原文传递
交叉口混合交通流智能控制系统研究
| 论文题名： | 交叉口混合交通流智能控制系统研究 |
| 关键词： | 混合交通流;交叉口;智能控制系统;智能交通系统;BP神经网络预测;MATLAB |
| 摘要： | 随着经济水平的快速发展和汽车数量的增加，交通问题日益严峻，严重制约了我国城市的发展。智能交通系统(IntelligentTransportSystem，ITS)将先进的信息技术、传感技术、数据通信技术、自动控制技术、运筹学、图像分析技术、计算机网络以及人工智能等有效地综合运用于整个交通管理系统，建立起一种在大范围内全方位发挥作用的实时、准确、高效的运输综合体系。交通控制工程是一个复杂的系统工程，它涉及人、车、路几个方面的因素。为了减少和避免交通拥挤，应设法降低高峰交通时间里的交通需求，增大道路设施的通行能力。在解决交通问题时，除了修建道路、改善交通环境条件外，实施智能交通系统是行之有效的方法。交叉口是城市道路的交通枢纽，是交通流聚集和再分配的关键点，也是交通拥挤常发点。因此，重点研究交叉口的交通信号控制有着重要的意义。另外，由于中国特殊的国情，国内的交通流主要以混合交通流为主，与国外以机动车为主的交通流有着显著的不同，因此研究中国混合交通流道路交叉口信号智能控制算法有现实的积极意义。 文章主要开展了如下几个方面的研究： (1)混合交通流特性分析分析总结了国内外混合交通流特性研究现状，对混合交通流特性和基本规律进行了总结和分析，并对交叉口混合交通流干扰影响进行了研究，为混合交通流的神经-模糊控制算法研究打下了理论基础。 (2)混合交通流神经网络预测算法研究对交通流量进行预测，可以为交叉口智能控制系统提供重要的数据，是交叉口智能控制的前提之一。在各种预测方法中，BP神经网络的应用最普遍，并取得了许多成果。为了进一步提高BP神经网络的预测精度，采用了基于分段学习的双隐层BP神经网络对济南市经十路的交通流量进行了预测，并与相同结构未使用分段学习方法的BP神经网络预测所得结果进行了比较。实验数据显示采用分段学习的方法比未采用的所得结果平均相对误差减少了2.52％。因此分段学习的双隐层BP神经网络可应用于预测道路交通流量。 (3)混合交通流的神经-模糊控制算法研究在混合交通流预测理论研究的基础上，考虑非机动车辆对交叉口控制系统的影响，提出了一种建立交叉口混合交通流模糊控制模型，该模型以非机动车辆的紧迫度和机动车辆的转换因子为输入，以当前相位的绿灯延迟时间为输出，根据经十路与历山路交叉口的实测数据，运用了MATLAB对其控制效果进行仿真分析，结果表明该算法可有效减少平均排队长度，提高交叉口的通行能力。 |
| 作者： | 毛玉明 |
| 专业： | 计算机应用技术 |
| 导师： | 王英龙 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山东轻工业学院 |
| 学位年度： | 2008 |
| 正文语种： | 中文 |
检索历史
应用推荐
