仿真交通流混沌转化过程研究

为分析交通流混沌转化机理,探讨了车头间距和交通流混沌之间的关系。利用Matlab软件编制皮埃莱（Bierley）模型来产生仿真交通流时间序列,在一定参数组合情况下,研究了交通流车队中前后车辆的车头间距变化过程。通过分析这种车头间距变化曲线相轨迹,可以明显地观察到交通流混沌运动和有序运动之间的转化过程;在此基础上,应用最大Lyapunov指数改进算法对仿真交通流混沌转化过程进行了理论分析,讨论了车头间距对交通流混沌转化过程的影响作用。研究表明,车头间距的变化是交通流混沌现象产生和转化的根本原因。该研究结果有助于进一步理解交通流混沌现象,并为短时交通流预测和智能交通控制提供理论依据。     

混沌与混沌应用

混沌理论是非线性动力学系统的重要组成部分,它揭示了非线性科学的共同属性─有序与无序的统一,确定性与随机性的统一。混沌控制及其应用是非线性科学应用新的研究领域,其研究受到了非常广泛的重视。该文介绍了混沌控制的基本方法,阐述了混沌理论的普遍应用,并对今后的发展方向和困难提出了一些见解。     

工业加热炉温度系统的智能控制策略

混沌现象的主要特征之一是初始条件稍有不同,随着时间的变化其行为差异极大,其结果是杂乱无章变化.炉温系统因其复杂性存在混沌现象,因此是难于控制的对象,但混沌并不等同于无序;整体稳定,局部不稳定;混沌和有序并存.本文用智能控制技术克服了用传统PID难于控制的炉温混沌现象.系统仿真与实际运行效果表明,智能控制是克服混沌现象的一种有效方法.     

基于遗传算法的混沌系统模糊控制

本文提出一种基于遗传算法的自学习模糊控制方法控制混沌系统。用一种改进的遗传算法学习模糊控制器的隶属度函数，以改善２模糊控制器的性能，使其感到良好的控制效果。用此方法控制Ｈｅｎｏｎ系统的混沌行为，效果良好。     

混沌系统的一种自学习模糊控制

提出一种基于遗传算法的自学习模糊控制方法控制混沌系统。用一种改进的遗传算法学习模糊控制器的隶属度函数，以改善模糊控制器的性能，使其达到良好的控制效果。用此方法控制Ｈｅｎｏｎ系统的混沌行为，效果良好。     

基于一种新的混合算法的交通流控制优化模型

运用交通流控制理论建立了在交叉口空间渠化及信号相位相序给定的条件下, 考虑机动车与非机动车的延误（服务水平）约束条件, 机动车通行能力最大的优化模型, 并利用遗传算法及混沌优化算法互补的混合优化算法对模型进行了优化计算. 实际优化计算结果表明, 文中的优化模型及其混合算法具有较高的理论价值及实用价值, 本次研究为信号交叉口交通流的协调控制优化研究提供了新思路和新方法.     

基于环形线圈检测器的复杂交叉路口多相位模糊控制

利用环形线圈检测器获得复杂交叉路口的实时交通数据,设计了一个三路交叉复杂路口交通信号灯的多相位模糊控制。通过多相位设计对交叉口的复杂交通流进行了规划组织,模糊控制策略可以对绿灯配时进行适当的调整以适应交通状况的实时变化。仿真结果表明,多相位模糊控制效果在减少车辆延误时间指标上优于传统的定时控制。     

一种智能PID复合控制器的设计

提出一种新型PID复合控制算法，将模糊控制和混沌PID控制结合起来，既具有模糊控制快速、鲁棒性强的优点，又具有PID稳态精度高的优点。仿真表明该算法使用可靠、精度高，而且具有较强的抗干扰能力和较好的鲁棒性，优于常规的PID控制与模糊控制。     

基于遗传算法混沌系统同步的研究

把混沌同步和混沌控制相结合, 利用引导混沌轨道的基本原理, 将模拟自然界生物进化过程的遗传算法用于混沌同步, 提出基于遗传算法引导混沌轨道, 从而实现混沌系统同步的新方法, 目的是使初始条件不同的混沌系统在小扰动作用下能迅速到达同步, 并采取策略使同步得以维持. 以H啨ｎｏｎＭａｐ系统为例的仿真表明, 用此方法实现同步效果良好.     

单交叉口公交优先双系统模糊控制策略研究

公交系统能够显著地提高城市客运量,有效缓解日益增长的交通需求压力.交叉口公交优先是公交优先发展的一个重要措施,传统的交叉口控制方案将公交车辆与其他类型车辆同等对待,对于载客量较大的公交车辆是不公平的.以人均延误最小为目标,提出了一种单交叉口公交优先的双系统模糊控制模型,其相位模糊控制系统负责对相位方案进行优化,延时抉择模糊控制系统优化各相位的绿灯时间.仿真结果表明,相对于定时控制的公交优先机制,模型在正常交通流的情况下能够有效的减少人均延误.     

交通流序列的Volterra自适应预测

基于混沌动力系统的相空间重构和非线性系统的Volterra级数,构建交通流的Volterra自适应预测模型.在应用小数据量法判定交通流存在混沌特性的前提下,分别用平均互信息法和虚假邻点法选取延滞时间和嵌入维数以实现对交通流时间序列的相空间重构.通过Volterra级数展开式建立非线性预测模型,采用LMS自适应算法实时调...     

