恶劣气象条件下高速公路NN控制系统的研究

各种恶劣气象条件下的高速公路的交通流控制是目前急需要解决的重要问题。就此问题,利用Markos Papageorgiou的高速公路交通流模型对各种气象条件进行分析,使用神经网络方法,建立了一套适合各种气象条件的交通流模型和匝道入口控制系统,有效地控制恶劣气象条件下的高速公路交通事故。其次,利用BP神经网络的算法进行了仿真,对其中的参数进行辩识。仿真的结果与实际情况能很好地吻合,为在恶劣气象条件下控制高速公路的交通流奠定了理论和实践基础。     

高速公路可变速度标志神经网络控制

针对高速公路可变速度控制是一个非线性时变系统,难于用数学模型准确建模这一特点,提出了神经网络控制方法.阐述了神经网络学习算法,设计了高速公路可变速度标志神经网络控制器,并对控制器进行了仿真研究.仿真结果表明,该方法切实可行,具有实用价值.     

基于支持向量机的高速公路入口匝道控制

针对高速公路入口匝道控制问题所存在的非线性、复杂性和不确定性,在入口匝道控制原理的基础上,设计了一种基于支持向量机的高速公路入口匝道控制器;结合某高速公路交通调研数据,对这一控制器进行了仿真;仿真结果表明了支持向量机可以用于高速公路入口匝道的控制,并能取得较良好的控制效果.     

基于遗传算法优化的高速公路匝道PI控制器

研究遗传算法优化PI控制器的参数,并应用到高速公路匝道控制中。阐述了匝道控制目标,建立了高速公路交通流模型,给出了遗传算法优化的步骤,并对入口匝道PI控制器的参数进行了优化。仿真结果表明,该方法性能优越,用于高速公路入口匝道控制中效果良好。     

高速公路的匝道与可变限速联合模糊控制

匝道控制是目前使用最广泛的高速公路交通控制方法之一.但是当高速公路严重拥挤时,匝道控制不再有效,需结合主线可变限速控制,以缓解交通拥挤.由此,匝道调节率与可变速度限制间高效的联合控制对于提高道路性能显得尤为重要.由于交通的非线性和不稳定特性,模型最优控制计算复杂且精度低,进而提出了一种模糊控制方法.该控制方法能够有效处理交通系统,算法简单,实现对高速公路的匝道调节率与可变限速的联合控制,保证车辆在高速公路上高效、安全运行.     

高速公路非线性反馈模糊逻辑匝道控制器

入口匝道控制是高速公路交通控制和智能运输系统的重要组成部分,但现有的入口匝道控制效果尚不理想.为此,本文提出一种非线性反馈方法用模糊逻辑进行入口匝道控制.建立了高速公路交通流动态模型,在此基础上,结合模糊逻辑理论设计了非线性反馈匝道控制器,根据密度误差和误差变化用模糊控制决定匝道调节率,模糊变量选用三角形隶属度函数,并制定了包含56条模糊规则的规则库,最后用MATLAB软件进行系统仿真.结果表明该控制器具有优越的动态和稳态性能,它能使高速公路主线交通流密度保持为设定的期望密度,该方法用在高速公路入口匝道控制中效果良好.     

高速公路RBF神经网络限速控制

针对高速公路限速控制是一个非线性时变系统、难以用数学模型准确建模这一特点,提出了RBF神经网络控制方法。阐述了RBF神经网络的结构和训练方法,根据高速公路主线上车辆数目以及路面状况、气象条件等信息,建立交通流速度控制RBF神经网络模型,并进行了仿真研究。该网络学习速度快、自适应强,泛化能力好,对交通流限速控制的在线建模具有重要意义。     

高速公路运营监督管理信息化实现与应用

随着社会经济的快速发展,高速公路作为社会经济发展的一项重要基础资源,运输需求日益增大,而如何对高速公路交通运营状态进行控制、监督和指导,如何对运营单位日常工作内容、工作情况进行监督管理。而本文就是在这一需求的基础上提出了一种高速公路运营监督管理信息化建设解决方案,并对该方案的实现提供了一种完整、科学、易于操作和控制的软件系统。本系统在实际应用中很好的服务于高速公路监控管理业务。     

基于粒子群算法的多匝道协调控制

高速公路入口多匝道协调控制是调节各个入口匝道进入到主线的交通量,从而使主线交通流处于最佳状态。由于多个入口匝道相互关联和相互影响,多匝道协调控制具有强的耦合性、非线性和时变性。针对上述问题,提出了一种基于系统分层和粒子群优化算法的控制方法。首先论述了高速公路多匝道系统的原理模型;然后阐述了多匝道协调控制系统的实现,系统由协调控制层和直接控制层组成,其中前者负责模型选择、参数调整和确定期望的密度轨迹,后者采用比例积分微分控制器实施控制,并引入粒子群算法对控制器的比例系数、积分系数和微分系数进行优化;最后进行了仿真实验。结果表明,当高速公路出现交通拥堵时,系统能够快速地消除拥堵,并使主线交通流趋于稳定。该方法为高速公路多匝道控制提供了一种切实可行的新途径。     

