公路隧道照明控制系统

文章以迭福山隧道为例，概要说明了公路隧道照明控制系统的技术方案设计。公路隧道照明控制系统主要由计算机监控系统主机、区域控制器、光亮度检测器、以及照明控制柜、照明灯具等组成。该系统主要采用现场总线技术、检测技术、分布式计算机系统等，实现了对迭福山公路隧道的照明实时控制。     

高速公路动态交通流Elman神经网络模型

为了提高高速公路交通流建模的精度,分析了离散的高速公路动态交通流数学模型,基于Elman网络原理,建立了回归神经网络交通流模型。回归神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为8、30、30和2,采用Levenberg-Marquardt算法对回归神经网络进行训练,并对一条5路段的高速公路进行仿真。结果表明:回归神经网络平均相对误差为8.683 7×10-5,最大相对误差为4.237 1×10-4,与BP神经网络和RBF神经网络相比较,Elman回归神经网络能更好地逼近交通流数学模型,真实地描述交通流基本特性,能准确地建立动态交通流模型,适应交通状况的变化。     

一类免疫优化算法及其应用

根据生物免疫系统机理推导出一类数学优化结构模型的免疫算法。此算法结合遗传算法的进化操作和生物免疫中的浓度机制，通过抗体的期望繁殖率实现对抗体的促进和抑制，改善未成熟收敛。该算法用于求解Rosenbrock函数，并且与遗传算法进行了比较，结果表明，该免疫算法不仅收敛，而且具有较高的全局和局部搜索能力和收敛速度。     

高速公路交通流的建模与入口匝道最优控制

针对ＭＡＲＫＯＳ ＰＡＰＡＧＥＯＲＧＩＯＵ（１９９０）所建立的交通流模型在高速公路某路发生阻塞现象时不能反映这一路段交通流起初状态的局限性，给出一个改进的交通流模型，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、提高服务流量等性能上有较好的控制效果。     

高速公路模糊神经网络限速控制与仿真研究

高速公路限速控制是一个非线性时变系统,难于用数学模型准确建模,提出一种模糊神经网络实现限速控制。本文阐述了网络的结构和学习算法,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模糊神经网络模型,并进行了仿真研究。仿真结果表明网络训练速度快、精度高,适合交通流限速控制的在线建模。该方法切实可行,可使交通流更加均匀、稳定,从而提高主线运行的安全和效率。     

公路卧铺客车人体平顺性响应分析

建立了“人-卧具”的六自由度振动力学模型和公路卧铺客车的13自由度振动力学模型。应用随机振动理论和汽车平顺性理论，详细讨论在路面随机激励下人体的平顺性响应及在各种影响因素作用下平顺性的变化趋势。