智能交通控制系统的建模及多层描述

本文提出将神经网络和模糊推理用于高速公路交通控制系统的建模及多层描述的一般性方法和框架，其主要思想是：利用神经网络及其他智能方法建立高速公路稳态和动态模型，在此基础上结合交通系统的特点提出改进的多层描述方法，即把高速公路交通系统控制问题分为自组织层，最优化层和调节层，试图解决传统方法在高速公路交通系统的分析，建模和控制中遇到的问题。     

基于模糊C均值聚类的快速路交通流相态划分

交通相态的识别问题是智能交通系统里一个关键问题,基于模糊C均值聚类分析可以很好地解决这种没有先验知识情况下的分类问题。文中介绍了三相流理论,根据我国实测快速路交通流数据,利用模糊C均值聚类方法对交通流相态的分类进行了研究,实现了一种交通相态的划分方法,研究结果表明：该方法能够识别出三相流理论中的自由流和同步流状态。     

基于模糊逻辑的高速公路入口匝道控制方法

为提高高速公路入口匝道的控制能力,以达到增进车流平稳性的目的,对传统闭环控制器ALINEA进行了扩展,并结合模糊逻辑理论,给出一种新的入口匝道控制器。该模糊控制器加入了流量变化的因素,以交通流量为控制目标,实际流量与设定期望值的偏差及流量变化量作为输入,根据所设定的模糊规则给出匝道控制率的调节量。最后通过实例对控制器进行了评价。仿真试验表明:该模糊控制器能够快速地将交通流调整到期望状态,可以适应主干道交通流以及匝道需求的大幅变化,有效抑制波动的产生;同传统的ALINEA策略相比,模糊匝道控制器具有更加稳定的控制效果。     

Chaos Control of Freeway Mainline Using Variable Speed Limits with FNN Based on Subtractive Clustering

研究基于减法聚类的高速公路混沌系统主线可变速度模糊神经网络控制方法.针对交通系统的不确定性和非线性,提出了通过数据挖掘技术建立高速公路主线混沌控制器知识库的思想,简介了高速公路主线可变速度混沌控制原理,设计了以密度、上游车流量和最大李雅普诺夫指数作为输入,主线速度上限值作为输出的T-S模糊神经网络混沌控制器.采用减法聚类方法确定了控制器结构,包括提取模糊规则、产生控制器初始参数.使用遗传算法对聚类半径进行了优化,并采用模糊神经网络方法对控制器参数进行了优化.仿真结果表明:采用该方法设计的高速公路主线智能混沌控制器,可保持高速公路上的有序运动,从而达到抑制交通堵塞、提高道路通行能力的目的.     

Agent技术在智能交通控制中的应用

基于目前交通问题及交通系统发展的现状，在前人理论的基础上，将Agent技术应用于交通控制系统，提出了基于Agent的智能交通控制系统体系结构，探讨了各个交通元素Agent的功能以及它们的协调合作关系，讨论了模糊控制技术在交通决策中的应用，最后进行系统仿真，仿真结果证明了这一方法的有效性。     

智能交通系统研究回顾与展望

智能交通系统是一个跨学科、信息化、系统化的综合研究体系.该文首先简介智能交通系统,然后较详细地总结了国际上近年来有关智能交通系统的技术和理论研究成果,并展望今后智能交通系统的研究和发展.     

模糊逻辑推理在消除交通流诱导负效应中的应用

针对交通流诱导可能产生的负效应问题,提出了诱导负效应消除的原理和模糊逻辑推理方法。在原理设计中,考虑了出行者的出行行为对网络交通流分配的影响;在实现方法上,应用模糊推理技术对分流交通量进行了预测,并设计了路线交叉口信号灯配时方案调整的模糊控制算法,模拟结果验证了模糊逻辑推理技术的有效性。研究表明:交通流诱导负效应的产生主要是由于信息条件下的道路出行者路线选择行为的不确定性引起的,而且交通流诱导与控制同时进行是消除交通流诱导负效应产生的关键。     

模糊自适应交通照明系统控制策略研究

针对传统交通照明系统控制手段单一、控制策略落后等问题,综合照明状态信息、交通照明环境和人的视觉特性等建立MISO系统,运用模糊理论生成交通照明模糊控制算法。实验证明,此控制算法能准确跟踪交通照明因素的动态变化,提高交通照明控制的合理性、自适应性和智能化水平。     

自动驾驶系统交通规则符合性仿真验证方法

随着自动驾驶技术的不断发展，高级别自动驾驶车辆逐步在限定区域开展实际道路测试，确保和提高自动驾驶系统安全驾驶能力是当前研究、测试和工程开发的热点难点。面对自动驾驶车辆将长期与人类驾驶车辆混行，并与其他交通参与者遵守同样交通规则的现实需要，提出一种验证和测试自动驾驶系统交通规则符合性的方法，以期降低多车混行条件下的交通安全风险。针对各类交通法律法规语义自动解析技术瓶颈，提出规范化-逻辑化两阶段交通规则数字化模型，基于改进谓词度量时序逻辑框架(Metric Temporal Logic，MTL)，将自然语言交通规则转换为命题、逻辑连接词和时序算子组成的逻辑编码，生成了自动驾驶系统可理解、可执行、可验证的数字化交通规则，并构建了交通规则命题的分级分类体系。提出了一套基于自动驾驶车辆高精度运动轨迹的交通规则符合性验证算法，并搭建仿真试验平台，在高速公路交通场景下开展了试验验证。理论分析与试验表明：精简命题空间、新增时序算子和谓词逻辑词等改进有效提高了原有MTL框架的时间表现能力，解决了时序逻辑性不足等问题，大幅提高了交通规则数字化转换效率，对地方性交通法规和未来交通法规修订提供了良好的兼容性。提出的交通规则符合性验证方法及试验平台可以有效测试自动驾驶系统对现有交通规则的遵守能力，相关成果对提高自动驾驶系统安全性能和未来混行交通安全管控水平具有重要意义。     

