智能计算方法在城市交通中的应用与交通流建模研究

《智能计算方法在城市交通中的应用与交通流建模研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、山东大学博士论文摘要本文以城市交通为研究对象，包含两个部分的研究内容：一是智能计算在城市交通中的应用研究，内容涉及基于智能计算的城市交通流控制与短期城市交通流预测模型；二是交通流建模研究，内容涉及基于气体动力学的交通流模型研究。交通流运动具有随机性、离散性及较强的非线性。模糊控制、神经网络等现代人工智能技术，可以使人们在不表达交通系统精确模型的情况下，通过对问题的归纳与并行处理，为交通控制和交通管理提供依据。与此同时，由于计算机科学，尤其是计算机模拟技术的发展，可以使人们克服复杂数学推导的困难，从而使传统的数学与物理方法建立可靠交通流模型的研究与应用成为可能。本论文在广泛查阅各类文献

2、的基础上，分别从上述两方面开展工作，符合当前交通流理论的研究方向，是交通流理论当前研究的热点与难点。论文的主要内容与创新点包括：l、以城市中心地带主干道典型的交叉路口为研究对象，提出了一种基于模糊逻辑的城市交叉口信号灯控制器，该控制器的设计思想基于误差闭环控制理论，在交通流中引入误差变化率概念，从而更为真实的反应了交警的人工智能活动。提出的控制策略具有很强的鲁棒性与抗系统时变性特点，可有效的提高交叉口相关区域内的道路使用率。2、将基于误差闭环控制的城市道路交叉口模糊控制器以神经网络的方法实现。设计研究的模糊神经网络控制器把神经网络的学习和计算功能带到模糊系统中，也可把模糊系统的思维规

3、则和推理嵌入到神经网络中，引入模拟退火算法训练网络，使模糊控制器能够自行调整隶属度函数，弥补了模糊控制的不足，同时提高了网络的性能。3、进行了城市主干道多交叉口神经模糊控制器的研究与仿真，提出了一种基于模糊神经网络的新型城市道路多路口协调控制系统。该控制系统提取了“绿波带”的知识方法，并用模糊神经网络的方法实现，可以在设定的时段内自动对交通流各类信息进行汇总与统计，实时输出优化的城市干线交通控制协调控制配时方案。仿真研究表明，该控制系统可以充分利用交叉口空闲时空，使交通流以理想的饱和度值整体通过交叉路口，说明了模糊神经网络方法是解决城市交通大摘要系统控制问题的一种有效方法。4、提出了

4、一种基于粒子群优化(PSO)的RBF城市短期交通流预测模型。该模型以多输入单输出的RBF网络为结构，通过粒子群优化算法对网络参数进行优化，结构简单，训练简洁，学习收敛速度快，特别适合于城市短期交通流的预测。PSO采用实数编码，网络结构设计可以表示为结构空间的搜索问题，对神经网络的约束条件可以很少，网络的隐节点可以具有不同的变换函数，甚至网络也可以不必严格分层或全连接，与遗传算法相比简单易实现。5、提出的神经树预测模型是一种新型的城市短时交通流预测模型。该模型的设计依据是灵活的神经树模型(FlexibleNeuralTreemodel，FNT)，基于预先定义的指令集而产生的FNT模型允

5、许选择不同的输入，还可以跨层连接，不同节点也可以有不同的激励函数，因此可以看作是一种不规则的多层神经网络。依据FNT思想，本文提出了改进的PIPE(ProbabilisticIncrementalProgramEvolutionAlgorithm)学习算法，并将FNT用于交通流预测，建立了交通流的FNT预测模型。仿真结果表明，该模型效果理想。研究中同时指出：优化FNT的过程即是优化拓扑结构的过程也是选择输入变量的过程，因此在结构上更加灵活，性能上更加智能，在交通流预测模型领域进一步研究的价值较高。6、本文交通流建模的研究基于气体分子动力学交通流模型。由气体分子动。力学交通流模型方程取

6、零阶近似，可以推导出Euler型交通流控制方程，取一阶近似可以推导出Navier-Stokes型交通流控制方程。Navier-Stokes型宏观控制方程由气体分子动力学交通流模型针对“碰撞项”在微观建模，具有丰富的物理内涵。但迄今为止，大多数基于宏观控制方程的数值模拟都是针对Euler型交通流控制方程，这主要是因为Navier-Stokes型交通流控制方程更加复杂且有更多的非线性特性，因此在数值模拟过程中更容易导致不稳定。本文将研究的侧重点放在Navier-Stokes型的交通流控制方程上。在经典的气体分子动力学理论中，弛豫时间r通常被认为是常数。Helbing将弛豫时间r与车辆密度

7、p关联起来，本文对这一理论进行了改进和补充。通过观察实际物理现象，将弛豫时间项f与密度和速度联系起来，通过算例表明，本文的改进能够增强Navier-Stokes型控制方程在C高密度车流状况下的稳定性。本文还对气体分子动力学交通流模型作了稳定性分析，从理论分析的角度证明了本文对于弛豫时间项f的改进可以增强控制方程的山东大学博士论文稳定性，并建议将max(一minReco(p,，t)(1／^))的值作为此类交通流模型稳定性的判别依据。本文的算例应用了多岔口周期