���ڷ������۵Ķ�ʱ��ͨ��Ԥ���㷨

城市交通诱导与控制需要短时交通流预测作为依据,当预测时间小于5 min时,常用的短时交通流预测方法往往难以满足精度要求. 为了提高短时交通流预测的精度,针对短时交通流的非线性特征,采用基于分形的方法可以缩短预测时间、提高预测精度. 在G-P算法基础上,本文利用欧式模定义相空间任意两点间的欧式距离,并采用筛选法计算备选点的欧式距离,以此提高计算速度,使预测2 min内的交通流成为可能. 以北京西直门至阜成门段一天的断面交通量为实例,应用基于分形的短时交通量预测算法,对712个有效数据点的后30点进行预测,预测精度达到92％以上.     

������ģ�͵Ľ�ͨ�ź���ѧϰ���Ʒ���

为了减少车辆通过路口的延误,采用云模型建立控制策略,运用Q-学习改进控制模型的参数。路口信号控制智能体通过感知系统获得车辆到达信息,根据信号控制规则集和车辆到达信息采取符合控制策略的控制行为改变当前信号状态。信号控制的关键规则采用二维正态半云描述,利用二维前件云发生器生成针对不同交通状态的控制策略。云模型中的主要参数通过Q学习算法进行优化,以总停车延迟作为目标函数经过迭代产生针对不同交通量的云模型最优控制方案。最后,使用仿真软件对传统控制方式和基于云模型的控制方式进行比较,仿真结果表明,基于云模型信号控制方法的控制效果优于定时控制和感应控制。     

一种交通信号自学习控制方法

基于智能体的信号控制方法已经成为研究热点之一,目前遗传算法已被用来实现agent的自学习,论文将Q-学习应用在城市交通控制中,用来解决单路口信号控制agent的自学习问题,经过仿真试验,并与遗传算法的结果相对比,证明此方法的控制效果较好.     

基于行程时间和路口延误的网络VMS选址算法

路段车辆行程时间和交叉口延误共同构成路径的综合阻抗,通过实际路段车辆行程时间和交叉口延误的交通数据计算路网的路径阻抗,以路网效用函数最大化为优化目标,在比较各种选址方案目标函数的基础上,选取效用函数值最大的方案作为实施方案.采用北京市西直门桥至复兴门桥之间的实际路网作为算例,经计算,其结果与实际情况吻合较好,并与该区域的VMS建设趋势一致.     

ATP控车模式的DC模型与可靠性分析

列车控制是保障高速列车安全运行的关键技术.对国际上广泛应用的ATP控车模式建立了基于时段演算的模型,并通过对模型的推演,对ATP控车模式进行了初步的可靠性分析,为设计安全、可靠的ATP系统提供新的理论分析手段.     

基于多智能体技术的城市交通控制系统的探讨

提出了一种新的基于多智能体技术的城市交通控制系统框架，并在该系统中的智能体模型中引入了学习机制，初步建立了一个具有专家系统的特点，可以不断进化的分布式城市交通智能控制系统。