探索高速公路交通流建模及匝道控制研究

探索高速公路交通流建模及匝道控制研究

ID:34784972

大小:2.52 MB

页数:61页

时间:2019-03-10

探索高速公路交通流建模及匝道控制研究_第1页
探索高速公路交通流建模及匝道控制研究_第2页
探索高速公路交通流建模及匝道控制研究_第3页
探索高速公路交通流建模及匝道控制研究_第4页
探索高速公路交通流建模及匝道控制研究_第5页
资源描述:

《探索高速公路交通流建模及匝道控制研究》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、五邑大学硕士学位论文高速公路交通流建模及匝道控制研究姓名:韦彦秀申请学位级别:硕士专业:交通信息工程及控制指导教师:梁新荣20080425摘要准确的交通流模型不仅有利于理解车辆的行驶行为,而且对分析交通状况,规划交通网络和实现交通优化控制策略都有十分重要的作用。入口匝道控制通过调节进入高速公路的车辆数目可以使高速公路交通流运行在最佳状态,从而提高主线的通行能力,避免拥挤和阻塞。本文详细探讨了高速公路交通流建模及入口匝道控制。全文的主要工作如下:1.提出用小波变换消除交通噪声和干扰信号,用动态回归神经网络建立交通流模型。分析

2、了高速公路宏观交通流模型,阐述了小波消噪方法,并用Elman回归神经网络对交通流动态建模,采用一种改进的算法得到神经网络的权值,最后对一条5路段,1个入口匝道和1个出口匝道的高速公路进行仿真。为了比较,还用BP神经网络和RBF神经网络对交通流建模。结果表明,Elman回归神经网络模型训练步数最少、误差最小、泛化能力最好。2.采用非线性反馈方法对高速公路进行入口匝道控制。建立了高速公路交通流动态模型,在此基础上,结合先进的PID控制设计了三种非线性反馈匝道控制器:免疫控制器、单神经元白适应控制器以及模糊免疫控制器,并分别用M

3、ATLAB对它们进行了系统仿真,仿真结果表明,非线性反馈方法具有良好的控制效果。3.采用递阶结构和CMAC进行高速公路多匝道控制。建立了反映高速公路交通流动态变化的宏观模型,研究了CMAC与PID复合控制算法。递阶结构分为两层:协调控制层负责计算各路段的期望密度轨线,直接控制层采用CMAC与PID复合控制决定各匝道的调节率,最后用MATLAB进行系统仿真。结果表明,与模糊逻辑控制相比较,复合控制具有更好的动态性能,更快的响应速度,该方法能有效地消除交通拥挤,实现车辆在高速公路上高效、安全地运行。关键词:高速公路;交通流模型

4、;回归神经网络:小波变换;匝道控制摘要AbstractAccuratemodeloftrafficflowisimportantnotonlyforbetterunderstandingofthecollectivebehaviourofvehicles,butalsoforanalyzingflowconditions,planningtrafficnetworks,anddesigningefficientcontrolstrategies.On—rampcontrolcanmaketrafficflowmoveino

5、ptimumconditionsbyregulatingthenumberofvehiclesenteringafreewayentrancepoint,thusimprovethepassingcapabilityofthemainline,andavoidtrafficjamsandcongestion.Freewaytrafficflowmodelingandon—rampmeteringhavebeenpresentedanddiscussedindetail.Themaincontributionscanbest

6、atedasfollows.1.Thewavelettransformisusedtoeliminatetrafficnoiseanddisturbance。andthetrafficflowmodelisbuiltbasedonarecurrentneuralnetworkinthispaper.First,thefreewaymacroscopictrafficflowmodelisanalyzed.Thenthenoiseeliminationmethodofwavelettransformisformulated,

7、andElmanrecurrentnetworkisusedfortrafficflowmodeling.TheweightsoftheElmannetworkareobtainedwithanimprovedalgorithm.Finally,afreewaywithfivesegments,anon-rampandanoff-rampissimulated.BPandRBFneuralnetworksarechosenincontrasttotheElmannetwork.TheresultsshowthattheEl

8、mannetworkhasthefewesttrainingepochs,thesmallesterrorandthebestgeneralizationability.2.Nonlinearfeedbackmethodsareproposedforfreewayon-rampmetering.Thef

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。