基于模糊数学的环形交叉口自适应控制研究

对比现有交叉口主要控制方式的控制原理及优缺点，根据环形交叉口交通流特性，兼顾当前绿灯相位车辆到达情况与红灯相位车辆排队长度，提出相位相序可变的环形交叉口模糊自适应控制模型。     

基于模糊神经网络的单交叉口变相序控制

针对城市交通流时变的特点，提出了一种可变相序自适应单交叉口控制算法，该算法根据通行权转移度来决定放行相位及通行时间，并综合考虑了所有相位车辆排队长度以及绿灯相位通行时间。通过多层BP神经网络实现单交叉口多相位模糊控制。结果表明，该控制器具有学习和泛化能力，可以有效的提高绿灯时间利用率并减少车辆平均延误。     

基于NSGA-Ⅱ算法的逆向可变车道信号配时优化

以相位有效绿灯时间、饱和度和逆向可变车道长度为约束条件,建立交叉口控制延误时间最小、交叉口通行能力最大的双目标函数控制模型,运用NSGA-Ⅱ双目标优化算法,求解目标函数,获得以通行能力相对占优的信号配时方案,达到交叉口控制效率提高的目标。以重庆某交叉口实际数据为例,用NSGA-Ⅱ算法对设置可变车道后的配时优化方案求解,并与现状配时方案进行对比,设置逆向可变车道和优化信号配时能够提高交叉口通行能力,降低控制延误。     

基于神经网络实现的交叉口可变相序公交优先模糊逻辑控制

针对城市交通信号控制及公交优先问题,提出了一种交叉口自适应可变相序的多相位控制算法,利用多层BP神经网络实现了公交优先的交通信号多层模糊控制。仿真结果表明,与定时公交优先控制模型相比,模糊神经网络控制器能有效地减少公交车辆延误,具有较强的学习和泛化能力,可用于未来的信号控制系统中。     

考虑城市干道车队运行特点的交通信号协调控制算法

为建立交通信号协调控制算法并确定其适用条件,考虑车队离散、车辆转出、下游交叉口排队长度3个因素,在分析罗伯逊离散模型的基础上,提出了交叉口协调相位车流到达图式的预测方法,并根据车流到达时刻与协调相位绿灯启亮、结束时刻的关系,建立了协调相位车流延误的计算模型;以交通控制子区内各交叉口协调相位车流总延误最小为优化目标,以相位差为优化变量,设计了信号协调方案优化算法.仿真结果表明:与改进数解法相比,该算法降低了协调相位车流延误7.4%;随着交叉口间距、转出车辆数、下游排队长度的增加,信号协调控制效益逐渐下降.      

����ģ���߼��Ľ�ͨ�źſ��Ʒ�����������ɳ�ذ�������Ӧ��ǰ��

模糊控制器的应用于1977年首次在文献中提出,其中指出对于有简单绿灯延时控制的单车道交叉口,模糊控制器比车辆感应式控制器更具优势。此后,模糊控制器有了进一步发展,关于交通信号控制的模糊逻辑方法的研究也进一步深入,该方法被陆续应用于无转向车流的双车道交叉口、无限制的单车道交叉口、多交叉口、相位顺序和相位时长控制、拥挤交叉口和路网等等,尤其在高负荷和不均衡交通流条件下表现出优于传统交通信号控制方法的特性。模糊逻辑方法可以改善自适应交通信号控制,改变自适应控制器和TMS的整个决策过程,很大程度上改善未来的交通需求管理方法,然而这类交通信号控制和交通需求管理方法的实际应用并不多见。在诸如沙特阿拉伯这样的发展中国家,学者应根据本国的特有情况研究基于模糊逻辑的交通信号控制与TMS的发展潜力,从而减少拥挤导致的各种损失。     

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。     

基于电警过车数据的排队长度算法

排队长度是城市交通信号控制的重要参数之一。为实时估计交叉口各相位绿灯初始时刻的排队长度,提出一种基于电子警察过车数据并考虑展宽段的排队长度计算方法。本算法考虑上一周期本路段滞留的车辆数,结合上游交叉口各相位驶入本路段参与排队的车辆数,通过时空演化计算本周期绿灯初始时刻的排队车辆数,进而得到相应排队长度值。通过VISSIM仿真软件构建仿真场景验证排队算法,证明本算法具有较好的准确性。     

叠加放行信号控制方式适用条件及效益评价

在不考虑右转机动车通行相位的前提下,按照同一相位内不同方向交通流不冲突原则,得到了叠加放行4种基本相位相序方案,并分析了不同相位相序方案流量比适用条件及其它相关影响因素。根据叠加放行相邻相位交通流特点,给出了叠加放行各个相位关键车道组流量比、周期相位损失时间、信号周期确定方法,在此基础上建立了相位有效绿灯时间算法模型。采用最小信号周期、关键车道组总流量比等参数指标,对单口放行、对称放行、叠加放行3种信号控制方式效益进行了评价。最后结合实例,运用理论计算及VISSIM软件交通仿真两种方法,进一步验证了叠加放行信号控制方式在缩短信号周期、减少交叉口交通延误等方面发挥出的作用。研究结果表明：当交叉口进口车道流量比符合一定条件时,采用叠加放行信号控制方式,周期相位数增加但周期损失时间不变,而且通过灵活选取相位相序方案组合形式,可以充分利用道路时空资源,有效提高交叉口的通行能力。     

