详情

原文传递基于粗糙集的交通流神经网络模型与入口匝道控制

论文题名：	基于粗糙集的交通流神经网络模型与入口匝道控制
关键词：	高速公路;粗糙集;入口匝道;神经网络;粒子群优化;交通控制;智能运输系统;小脑模型
摘要：	高速公路交通控制是智能运输系统的重要组成部分，而入口匝道交通控制是应用最为广泛的一种高速公路控制策略。根据被控匝道的相互关系，入口匝道控制可以分为单点控制和多点协调控制。本文针对高速公路交通系统的特点，对交通流模型及入口匝道智能控制方法展开研究，主要的内容和结论如下： 1.利用粗糙集能够处理模糊、不确定知识和神经网络对非线性函数具有任意逼近能力的优点，提出一种粗糙集和Elman网络相结合的动态系统建模算法。并利用这种方法建立高速公路宏观交通流动态模型，仿真结果表明了该方法的有效性。 2.提出一种粒子群优化的PI控制方法调节进入高速公路的车辆数目。首先确定了匝道控制目标，并建立了高速公路交通流模型；然后阐述了PSO算法，结合非线性反馈理论设计了粒子群优化的入口匝道PI控制器；最后用MATLAB软件进行系统仿真。结果表明，该系统响应速度快，具有优越的动态和稳态性能。该方法用于高速公路入口匝道控制中效果良好。 3.采用小脑模型关节控制器和PID复合控制方法调节进入高速公路的车辆数目。阐述了CMAC与PID复合控制算法，结合非线性反馈理论用CMAC-PID控制器决定高速公路入口匝道调节率；最后用MATLAB软件进行系统仿真。结果表明，与模糊逻辑控制器相比较，CMAC-PID控制器有更好的动态性能、更快的响应速度，它能使高速公路主线交通流密度保持为设定的期望密度，能实现车辆在高速公路上高效、安全地运行。该方法为高速公路入口匝道控制提供了一种切实可行的新思路。 4.提出一种基于BP神经网络的PID控制器参数调节方法并应用到高速公路入口匝道控制中。详细阐述了BP神经网络调整比例、积分、微分系数的学习算法。基于交通流模型并结合非线性反馈理论，设计出BP神经网络整定的入口匝道PID控制器。根据实时交通状况，BP神经网络用来动态调整PID参数使得由密度跟踪误差定义的性能指标最小。最后用MATLAB软件对控制器进行仿真。结果表明，所设计的控制器具有很好的动态和稳态性能。它能使高速公路主线交通流密度保持为设定的期望密度，从而避免交通堵塞。这种方法对高速公路入口匝道控制非常有效。 5.将多层控制结构和PSO算法应用到高速公路多匝道协调控制中。建立了描述高速公路交通流过程的宏观模型，阐述了PSO算法。把高速公路控制系统垂直分为三层，适应层用来指定扰动值并调整模型参数，协调层根据当前交通状况确定各路段的期望交通密度，直接控制层采用PI控制使实际交通密度保持在标称轨迹附近，PSO算法用来寻找最优的PI参数。仿真结果表明控制系统具有很好的性能，它能消除交通拥挤，维持交通流的稳定，实现车辆在高速公路上高效、安全地运行。
作者：	范业坤
专业：	交通信息工程及控制
导师：	梁新荣
授予学位：	硕士
授予学位单位：	五邑大学
学位年度：	2009
正文语种：	中文