车路协同信息融合的智能汽车行驶状态模糊评判

为了监测与评判道路上行驶的智能汽车的实时状态,基于研发的智能汽车的车载感知系统,包括通过视觉传感器、激光雷达、GPS定位、车载传感器系统及车载总线获取车内及周围环境信息。采用V2X通讯设备等获取路侧端雷视一体机、路侧传感器、气象传感器传输的交通信息,通过V2X通讯设备、4G通讯模块传送到云服务器并建立模糊评判模型。基于可信度的模糊推理算法对环境信息和交通信息进行融合,并以此为依据对行驶车辆的状态进行评判。首先,建立针对车辆行驶状态的模糊评判集合和各参数隶属度函数,计算出各参数的隶属度,并对行驶车辆的各个参数建立典型的行驶状态评判参数数据集合。其次,采用模糊假言推理方法,以典型的数据集合为基础建立带可信度和阈值的模糊规则库。应用麦姆德尼方法,建立与规则库的每个规则所对应的模糊关系矩阵库。以车辆行驶时接收到的车载端和路侧端信息作为输入,应用规则库规则进行带有可信度的模糊推理。然后,以相似度作为匹配度,对推理规则设定阈限,按照证据与规则的前件不相等的情况,计算结论的可信度得出结论。对结论进行冲突消解时,冲突消解的策略为取可信度高的结论。最后,应用匹配度对结论的可靠性进行验证,并在多个道路场景实时行驶的车辆上对算法进行试验验证。研究结果表明:算法对行驶车辆状态的评判与实车的状态相一致,可实现对车辆不安全状态的报警与行驶状态的干预,对保障行车安全有显著积极的实际应用意义。     

基于高层体系结构的城市微观交通仿真系统研究

提出了用高层体系结构（High Level Architecture）开发城市微观交通仿真系统，构造了城市微观交通仿真组网联邦模型，实现其初步的分布式仿真。论述了基于粗糙集分类的联邦成员模型，以及联邦的开发过程和联邦FOM／SOM结构。最后对系统进行了初步仿真，并对结果进行了分析和比较，得到了用HLA技术开发城市微观交通仿真系统是一种可行的方法这一结论。     

交通控制与诱导集成的关键问题评述

分析了交通控制和交通诱导的相互影响与相互作用。综述了交通控制系统和交通诱导系统集成的研究现状,重点对交通控制和交通诱导集成的6个关键问题进行了讨论分析。提出应用演化博弈论、有限理性和人工情感等研究探讨驾驶员对交通诱导信息的反应机理和先由交通诱导系统将交通流诱导到合适的路网上然后由交通控制系统来适应这些交通流的思想建立集成模型。提出应用人工交通系统与平行系统的思想来研究交通控制和交通诱导的集成实施问题,通过人工交通系统的"计算试验"对交通控制方案和诱导方案进行试验和评估,期望为交通控制和交通诱导二者的集成提供新的思路和方法。     

基于线性规划的干线模糊补偿控制

针对传统干线控制方法的不足,提出了新的控制策略,采用递阶结构将传统的控制方法与模糊控制结合在一起对交通干线进行实时协调控制。由上层的中央协调单元通过传统的线性规划对交通中的确定性因素进行建模,得到干线控制所需要的信号周期、各个路口之间的相位差和绿信比等参数作为初步配时方案;然后针对交通问题中较强的随机性和不确定性,以模糊控制对得到的初步方案进行补偿,主要通过模糊逻辑对相位差进行调整,并最终由路口信号机根据路口的实际情况对绿信比进行调节,使整个干线控制得到优化。仿真结果表明,该方法比传统的定时控制和感应控制能更有效地提高干线的通行能力。     

城市交通智能控制优化算法

在传统的交叉口信号模糊控制基础上，提出了基于相序优化的模糊控制算法，并用改进的遗传算法优化模糊控制规则。对相序的优化考虑了驾驶员的心理，执行了专家的决策；对控制规则进行优化，减少了因专家主观性而导致控制器的不完备性。以典型的十字交叉口和四相位交通信号控制为例，选择不同时段的交通流数据进行仿真。结果表明：采用该控制算法设计的信号控制器能有效避免交通流不平衡引起的拥挤堵塞，具有更好的实时性和控制效果。     

孤立交叉口多相位自适应模糊控制及其神经网络实现

针对城市中心区交叉口交通流分布的特点,综合考虑本相位和相邻相位车道上的车辆排队长度(以下简称“队长”),应用模糊控制和神经网络具有的学习功能,提出了一种孤立交叉口多相位自适应模糊控制算法,该算法采用两个规则前件进行模糊推理,并给出了基于3层神经网络实现的模糊控制器的网络结构及其改进的BP网络训练算法和运行程序,结合已有类似研究成果进行了仿真比较研究,结果表明:该控制方法在信号周期自动调节和减少车辆延误方面都有明显改进,在实现城市交叉口智能控制中具有推广应用价值。