���������źŵĽ�����������

延误是交叉口交通设计和信号优化的重要评价指标。针对传统延误计算仅考虑单个交叉口的不足,本文构建了综合考虑上下游交叉口交通运行参数的延误计算模型。模型以交通波理论为基础,综合考虑了上下游交叉口的相位相序、绿灯时长、流向流量、路段长度及相位差等因素,通过计算下游交叉口队尾时空点在各相位的演变构建队尾时空多边形,计算队尾时空多边形的面积即可得到下游交叉口计算车道组的停车延误,将其加上加减速延误最终得到交叉口信号控制延误。示例分析表明,该模型与VISSIM和SYNCHRO等软件相比,延误计算精度较高。     

网络控制系统的模糊动态调度算法研究

针对多回路的网络控制系统,本文同时考虑系统误差和误差变化率,设计了一种基于神经网络的模糊动态调度算法.该算法根据系统中各回路的误差和误差变化率,利用神经网络模糊控制的方法实时调整各回路的优先级,从而实现对网络控制系统的调度.最后,利用TrueTime工具箱建立了包含模糊动态调度器的网络控制系统仿真模型,并将其与RM和EDF调度算法进行对比.仿真结果表明,在相同的网络带宽占用条件下,本文所设计的模糊动态调度算法相比于RM和EDF调度算法,产生的网络诱导时延更小,且具有较好的控制性能.     

基于模糊神经网络的城市高速公路入口匝道控制算法

建立了高速公路入口匝道控制的数学模型，把模糊控制和神经网络算法结合起来实现入口匝道的智能控制。仿真结果表明，该算法在各种交通模式下都是有效的，能够在维持一个理想主线交通流密度的同时，保持入口排队长度尽可能短；在抑制交通流密度波动和入口排队长度方面比定时控制和ALINEA算法更有效。     

一种新的多模式对模糊联想记忆自适应学习规则

本文给出了模糊联想记忆神经网络联想输出误差函数的一种梯度计算方法,成功地把误差逆传播梯度下降搜索技术应用于该网络的训练中,提出一种新的多模式对模糊联想记忆的学习规则,计算机模拟表明该规则是十分有效的。     

基于大时滞特性预估补偿的模型辨识及模糊控制方法

对具有大迟延特性的对象采用径向基神经网络辨识其预测控制模型,在不需要知道被控对象的精确物理解析数学模型,也不需要知道对象的脉冲激励响应模型和阶跃激励响应模型的情况下,可以实现对系统响应特性的在线辨识．采用分级模糊建模的思想,设计一种分级模糊控制器,可以极大地减小模糊规则基的规模,在分级模糊控制器的设计中,采用共生进化遗传算法对参数寻优,提高了进化速度．仿真试验证明,该方法的效果很好．     

一种获取与优化模糊规则基的混合学习算法

提出了一种二层学习算法来优化模糊规则基。利用Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模糊神经网络对一个模糊规则基进行参数学习,学习方法为梯度下降法,然后利用遗传算法对规则基进行结构调整,采用二进制编码方法,一条规则对应于一个基因位,一个规则基对应于一条染色体。这种二层优化方法能较好地减少模糊规则基的冗余度,化简模糊规则基。仿真实验也证实了这一点。     

遗传算法优化的模糊神经网络在故障诊断中的应用

本文针对船舶柴油机故障诊断系统提出了一种基于遗传算法优化训练的模糊神经网络诊断方法,介绍了这种模糊神经网络故障诊断系统的结构及其参数形式,通过遗传优化算法对它的权值和阈值进行了学习优化训练。这种方法可以有效地避免通常所选BP算法训练易陷于局部极值的问题,最后将该遗传算法优化训练的模糊神经网络系统应用到船舶柴油机的故障诊断中,通过仿真研究,说明了该方法的有效性。     

基于模糊理论的城市区域交通控制研究

城市区域交通协调控制是智能交通的主要研究方向,研究的主要目的是避免交通拥塞的产生,并能够在发生时及时疏散车辆。针对这种情况,提出一种基于模糊理论的区域协调控制方法,以区域内交叉口各相位方向的排队长度为评价参数,建立模糊控制规则对区域交通进行协调控制,采用典型五交叉口组成的区域对提出方法进行验证。结果显示:该方法能够有效地提高交叉口的通行能力和平均延误时间。     

Integration of learning algorithm on fuzzy min-max neural networks

An integrated fuzzy min-max neural network (IFMMNN) is developed to avoid the classification result influenced by the input sequence of training samples, and the learning algorithm can be used as pure clustering, pure classification, or a hybrid clustering classification. Three experiments are designed to realize the aim. The serial input of samples is changed to parallel input, and the fuzzy membership function is substituted by similarity matrix. The experimental results show its superiority in contrast with the original method proposed by Simpson.     

����ģ��������� �źŽ���ڷ���ˮƽģ��

回顾了现有信号交叉口机动车服务水平确定方法,提出了基于模糊神经网络的信号交叉口服务水平模型,设计了基于可视化仿真的驾驶员感受量化调查方法。该模型首先将评价指标输入模糊化,以便利用模糊理论模拟驾驶员的感受形成过程,然后利用人工神经网络驱动模糊推理,从而预测驾驶员对交叉口运行状况的感受,以及交叉口服务水平。本文以混合交通条件下信号交叉口转向车流为例,利用调查数据标定、验证模型。实验结果表明,该模型能够有效预测驾驶员对交叉口运行状况的感受和交叉口服务水平。通行能力、饱和度与驾驶员感受打分值之间的相关性较弱,但方差分析表明这两项指标是感受打分值及服务水平的显著影响因素。延误与感受打分值显著相关。