基于乘积耦合Volterra模型的短时交通流预测

基于混沌序列固有的非线性和确定性机制以及Volterra级数的非线性表征能力,提出一种短时交通流预测的三阶Volterra模型。针对Volterra模型随阶数增加复杂度以幂次方增加的问题,研究了该模型的乘积耦合近似实现结构。首先,采用互信息法和虚假邻点法选取时间延迟和嵌入维数,并采用小数据量法计算Lyapunov指数判定交通流是否具有混沌特性;然后,建立三阶Volterra滤波器的乘积耦合近似实现结构,并采用一种改进的非线性归一化最小均方(NLMS)算法实时调整模型系数;最后,对高速公路实测交通流的预测结果表明,交通流中存在混沌特征,应用构建的预测模型可有效地对交通流进行预测,且降低了模型的复杂性。     

混沌理论和LSSVM相结合的网络流量预测

为提高网络流量的预测精度,提出一种基于混沌理论和最小二乘支持向量机相结合的网络流量预测方法。采用相空间重构对网络流量时间序列进行重构,恢复网络流量的演化轨迹,采用非线性预测能力强的最小二乘支持向量机对网络流量时间序列进行训练建模,采用混沌粒子群算法对最小二乘支持向量机参数进行优化,从而获得最优网络流量预测模型。用实际网络流量数据对该算法有效性进行验证,结果表明该方法能够很好刻画网络流量的变化趋势,提高了网络流量的预测精度,预测性能优于传统的预测方法。     

支持向量机在混沌系统预测中的应用

提出用支持向量机回归方法解决混沌系统预测问题。阐述了支持向量机回归算法,对四阶混沌时间序列进行预测,在此基础上结合城市交通的混沌性,对珠海市迎宾大道的交通流量进行预测。仿真实验表明,支持向量机泛化能力好、学习速度快,对混沌时间序列具有很好的预测效果,对城市交通流量预测也是切实可行的。     

交通流量VNNTF神经网络模型多步预测研究

研究了VNNTF 神经网络（Volterra neural network trafficflow model,VNNTF） 交通流量混沌时间序列多步预测问题. 通过分析比较交通流量混沌时间序列相空间重构的嵌入维数和Volterra 离散模型之间的关系,给出了确定交通流量Volterra 级数模型截断阶数和截断项数的方法,并在此基础上建立了VNNTF 神经网络交通流量时间序列模型;设计了交通流量Volterra 神经网络的快速学习算法;最后,利用交通流量混沌时间序列对VNNTF 网络模型,Volterra 预测滤波器和BP 网络进行了多步预测实验,比较了多步预测结果的仿真图、绝对误差的柱状图以及归一化后的方均根;实验结果表明VNNTF 神经网络的多步预测性能明显优于Volterra 预测滤波器和BP 神经网络.     

基于混沌理论的交通量实时预测

分析了城市交通的混沌性，根据复杂的城市交通特点，引入了误差反馈系数，改进了混沌时间序列预测方法中的加权一阶局域法和基于最大Lyapunov指数的预测法，并将其成功应用于实时交通量预测．预测结果表明：这两种改进的方法都能较准确地预测交通量，但后者比前者更适合交通量预测，后者的预测误差一般可以控制在5％以下．     

冰雪天气下高速公路可变限速控制研究

为保障冰雪天气条件下高速公路的行车安全与通行效率,在建立安全限速模型与交通流预测模型的基础上,提出一种基于粒子群优化算法的可变限速控制策略;首先,通过分析冰雪天气下车辆制动性能和交通流演化规律,提出适用于冰雪天气条件的高速公路安全限速模型以及交通流预测模型;其次,设计了兼顾通行效率与行车安全的优化目标函数,并考虑实际行车需求给出相关约束条件;最后,基于交通流预测模型并结合粒子群优化算法对可变限速值进行求解,并通过搭建的元胞自动机交通流模型将所提出的可变限速策略的控制效果与固定限速方案和分段安全限速方案进行对比仿真实验;仿真结果表明,相比于固定限速方案,可变限速控制减少了总行程时间、总行程延误时间和车辆冲突时间;相比于分段安全限速方案,可变限速控制有效减小了管控路段内的车辆行驶速度标准差,总行程延误时间和车辆冲突暴露时间也有所降低,验证了所提出可变限速控制策略的有效性。     

基于小波包的RBF神经网络网络流量混沌预测

为了提高网络流量预测准确率,提出了基于小波包的RBF神经网络网络流量混沌预测法(WPCRBF).充分考虑到真实网络流量的周期性和噪声的影响,提出了一种改进的时间窗口法来计算最佳嵌入维和时间延迟,并用于上述预测方法中.以真实网络流量数据为实验数据,分别用CRBF、基于小波的RBF神经网络混沌预测法(WCRBF)与提出的WPCRBF进行预测,实验结果表明,该方法能够较准确地对网络流量进行预测.     

相序优化模糊控制在智能交通中的应用研究

根据平面交叉路口的智能交通信号控制原理,建立了一个交叉路口的交通流量模型,提出一种基于相序优化模糊控制的交通控制方法,以PCU(小客车当量)平均延误时间为控制目标实施控制。仿真结果表明,这种控制方法能使交叉路口的PCU平均延误时间明显减小,取得了较好的控制效果。     

监督交通量变化的多模型预测自适应交通信号灯控制

因信号设定时间和车流量动态行为引起的交通量变化是现代交通控制系统存在高度不确定性的主要因素.根据交通流量具有高峰期、正常期及突发超流量期的特点,本文提出了一种监督多模型交通流量建模方法,结合模型预测控制技术对交通信号灯进行优化式智能控制,对不同交通模式下交通流量的实时变化作出反应,在优化的模式下对关键主干道交叉路口的信号灯进行自适应调节,达到实现通行次数合理,车辆延误时间以及停车时间都减少的目的.仿真示例说明了该方法的有效性.