摘要: |
近年来,智能控制方法在交通领域得到了迅速的应用,有关智能交通控制系统(ITS)的研究也非常活跃。由于交通控制问题本身具有的特点,在智能交通控制研究中,结合了模糊控制和神经网络控制优点的模糊神经网络控制成为主要趋势之一。本文围绕具有典型意义的单交叉信号控制问题开展研究工作,试图在前人研究的基础上设计一种更优的多相位可变相序控制算法,在此基础上设计模糊神经控制器,并通过仿真实验验证其控制效果。
本文所做的研究工作和研究方法主要有:
1.综述了目前智能交通领域的研究现状和实际应用情况。指出了前人研究成果的不足及本文所做的改进。
2.提出了一种可变相序的控制算法,该算法综合考虑各相位车队长度,以此来决定绿灯相位的转移。
3.设计了信号模糊神经网络(FNN)控制器。
4.利用设计的模糊神经网络控制器进行了仿真实验,并将其控制效果与定时控制方法(韦伯斯特法)进行比较。
在不同交通流情况下的仿真实验结果表明:本文变相序控制算法可以更好地适应交通流量的变化,弥补相序固定的缺点;本文控制策略综合考虑各个车道上的排队长度,以此来决定绿灯时间的分配,更接近人的决策过程,能有效地对平面交叉口进行控制;模糊神经网络控制器自适应能力强,能有效地降低车辆平均延误,与传统定时控制相比优势明显。
|