Traffic chaos and its prediction based on a nonlinear car-following model

This paper discusses the dynamic behavior and its predictions for a simulated traffic flow based on the nonlinear response of a vehicle to the leading car's movement in a single lane.Traffic chaos is a promising field,and chaos theory has been applied to identify and predict its chaotic movement.A simulated traffic flow is generated using a car-following model(GM model),and the distance between two cars is investigated for its dynamic properties.A positive Lyapunov exponent confirms the existence of chaotic behavior in the GM model.A new algorithm using a RBF NN (radial basis function neural network) is proposed to predict this traffic chaos.The experiment shows that the chaotic degree and predictable degree are determined by the first Lyapunov exponent.The algorithm proposed in this paper can be generalized to recognize and predict the chaos of short-time traffic flow series.     

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。     

基于最大Lyapunov指数的交通流仿真数据混沌状态识别

利用交通流模型产生交通流时间序列：再利用Lyapunov指数的矩形阵算法，计算出交通流时间序列的最大Lyapunov指数。由于Lyapunov指数是定量描述混沌吸引子的重要指标，可根据Lyapunov指数对混沌序列的辨别原理，进而识别该由基于模型的动力系统是否处于混沌状态。     

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...     

混沌系统最大Lyapunov指数估计新方法研究

Lyapunov指数是定量描述混沌系统的重要指标。本文提出一种基于混沌同步的最大Lyapunov指数估计方法,通过构造反馈控制耦合混沌同步系统,应用混沌同步条件,估计原系统最大Lyapunov指数即为满足两耦合系统达到同步的最小控制增益。以Lorenz混沌和静摩擦Duffing振子为仿真对象,仿真结果验证了方法的有效性。     

基于混沌理论进行股票市场的多步预测

提出一种基于混沌理论进行股票价格多步预测 的方法．只需要考虑系统是否混沌,然后依据混沌理论给出了进行股票价格多步预测明确的 最大时间尺度．对于其它复杂非线性系统的多步预测同样具有指导意义．     

混沌一支持向量机回归在流量预测中的应用研究

为了提高流量预测准确性,将混沌理论和支持向量机回归应用于网络流量预测.采用相空间重构理论计算实际流量的延时、嵌入维数和Lyapunov指数,证实网络流量存在混沌现象;据此建立混沌-支持向量机预测模型并确定训练样本对,对实际网络流量教据进行预测.结果表明,该方法能有效地进行流量预测,相对于BP神经网络方法,该方法具有更好的预测精度.     

强迫布鲁塞尔振子动力学行为和全局指数同步的数值仿真

用Matlab软件数值模拟了系统分歧和混沌等的动力学行为发生的全过程,基于最大Lyapunov指数谱、分岔图、庞加莱截面以及功率谱和返回映射等仿真结果揭示了此系统混沌行为的普适特征.采用线性反馈同步控制方法实现该系统的全局指数同步.用Lyapunov第二方法从理论上证明了该同步方法的有效性.同时对同步系统进行仿真,验证了方法的有效性.     

低分辨率小规模网络流量数据的混沌特性鉴别

使用非线性时间序列分析方法,对低分辨率采样的小规模网络流量数据进行混沌特性分析。给出了网络流量数据的平滑策略,计算了网络流量数据的最大Lyapunov指数,并对流量数据与噪声序列加以区分,从不同角度验证了小规模网络流量数据具有低维混沌特性。为采用混沌方法研究网络流量行为特性奠定了基础。     

交通流量小波神经网络多步预测研究

针对交通流量混沌时间序列多步预测的问题,提出了一种基于混沌机理的小波神经网络(WNN)快速学习算法.通过将混沌理论和小波分析相结合,建立了交通流量时间序列WNN模型;阐述了混沌学习算法的机理,设计了交通流量WNN混沌时间序列自适应学习算法.仿真试验结果表明,该算法的多步预测性能明显优于应用BP网络和非混沌算法的小波神经网络.     

Chaotic time series method combined with particle swarm optimization and trend adjustment for electricity demand forecasting

Electricity demand forecasting plays an important role in electric power systems planning. In this paper, nonlinear time series modeling technique is applied to analyze electricity demand. Firstly, the phase space, which describes the evolution of the behavior of a nonlinear system, is reconstructed using the delay embedding theorem. Secondly, the largest Lyapunov exponent forecasting method (LLEF) is employed to make a prediction of the chaotic time series. In order to overcome the limitation of LLEF, a weighted largest Lyapunov exponent forecasting method (WLLEF) is proposed to improve the prediction accuracy. The particle swarm optimization algorithm (PSO) is used to determine the optimal weight parameters of WLLEF. The trend adjustment technique is used to take into account the seasonal effects in the data set for improving the forecasting precision of WLLEF. A simulation is performed using a data set that was collected from the grid of New South Wales, Australia during May 14–18, 2007. The results show that chaotic characteristics obviously exist in electricity demand series and the proposed prediction model can effectively predict the electricity demand. The mean absolute relative error of the new prediction model is 2.48%, which is lower than the forecasting errors of existing methods.     

