探索基于elman神经网络的高速公路入口匝道预测控制仿真研究

《探索基于elman神经网络的高速公路入口匝道预测控制仿真研究》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、西南交通大学硕士学位论文基于Elman神经网络的高速公路入口匝道预测控制仿真研究姓名：何玉婉申请学位级别：硕士专业：交通信息工程及控制指导教师：余立建20080501西南交通大学硕士研究生学位论文第1页摘要高速公路交通控制是智能运输系统的重要组成部分，针对传统交通控制技术的缺陷，近年来人们将人工智能(AI)和计算机智能(CI)应用到高速公路交通控制中。神经网络预测控$1J(NNPC)充分利用了神经网络的非线性映射能力以及预测控制滚动优化、反馈校正的机理，更适用于动态性和时变性的高速公路交通系统的控制。本文以充分利用高速公路现有资源、提高交通流量为目的，对入口匝道控制进行了研究，设计

2、和仿真实现了基于粒子群算法的高速公路交通流预测器和控制器，主要工作如下：首先，分析了高速公路交通流宏观动态模型，建立Elman神经网络模型，并提出了基于粒子群算法(PSO)的Elman神经网络混合优化策略，采用PSO优化连接权值来训练神经网络，与标准BP算法相比，PSO采用实数编码，结构简单，学习收敛快，仿真结果表明该模型适合于高速公路短期交通流预测。其次，针对交通系统具有非线性、动态性和强扰动性，为进一步改善NNPC的性能，构造了基于PSO算法的非线性优化控制器，利用PSO算法对实现控制量的滚动优化，仿真实现了高速公路交通流神经网络预测控制，并就该系统的预测模型、滚动优化算法、反

3、馈校正、仿真参数设置问题等进行了分析。最后通过MATLAB仿真验证，结果表明，与无控制情况和基于遗传算法的协调控制相比，本文提出的改进方法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。通过进一步地抗干扰能力测试，证明了该方法具有较好的鲁棒性。关键字：高速公路；入口匝道控制；PSO算法；Elman神经网络；预测控制西南交通大学硕士研究生学位论文第1I页AbstractFreewaytrafficcontroliSconsideredasanimportantcomponentofintelligenttransportationsystem．Forthedrawb

4、acksoftraditionaltrafficcontroltechniques，peoplehavebeguntoapplyAartificialIntelligence(AI)andComputationalIntelligence(CI)tofreewaytramCcontrolinrecentyears．Neuralnetworkpredictivecontrol(NNPC)takesfulladvantageofthenonlinear，self-organizing，self-learningperformanceofneuralnetworksandtherolli

5、ngoptimizing，feedbackadjustingeffectivenessofpredictivecontr01．ItismoresuitableforthisFreewaytrafficcontr01．ThisPaperbasedonhowtomakeuseofallexistingresourcesoffreewaywell．exaltationtrafficvolumeforpurpose，carryonthoroughresearchofon—RampMeter，thefreewaytrafficflowforecastandcontrolleriSDesign

6、edandSimulatedbasedonparticleswarmalgorithm．ThefollowingresearchesareinvolvedinthisPaper：Firstly．themacro．dynamicmodelofhighwaytrafficflowisanalyzed．TheElmanrecurrentneuralnetworkmodeliSbuiltandanPS0algorithmiSusedtotraintheweightsandoftheneuralnetwork．comparedwiththestandardBPalgorithm，PSOwhi

7、chusingrealcodingand，hasmoresimplestructureandfasterconvergencestudy,Thesimulationresultsshowthatthemodelsuitableforhighwaytrafficflowshort—termforecasting．Secondly．inviewofthetransportsystemiSnon．1inear,dynamicandstrongdisturbance．inor