智能計算方法在城市交通中的應(yīng)用與交通流建模研究.pdf

1、本文以城市交通為研究對象，包含兩個部分的研究內(nèi)容：一是智能計算在城市交通中的應(yīng)用研究，內(nèi)容涉及基于智能計算的城市交通流控制與短期城市交通流預(yù)測模型；二是交通流建模研究，內(nèi)容涉及基于氣體動力學(xué)的交通流模型研究。 交通流運(yùn)動具有隨機(jī)性、離散性及較強(qiáng)的非線性。模糊控制、神經(jīng)網(wǎng)絡(luò)等現(xiàn)代人工智能技術(shù)，可以使人們在不表達(dá)交通系統(tǒng)精確模型的情況下，通過對問題的歸納與并行處理，為交通控制和交通管理提供依據(jù)。與此同時，由于計算機(jī)科學(xué)，尤其是

2、計算機(jī)模擬技術(shù)的發(fā)展，可以使人們克服復(fù)雜數(shù)學(xué)推導(dǎo)的困難，從而使傳統(tǒng)的數(shù)學(xué)與物理方法建立可靠交通流模型的研究與應(yīng)用成為可能。 本論文在廣泛查閱各類文獻(xiàn)的基礎(chǔ)上，分別從上述兩方面開展工作，符合當(dāng)前交通流理論的研究方向，是交通流理論當(dāng)前研究的熱點(diǎn)與難點(diǎn)。論文的主要內(nèi)容與創(chuàng)新點(diǎn)包括： 1、以城市中心地帶主干道典型的交叉路口為研究對象，提出了一種基于模糊邏輯的城市交叉口信號燈控制器，該控制器的設(shè)計思想基于誤差閉環(huán)控制理論，在交通流

3、中引入誤差變化率概念，從而更為真實(shí)的反應(yīng)了交警的人工智能活動。提出的控制策略具有很強(qiáng)的魯棒性與抗系統(tǒng)時變性特點(diǎn)，可有效的提高交叉口相關(guān)區(qū)域內(nèi)的道路使用率。 2、將基于誤差閉環(huán)控制的城市道路交叉口模糊控制器以神經(jīng)網(wǎng)絡(luò)的方法實(shí)現(xiàn)。設(shè)計研究的模糊神經(jīng)網(wǎng)絡(luò)控制器把神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和計算功能帶到模糊系統(tǒng)中，也可把模糊系統(tǒng)的思維規(guī)則和推理嵌入到神經(jīng)網(wǎng)絡(luò)中，引入模擬退火算法訓(xùn)練網(wǎng)絡(luò)，使模糊控制器能夠自行調(diào)整隸屬度函數(shù)，彌補(bǔ)了模糊控制的不足，同時

4、提高了網(wǎng)絡(luò)的性能。 3、進(jìn)行了城市主干道多交叉口神經(jīng)模糊控制器的研究與仿真，提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)的新型城市道路多路口協(xié)調(diào)控制系統(tǒng)。該控制系統(tǒng)提取了“綠波帶”的知識方法，并用模糊神經(jīng)網(wǎng)絡(luò)的方法實(shí)現(xiàn)，可以在設(shè)定的時段內(nèi)自動對交通流各類信息進(jìn)行匯總與統(tǒng)計，實(shí)時輸出優(yōu)化的城市干線交通控制協(xié)調(diào)控制配時方案。仿真研究表明，該控制系統(tǒng)可以充分利用交叉口空閑時空，使交通流以理想的飽和度值整體通過交叉路口，說明了模糊神經(jīng)網(wǎng)絡(luò)方法是解決城市交

5、通大系統(tǒng)控制問題的一種有效方法。 4、提出了一種基于粒子群優(yōu)化(PSO)的RBF城市短期交通流預(yù)測模型。該模型以多輸入單輸出的RBF網(wǎng)絡(luò)為結(jié)構(gòu)，通過粒子群優(yōu)化算法對網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，結(jié)構(gòu)簡單，訓(xùn)練簡潔，學(xué)習(xí)收斂速度快，特別適合于城市短期交通流的預(yù)測。PSO采用實(shí)數(shù)編碼，網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計可以表示為結(jié)構(gòu)空間的搜索問題，對神經(jīng)網(wǎng)絡(luò)的約束條件可以很少，網(wǎng)絡(luò)的隱節(jié)點(diǎn)可以具有不同的變換函數(shù)，甚至網(wǎng)絡(luò)也可以不必嚴(yán)格分層或全連接，與遺傳算法相比簡單易實(shí)現(xiàn)

6、。 5、提出的神經(jīng)樹預(yù)測模型是一種新型的城市短時交通流預(yù)測模型。該模型的設(shè)計依據(jù)是靈活的神經(jīng)樹模型(Flexible Neural Tree model，F(xiàn)NT)，基于預(yù)先定義的指令集而產(chǎn)生的FNT模型允許選擇不同的輸入，還可以跨層連接，不同節(jié)點(diǎn)也可以有不同的激勵函數(shù)，因此可以看作是一種不規(guī)則的多層神經(jīng)網(wǎng)絡(luò)。依據(jù)FNT思想，本文提出了改進(jìn)的PIPE(Probabilistic Incremental ProgramEvolut

7、ion Algorithm)學(xué)習(xí)算法，并將FNT用于交通流預(yù)測，建立了交通流的FNT預(yù)測模型。仿真結(jié)果表明，該模型效果理想。研究中同時指出：優(yōu)化FNT的過程即是優(yōu)化拓?fù)浣Y(jié)構(gòu)的過程也是選擇輸入變量的過程，因此在結(jié)構(gòu)上更加靈活，性能上更加智能，在交通流預(yù)測模型領(lǐng)域進(jìn)一步研究的價值較高。 6、本文交通流建模的研究基于氣體分子動力學(xué)交通流模型。由氣體分子動力學(xué)交通流模型方程取零階近似，可以推導(dǎo)出Euler型交通流控制方程，取一階近似可

8、以推導(dǎo)出Navier-Stokes型交通流控制方程。Navier-Stokes型宏觀控制方程由氣體分子動力學(xué)交通流模型針對“碰撞項(xiàng)”在微觀建模，具有豐富的物理內(nèi)涵。但迄今為止，大多數(shù)基于宏觀控制方程的數(shù)值模擬都是針對Euler型交通流控制方程，這主要是因?yàn)镹avier-Stokes型交通流控制方程更加復(fù)雜且有更多的非線性特性，因此在數(shù)值模擬過程中更容易導(dǎo)致不穩(wěn)定。本文將研究的側(cè)重點(diǎn)放在Navier-Stokes型的交通流控制方程上。在經(jīng)

9、典的氣體分子動力學(xué)理論中，弛豫時間f通常被認(rèn)為是常數(shù)。Helbing將弛豫時間r與車輛密度p關(guān)聯(lián)起來，本文對這一理論進(jìn)行了改進(jìn)和補(bǔ)充。通過觀察實(shí)際物理現(xiàn)象，將弛豫時間項(xiàng)r與密度和速度聯(lián)系起來，通過算例表明，本文的改進(jìn)能夠增強(qiáng)Navier-Stokes型控制方程在高密度車流狀況下的穩(wěn)定性。本文還對氣體分子動力學(xué)交通流模型作了穩(wěn)定性分析，從理論分析的角度證明了本文對于弛豫時間項(xiàng)r的改進(jìn)可以增強(qiáng)控制方程的穩(wěn)定性，并建議將max(-minReω