详情

原文传递交通量预测方法和多相位交通信号模糊控制技术研究

论文题名：	交通量预测方法和多相位交通信号模糊控制技术研究
关键词：	交通量预测;灰色模型;灰色神经网络;神经网络集成;混沌预测;遗传算法;多相位交通;模糊控制;模糊规则优化
摘要：	交通流量预测对于进行交通规划、交通诱导、交通管理、交通控制与安全等,均具有重要的意义,已成为交通工程领域重点研究课题,智能运输系统(ITS)的核心研究内容之一.交通量预测可分为中长期预测和短时交通量预测,受随机干扰因素的影响,短时交通流量预测相对于中长期预测更难.由于交通流运行的高度复杂性、随机性和不确定性,传统的预测技术已经不能满足实践中越米越高的精度要求,经典的数学方法一直未能取得令人满意的预测效果.该文就短时交通量预测方法进行深入的研究,探讨了灰色系统理论、神经网络和最新的混沌预测技术在交通量预测领域中的应用,并首次将灰色神经网络、神经网络集成等复合预测方法用于交通量预测领域.随着城市人口的增长和社会经济的持续发展,城市交通问题日趋严重.交叉路口是城市交通网络中的重要枢纽,解决好交叉路口的交通流冲突问题是整个城市交通控制的关键所在.该文将模糊控制用于多相位交通信号智能控制,并且应用遗传算法优化多相位交通信号模糊控制器的规则库,以此提高模糊控制的性能.就交通量预测方法和交通信号模糊控制两个方面,全文进行了深入探讨,主要内容如下:(1)将一种改进的GM(1,1)模型用于交叉口交通量的预测,并取得良好的预测效果,结合遗传算法和最小二乘法,对此改进的GM(1,1)模型给出了一种新的求解方法.对改进GM(1,1)模型引入等维递推和自适应的预测效果进行了讨论.(2)将灰色系统思想与神经网络有机地结合起米,发挥两者的优势,提出了并联型、串联型、嵌入型三个灰色神经网络预测模型,并首次将灰色神经网络用于实时交通量预测,取得较好的预测结果.(3)神经网络集成通过训练多个神经网络并将各网络输出进行合成,可显著提高系统的泛化能力.采用Boosting和Bagging、基于分治策略的三种不同神经网络集成方法预测实时交通流,实验结果表明,神经网络集成技术用于交通量实时预测是有效可行的,并且比单一神经网络预测模型更为优越.(4)相空间重构是混沌预测的基础,时间序列的混沌性是使用混沌预测的前提.讨论了混沌时间序列的几种判定方法,讨论了典型的四种混沌预测方法,并将它们首次用于交通量预测.通过诸多预测实例说明了交通量混沌预测方法的可行性和有效性.(5)讨论单路口多相位的交通信号控制,控制方法采用实时模糊控制,给出了模糊控制器、模糊控制系统的设计.并根据通过交叉口的车辆停驶过程,推导出交叉口平均车辆延误计算模型,对模糊控制性能进行了计算机仿真,仿真结果表明控制效果比较满意.(6)为了提高模糊控制器的性能,应用遗传算法优化模糊控制器的规则库,给出编码方案、基于随机模拟的适配度计算方法以及基于适配度比例的选择、均匀交叉、自适应变异算子的具体实现细节,并构造检测染色体合法性的约束条件.并对一个四相位交叉口进行仿真试验,仿真表明,GA优化所得规则库可以提高模糊控制的效果.
作者：	陈淑燕
专业：	系统工程
导师：	陈森发
授予学位：	博士
授予学位单位：	东南大学
学位年度：	2003
正文语种：	中文