基于SARSA（λ）算法的单路口交通信号学习控制

针对复杂的、难以建模的城市交通系统,将多步强化学习算法SARSA（λ）应用于交通信号控制,根据实时的交通状态信息动态进行决策,自动适应环境以便取得更好的控制效果。由于问题状态空间太大而难以直接存储和表示,采用径向基函数神经网络进行值函数近似,通过训练自适应非线性处理单元,可达到较好的近似表示效果,解决了单个十字交叉路口的交通信号控制问题。对该方法进行仿真实验,结果表明其控制效果明显优于传统的固定配时控制策略。     

基于深度强化学习的交通信号控制方法

针对基于深度强化学习的交通信号控制方法存在难以及时更新交叉口信号控制策略的问题,提出基于改进深度强化学习的单交叉口交通信号控制方法. 构建新的基于相邻采样时间步实时车辆数变化量的奖励函数,以及时跟踪并利用交叉口交通状态动态的变化过程. 采用双网络结构提高算法学习效率,利用经验回放改善算法收敛性. 基于SUMO的仿真测试结果表明,相比传统控制方法和深度强化学习方法,所提方法能明显缩短交叉口车辆平均等待时间和平均排队长度,提高交叉口通行效率.     

基于Multi-agent协调的区域交通信号优化控制

在分析城市区域交通信号控制特点的基础上,提出了基于分布式多智能体的城市道路区域协调控制系统,阐述了单路口Agent模型结构,并在Agent中引入模糊控制方法,实现局部交通信号实时在线调整,通过多Agent之间的协调机制,实现城市区域多路口交通信号协调控制和全局优化,最后对两交叉口仿真实验,结果表明该方法有较好的控制效果．     

一种改进的基于合作调停的交通协调控制算法

缓解交通拥堵,增加交叉口通行能力的有效手段是交通信号控制.为了使车辆在穿越干道交叉口时尽量少的停留,协调交通信号控制的研究越来越成为热点.以智能体控制技术为基础,提出了基于合作调停的协调交通信号控制算法.将信号的协调模型化为分布式约束优化问题,应用最优异步部分交叉算法,通过调停手段得到最优的信号协调控制方案.仿真实验表明,基于合作调停的交通信号协调控制算法能够得到使系统费用最小的协调信号控制方案.     

交通信号实时优化模型的算法研究

对交通信号动态优化模型的求解算法进行了研究,给出了目标函数中复杂的分段函数及积分上限中含有未知量的方程的数值处理方法,并针对问题特点,提出了该模型的遗传算法求解方法.为检验模型和算法,进行了一定规模的数值仿真计算.计算结果表明,所设计算法具有较快的收敛速度而模型具有良好的控制效果.     

基于OELM重构极限状态函数的可靠度计算方法

针对工程可靠度计算中极限状态函数不解析、非线性、计算量大这一问题,提出基于优化极限学习机高效重构极限状态函数的可靠度计算方法.该方法确定可靠度重要影响区域,在该区域内利用优化极限学习机泛化性能好的优点,按照一定的策略高效循环重构极限状态函数,最大限度地减少极限状态函数的计算次数.基于该重构极限状态函数进行重要抽样可靠性计算.通过实例分析证明,该方法的效率极高,既减少了极限状态函数的计算次数,又能够保证可靠度的计算精度.     

纤维取向分析的数学模型

用统计的方法描述了纤维取向状态是一般的状态－－取向概率分布函数。采用一组张量简化计算,得到用张量形式表示的取向函数。引用Jeffery提出的任意流场中单根纤维的运动方程,将变形的函数和张量形式表示的取向函数联系起来,推得在任意流场下的纤维取向分布函数。用闭合近似的方法进一步简化计算。提出了任意流场下用张量的式表述的二维纤维取向状态模型。     

时滞非线性参数系统有限时间状态约束控制

研究了具有输入时滞、有界外部干扰以及全状态约束的严格反馈连续时间参数化非线性系统的自适应有限时间跟踪控制问题. 通过使用Barrier Lyapunov函数和自适应反步法,保证了系统所有状态都被约束. 针对输入时滞问题,采用pade近似法消除其带来的负面影响. 所设计的有限时间控制器使闭环系统内的所有信号都有界且所有状态都被约束在给定的范围内,同时输出信号能很好地追踪给定参考信号. 最后通过仿真实例验证了该控制方法的有效性.     

一类切换系统的稳定性分析与镇定控制

利用基于切换二次Lyapunov函数的存在性证明切换系统的渐近稳定性,研究了一类离散时间切换系统的稳定性分析与镇定控制问题.对一些子系统的状态分区采用外部的椭圆体或者退化的椭圆体加以近似,因而能够利用S-Procedure降低方法的保守性.指出切换系统稳定性的证明及状态反馈控制器的设计都可看作线性矩阵不等式(LMI)的可行性问题而进行有效的求解.     