基于秩一摄动理论配置Lyapunov指数的新方法

本文提出一种混沌控制与反控制的新算法。利用秩一摄动理论精确摄动离散受控系统矩阵的特征值,来配置Lyapunov指数。新算法完全吻合混沌的Lyapunov指数判据。既能更准确地配置正的Lyapunov指数,又能配置传统算法无法获得的负Lyapunov指数。仿真结果显示了新算法的有效性。     

Using chaotic maps for 3D boundary surveillance by quadrotor robot

Chaotic maps have been shown to be suitable for applications that require unpredictable behavior. In this paper, the chaotic maps are used for motion planning and control of a quadrotor for boundary surveillance purposes. The chaotic motion would prevent anticipation of the future movement of the quadrotor, especially in hostile situations where an intruding opponent exists. The chaotic trajectories are constructed based on a closed three-dimensional curve representing the boundary. It is demonstrated that the proposed algorithm for 3D planning generates chaotic paths by investigating the Lyapunov exponents. The desired unpredicted trajectory is used as input to an under-actuated control system. The performance of the algorithm is shown by simulation of the control system applied to the dynamic model.     

改进最大 Lyapunov指数的瓦斯时间序列预测研究

针对混沌理论中基于最大Lyapunov指数预测瓦斯浓度过程中符号不确定的问题,在简化的C-C方法重构瓦斯浓度时间序列的相空间和Wolf方法计算最大Lyapunov指数谱的基础上,引入加权局域的思想优化瓦斯浓度预测模型。仿真结果表明：加权局域点个数为5时,改进预测算法最优,且比传统Lyapunov指数预测更精确。     

混沌吸引子及FPGA实现

提出了一个混沌系统,并利用理论和数值仿真的方法对系统的基本特性进行了分析。通过Lyapunov指数谱和分岔图,对系统在混沌、拟周期和周期轨之间的转换进行了分岔分析。为验证系统的混沌行为,在Matalab的Simulink下,利用DSP Builder设计了一个电路,并把它转换成VHDL语言程序,利用Quartus II下载到硬件电路中进行了实验,实验结果与计算机仿真结果完全一致。提出了一种基于FPGA平台和EDA开发工具的实现混沌吸引子的新方法。     

基于双曲正弦函数的四翼忆阻混沌系统及其FPGA实现

采用双曲正弦函数忆阻器作为正反馈项,设计了一个具有4个翅膀的四维混沌模型。首先利用四阶龙格库塔算法对该系统进行数值求解,对系统的稳定性进行了分析,发现系统只有一个平衡点且为鞍点。对系统进行动力学分析,绘制了随系统参数变化的Lyapunov指数和分岔图,计算了系统的Lyapunov维数,得到了系统随参数变化时运动状态的变化情况,发现系统存在周期和混沌等多种运动形态。最后,利用FPGA设计了一个混沌电路系统,用示波器观察结果,发现与数值结果基本一致,为忆阻混沌系统在通信中的应用奠定了基础。     

Nonlinear analysis and control of the uncertain micro-electro-mechanical system by using a fuzzy sliding mode control design

This study analyzes the chaotic behavior of a micromechanical resonator with electrostatic forces on both sides and investigates the control of chaos. A phase portrait, maximum Lyapunov exponent and bifurcation diagram are used to find the chaotic dynamics of this micro-electro-mechanical system (MEMS). To suppress chaotic motion, a robust fuzzy sliding mode controller (FSMC) is designed to turn the chaotic motion into a periodic motion even when the MEMS has system uncertainties.     

基于马尔科夫链理论的改进的最大Lyapunov指数混沌预测法

针对很多文献都一直规避的基于最大Lyapunov指数的混沌预测会出现两个预测值的问题,引入马尔科夫链改进最大Lyapunov指数的混沌预测方法。改进的方法将时间序列的斜率作为状态变量,并根据马尔科夫链建立状态转移矩阵,判定预测值演化方向,进而根据混沌动力学系统的演化规律选择最优的预测值。最后利用渝武高速公路的交通流数据进行验证,结果表明了改进算法的可行性和有效性。     

单路口低饱和交通流的多相位混沌控制仿真研究

交通流是一个复杂的动态非线性系统,有时会出现混沌现象,混沌交通流的表现形式是交通无序状态。对混沌交通流,模糊控制受其原理限制,缩短延误时间的控制效果不佳。本文以低饱和交叉口信号控制问题为研究对象,提出了针对混沌交通流的实时混沌引导控制方法,并设计了相应的混沌控制器。利用MATLAB软件完成的仿真表明,混沌引导控制能将无序的交通流有序化,降低延误,增大道路通行能力,其效果优于模糊控制。