計(jì)算智能及其在城市交通誘導(dǎo)系統(tǒng)中的應(yīng)用研究.pdf

1、隨著社會(huì)經(jīng)濟(jì)的高速發(fā)展與城市化進(jìn)程的不斷加快，城市人口和機(jī)動(dòng)車輛日益增加，城市道路交通擁堵已經(jīng)成為世界大中城市普遍存在的現(xiàn)象，由此帶來(lái)的交通事故、能源浪費(fèi)以及環(huán)境污染等問題，不僅嚴(yán)重地制約著城市和社會(huì)經(jīng)濟(jì)的可持續(xù)發(fā)展，同時(shí)也嚴(yán)重地影響著城市居民的生活質(zhì)量。因此，運(yùn)用智能交通系統(tǒng)來(lái)解決日益嚴(yán)重的城市交通問題，已經(jīng)成為了交通工程未來(lái)發(fā)展的重要方向。
　　 本學(xué)位論文研究的交通誘導(dǎo)系統(tǒng)是智能交通系統(tǒng)中的重要子系統(tǒng)之一，它能夠有效地引導(dǎo)

2、車輛在路網(wǎng)中運(yùn)行，減少車輛在道路上的行駛時(shí)間，并最終實(shí)現(xiàn)交通量在整個(gè)路網(wǎng)中均勻分配。將自然科學(xué)的最新研究成果和工程技術(shù)的最新方法引入城市交通誘導(dǎo)系統(tǒng)，不僅有利于提高交通系統(tǒng)的運(yùn)行效率，而且關(guān)系到土地資源與能源的合理利用、環(huán)境污染與噪聲的改善，這對(duì)滿足社會(huì)需求、推動(dòng)國(guó)家和社會(huì)的進(jìn)步以及學(xué)科的發(fā)展，無(wú)疑都具有十分重要的意義。
　　 城市交通系統(tǒng)集成了人、車、路和環(huán)境等各種因素，具有高度的復(fù)雜性、時(shí)變性和不確定性。精確的數(shù)學(xué)模型和方法

3、難以有效解決復(fù)雜的現(xiàn)代城市交通問題，而計(jì)算智能是一種仿生計(jì)算方法，它從生物底層對(duì)智能行為進(jìn)行模擬和研究，拓展了傳統(tǒng)的計(jì)算模式，不需要建立問題本身的精確模型，具有智能性、并行性、自適應(yīng)性等優(yōu)點(diǎn)，為復(fù)雜問題的求解提供了卓有成效的解決途徑。
　　 因此，本學(xué)位論文依托重慶市科學(xué)技術(shù)委員會(huì)自然科學(xué)基金計(jì)劃項(xiàng)目——智能交通系統(tǒng)重點(diǎn)項(xiàng)目“城市交通路網(wǎng)擁堵動(dòng)態(tài)預(yù)警與疏導(dǎo)決策技術(shù)研究”(項(xiàng)目編號(hào)：CSTC,2006BA6016)，在總結(jié)該領(lǐng)域現(xiàn)

4、有研究成果的基礎(chǔ)上，引入新興起的計(jì)算智能理論，對(duì)交通誘導(dǎo)系統(tǒng)研究中應(yīng)解決的若干關(guān)鍵理論問題進(jìn)行了較為全面深入的研究，試圖解決目前城市交通誘導(dǎo)領(lǐng)域存在的一些疑難問題。
　　 本文主要的創(chuàng)新性工作如下：
　　 ①針對(duì)支持向量回歸機(jī)(SVR)的擬合精度和泛化能力取決于相關(guān)參數(shù)的選取問題，提出了基于災(zāi)變FS算法的SVR參數(shù)選擇方法，并應(yīng)用于交通流預(yù)測(cè)的研究。通過(guò)提出基于尖點(diǎn)模型的災(zāi)變策略來(lái)改進(jìn)FS算法的個(gè)體迭代位置選擇機(jī)制，以降

5、低設(shè)置搜索半徑的依賴性，從而擴(kuò)大搜索空間，提高全局搜索能力。對(duì)實(shí)測(cè)交通流量進(jìn)行滾動(dòng)預(yù)測(cè)實(shí)驗(yàn)，結(jié)果表明該方法優(yōu)化SVR參數(shù)是有效、可行的，與經(jīng)驗(yàn)估計(jì)法相比，得到的SVR模型具有更好的泛化性能和預(yù)測(cè)精度。
　　 ②針對(duì)基本蟻群算法存在容易陷入局部最優(yōu)解出現(xiàn)早熟停滯的缺點(diǎn)，提出了基于混沌選擇策略的蟻群算法，并應(yīng)用于城市交通路徑尋優(yōu)的研究。在基本蟻群算法的概率轉(zhuǎn)移中引入混沌擾動(dòng)的策略，以使解易于跳出局部極值區(qū)間，加快收斂速度。以重慶市渝

6、中半島的路網(wǎng)為實(shí)例計(jì)算以行程時(shí)間為目標(biāo)的最優(yōu)路徑，結(jié)果表明該算法獲得了較好的效果，與基本蟻群算法相比，提高了全局搜索能力。
　　 ③針對(duì)牛頓法初始值要求嚴(yán)格、易產(chǎn)生局部收斂并含有矩陣求逆的不足和粒子群算法存在收斂速度慢和局部最優(yōu)的問題，引入粒子間相對(duì)位置改進(jìn)基于抗體濃度的概率選擇公式，提出了一種帶免疫機(jī)理的粒子群算法，并將其用于由路段流量反推OD矩陣的極大熵模型求解研究。粒子不僅根據(jù)個(gè)體極值和全局極值更新速度和位置，而且按一定概

7、率以輪盤賭法選擇某個(gè)粒子進(jìn)行學(xué)習(xí)，以保持種群多樣性，降低了算法過(guò)早收斂于局部最優(yōu)解的幾率。以重慶市某交叉路口為實(shí)例進(jìn)行實(shí)驗(yàn)，粒子群算法求解成功率高于牛頓法，表明粒子群算法推算OD矩陣是一種行之有效的方法；而且，改進(jìn)的粒子群算法比基本粒子群算法和基本遺傳算法具有更好的全局尋優(yōu)能力。
　　 ④針對(duì)城市交通狀態(tài)的不確定性和模糊C均值聚類(FCM)算法存在的初值敏感性和局部搜索性問題，提出了基于混合蛙跳算法(SFLA)的模糊C均值聚類算

8、法(SFLA-FCM)，并應(yīng)用于城市交通狀態(tài)識(shí)別研究。SFLA-FCM使用SFLA的優(yōu)化過(guò)程代替FCM的基于梯度下降的迭代過(guò)程，有效地避免了FCM對(duì)初值敏感及容易陷入局部極小的缺陷。實(shí)驗(yàn)結(jié)果表明，與FCM相比，SFLA-FCM在收斂速度和精度上均有所提高，結(jié)果更為合理、穩(wěn)定；而且，能夠有效地對(duì)交通狀態(tài)進(jìn)行識(shí)別，為交通狀態(tài)實(shí)時(shí)識(shí)別提供了一個(gè)新的研究思路。
　　 總之，本文對(duì)計(jì)算智能的理論和方法在城市交通誘導(dǎo)系統(tǒng)領(lǐng)域的應(yīng)用進(jìn)行了較為