分形理论在植物根系图像放大中的应用

针对植物根系图像的分析处理需要,运用分形理论,提出了一种基于分形特征提取,对数字图像进行放大的方法,介绍了该方法的原理和实现算法.其基本思想是通过分形理论提取图像的特征信息,用迭代函数系统近似表示原图像,在不同尺度的图像空间迭代重建图像以实现放大.这种方法简单方便,可以实现非整数倍的放大,放大图像主观效果较好,在植物根系图像处理中进行了应用.     

基于中关村西区的区域协调模糊控制

为了缓解城市区域交通网络中支线交通流与主线交通流之间的矛盾,根据系统工程中大系统分解协调的控制思想,提出了一种区域协调模糊控制算法,重点介绍了协调控制的设计思想及控制结构．通过微观交通仿真软件Paramics进行了算法仿真,仿真结果表明,该控制算法能对网络交通进行有效疏导,从而验证了该算法应用于城市区域交通网络进行区域协调控制的可行性．     

基于模糊逻辑交通信号优化控制算法

提出了基于模糊逻辑单交叉口信号变相位控制算法，并实现了仿真．传统的信号控制方法，仅考虑了相位时间的优化，而忽略了对相位组合的优化，以现实中常用的4相位信号控制为例，通过研究发现，在不改变原来4相位相序的前提下，通过灵活的相位组合，可以获得更好的控制效果．与传统交叉路口信号模糊控制的方法相比，交通信号变相位控制的相位组合、相位时间更加灵活，更适应城市交叉口实时变化的交通状况．以典型的十字路口为对象，选用不同时段的交通流状况进行仿真实验，研究结果表明，对于交通流量不平衡的交叉口来说，信号变相位模糊控制的效果要优于传统的模糊控制，能够减少车辆延误时间，是进行城市交叉口信号控制的一种实用和有效的算法．     

基于悉尼协调自适应交通控制系统线圈数据的交通事件自动检测算法

为了克服目前悉尼自适应交通控制系统(Sydney coordinated traffic system,SCATS)获取的动态交通数据仅用于交通信号控制的局限性,从信息共享的角度,将SCATS中感应线圈获取的动态交通数据应用于交通事件自动检测。在详细分析了SCATS中感应线圈获取的交通数据特性的基础上,设计了一种新的交通事件自动检测算法,并采用实测数据进行了验证和对比分析。结果表明,所设计的新算法在检测率、误警率方面均优于经典的对比算法,可为改善SCATS覆盖道路在交通信号控制、交通信息引导和交通指挥等方面的协调性提供技术支持。     

交通流诱导与控制协同的双目标优化模型及准最优求解算法

提出了一种基于消散拥堵和系统总出行时间最小的双目标诱导控制协同优化模型,算法引入饱和度的概念,采用小步距微量调整信号配时、试算优化的方法,适当加载或卸载交通量,优化交叉口信号配时,使交通流在不断反馈与不断调整过程中达到最优。采用VISSIM建立模拟路网进行了协同算法试验,并对协同实施效果进行了评价,结果表明:在进行3次协同后拥堵基本消散,经过第4、5次协同能实现系统总行程时间尽可能小。     

POMDP环境下交通信号自适应控制的策略梯度学习方法

将交通自适应控制看成是POMDP(Partially Observable Markov Decision Process)问题,建立交叉口POMDP环境模型,结合值函数法的优点设计解决此问题的策略梯度学习算法。仿真实验与传统方法比较表明,在局部交通较少及高度饱和交通条件下此学习方法具有一定的收敛性和有效性,并对解决自适应交通控制问题具有一定的适用性。     

城市主干道的交通流疏导与绿波带控制

城市主干道在道路网中发挥着主要作用.为了保证主干路交通流的畅通,应对各个交叉口的信号进行系统分析和协调控制.对天津市主干道红旗路的交通流现状进行了调查,通过硬件和软件的实施和调整,形成四个路口之间的系统协调控制,达到降低路口停车率、缩短停车延误时间、提高运行车速、减少环境污染、保证交通安全的目的.     

基于复值稀疏贝叶斯的Hilbert变换计算方法

Hilbert变换是信号分析及信号处理中的重要工具, 由于Cauchy核在原点的奇性增加了Hilbert变换计算的难度。最近, 研究者们首次提出了利用复解析的方法来计算Hilbert变换的自适应傅里叶分解(Adaptive Fourier Decomposition, AFD)方法。AFD方法通过参数化的Szegö核的线性组合来自适应逼近解析信号从而求得原始实值信号的Hilbert变换。与传统计算Hilbert变换的方法相比, AFD方法可以给出逼近的解析表达式且适用范围更广。然而AFD方法在根据最大选择原理选择参数时需要穷尽单位开圆盘的所有点, 这是非常耗时的。稀疏贝叶斯学习是近年来机器学习研究的热点, 基于Szegö核的复值稀疏贝叶斯学习算法能提供稀疏的有理逼近。本文将提出基于Szegö核的复值稀疏贝叶斯学习算法来近似计算Hilbert变换, 该方法具有AFD方法的优点且可以不需要参数控制进行迭代优化, 运算速度快。实验结果表明, 所提方法是有效的。