高速公路入口匝道模糊控制器的设计

入口匝道控制是高速公路控制中的重要内容,但目前在高速公路中使用的入口匝道控制方法的效果均不理想.本文提出使用模糊控制方法进行入口匝道控制的思路,并根据入口匝道控制的原理和模糊控制系统的设计步骤对模糊控制器进行了设计.选用上、下游时间占有率、车速及排队长度等五个模糊量为输入量,根据实际情况分别采用三角形和梯形隶属度函数,建立了包含12条模糊控制规则的规则库,并使用MATLAB工具进行系统仿真.结果表明该控制器用在高速公路入口匝道控制中具有良好的效果.     

高速公路匝道非线性反馈控制器的设计与仿真

提出了一种非线性方法设计高速公路入口匝道反馈控制器,非线性反馈控制器由高速公路交通流模型和比例积分调节器组成。阐述了入口匝道控制原理,建立了高速公路交通流模型,模型的流量—密度关系是非线性的,设计了高速公路匝道非线性反馈控制器模型。仿真结果表明非线性反馈控制器性能优越,它能使高速公路主线交通流密度保持为设定的期望密度,同时又能维持可接受的匝道服务水平。     

基于支持向量机的高速公路限速控制

提出用支持向量机回归方法实现高速公路限速控制,这是一个非线性系统建模问题。阐述了支持向量机回归算法,根据高速公路车辆群状态、路面性能、气象条件等,建立交通流速度限制支持向量机回归模型。仿真实验表明,支持向量机回归对小样本具有训练速度快、泛化能力好等优点。支持向量机回归方法为交通流限速控制的在线建模提供了一种切实可行的新思路。     

基于小脑模型关节控制器与PID复合的高速公路交通流密度控制

高速公路交通控制系统是一个复杂的非线性时变系统, 传统的匝道控制方法难以取得满意的控制效果. 为此, 本文提出基于小脑模型关节控制器(CMAC)与PID复合的匝道控制方法. 首先建立了二阶宏观动态交通流模型, 然后研究了CMAC与PID复合控制算法, 结合非线性反馈理论, 设计了基于CMAC与PID复合的高速公路交通流密度控制器, 该密度控制问题是一个输出跟踪和扰动抑制问题, 最后采用两个仿真实例对该方法的有效性进行验证. 结果表明, 复合控制具有优越的密度跟踪性能和抑制噪声干扰的能力; 复合控制方法能够有效地消除交通拥挤, 并使主线车流趋于稳定.     

基于模糊理论的高速公路递阶控制

将递阶结构和模糊控制用于高速公路多匝道的协调控制,协调控制器采用多输入-多输出的模糊控制方法协调确定相邻路段的匝道入口调节率;各路段根据协调控制器给定的匝道入口调节率,利用单匝道模糊控制器将系统状态保持在给定的标称点范围内。给出了分层控制系统的结构和控制算法,并在交通仿真软件PARAMICS上进行了仿真实现。仿真结果表明,该方法能够有效地消除交通拥堵,维持主线车流稳定。     

基于Adaboost集成RBF神经网络的高速公路事件检测

提出一种基于Adaboost集成RBF神经网络的高速公路事件检测方法。首先对高速公路事件检测原理进行分析,进行了相关的参数选择,确定了RBF神经网络的结构,然后采用改进的Adaboost方法集成RBF神经网络进行高速公路事件检测并给出了事件检测算法的步骤,最后进行了仿真实验,实验结果表明,该方法可以明显提高RBF神经网络性能(高检测率、低误报率),且具有较强的泛化能力,适宜高速公路事件检测。     

Iterative learning cont rol app roach f or ramp metering

An iterative learning control scheme is developed to the traffic density control in a macroscopic level freeway environment . With rigorous analysis , the proposed intelligent control scheme guarantees the asymptotic convergence of the traffic density to the desired one. The control scheme is applied to a freeway model , and simulation results confirm the efficacy of the proposed approach.     

高速公路交通问题中的多变量自校正控制

本文建立了高速公路车辆群时变参数模型，设计了入口匝道的多变量隐式自校正控制器，并将该结果应用于国内最长的高速公路－沈大公路计算机监控预案仿真实验，改变了目前国内外高速公路传统的确定性控制方式。