摘要: |
该文讨论城市交通的新的建模和控制方法.考虑到城市交通系统本身是一个具有严重非线性,随机性,时变性、不确定性的复杂系统,利用人工神经网络技术来建立城市交通流模型,并详细地阐述了神经网络的结构和学习算法.同时,利用人工神经网络技术、模糊逻辑理论和大系统理论,设计了一些先进的城市交通智能控制算法,分析和仿真表明,这些算法具有较强的鲁棒性、自适应性和自学习性,比传统的交通控制方法能更有效地解决城市交通问题.该文的主要内容如下:1)介绍了城市道路交通控制的发展历史,对国内外当前的研究成果进行了详尽的分析和阐述,指出了理论研究和实际应用中所存在的困难和一些亟待解决的问题,并提出了中国智能交通系统研究方向和发展对策.2)设计了一种针对单交叉口的新的多相位模糊交通控制算法.3)把城市交通干线作为一个大系统,子系统为干线上的各个交叉口,在此基础上,设计了一种城市交通干线的两级模糊协调控制算法,并用BP神经网络实现控制器的模糊化、模糊推理和清晰化三个部分,系统具有较强的自适应、自学习和容错性.4)对城市区域交通进行了实时分散控制研究.5)对城市快速公路交通建模和多层智能控制系统设计进行了研究.6)建立了整个城市大交通网络宏观、动态、确定性模型.7)对城市间高速公路交通流建模和控制方法进行了探讨.8)讨论了基于网络技术的城市交通集成智能控制系统的整体体系,描述了系统中各个相关设备模块的功能,以及通过网络互联该系统完成的功能.最后对全文进行了概括性总结,并指出了理论和应用上有待进一步研究的问题. |