交通流状态辨识系统集成研究

交通流状态辨识是智能运输系统,尤其是其先进的交通管理系统和先进的出行者信息系统研究的一项重要内容。对道路交通流状态进行分析研究,深入挖掘交通流动态信息,及时、准确地辨识未来和实时交通流状况,是制定正确诱导和控制措施的一个重要前提。根据我国制定的"国家智能运输系统体系框架",以动态交通管理为基本思想,构建了交通流状态辨识系统框架。介绍了在交通流状态辨识中所采用的一些新技术,利用实测数据以及交通仿真系统VISSIM的模拟数据分别对所建立的算法进行验证,结果表明本文所建立的算法和模型具有较好的性能,为交通流状态辨识提供了新的研究方法。     

宏观交通流模型的自适应迭代学习辨识策略

城市路网交通流系统具有很强的随机性和时变性，单一固定的交通流模型难以准确地描述城市路网的实际运行情况，在考虑交通流稳态和动态特性的基础上，提出了一种含有未知时变多参数的非线性宏观交通流模型，并针对交通流固有的重复性特征，设计了一种时变多参数的自适应迭代学习辨识策略。在有限时间区间内，利用迭代学习辨识策略将参数辨识问题转化为最优跟踪控制问题，使交叉口各进口道的排队车辆数均趋于真实值，利用去伪算法的实时自适应能力调整迭代学习辨识策略的学习律增益，提高辨识策略的抗干扰能力。通过严格的数学理论推导证明了该算法的收敛性，最后采用基于模型的控制方法进行仿真实验，进一步验证了该方法的有效性。     

城市快速路实时交通流运行安全主动风险评估

基于上海市快速路系统采集的线圈检测器数据和事故数据,应用贝叶斯网络(BN)模型对快速路实时交通流参数与事故风险进行建模分析,并利用可有效应对缺失数据的高斯混合模型和最大期望算法分别对BN模型输入和参数进行估计,进而主动评估快速路实时交通流运行安全风险,并对事故状态提前做出预警.分别对可能事故点前后2组检测器和4个时间段的8组交通流数据进行了建模,结果表明使用事故发生地点上下游各一个检测器在事故发生前5~10min内的交通流数据建立的BN模型效果最好,事故预测准确率为76.94%.最后不仅与朴素贝叶斯分类、K近邻、反向传播(BP)神经网络等经典事故风险估计算法进行了对比分析,还与现有的实时风险评估成果进行了对比,结果表明BN模型预测效果最好.     

一种基于动态贝叶斯模型的大型IP网络故障诊断方法

为了提高IP业务的服务质量,利用告警等症状和已有知识快速准确地定位根故障十分重要。基于贝叶斯网络的不确定推理方法是近年来广泛应用的一种故障诊断方法。目前,基于静态贝叶斯网络的故障定位只是利用当前信息进行故障诊断,无法处理时间信息;而已有基于动态贝叶斯网络的诊断算法复杂度太高,不适用于大型网络。本文针对大型IP网络,建立用于故障诊断的动态贝叶斯模型,并对基于动态贝叶斯网络的一种通用的精确算法进行改进,实验证明它能够对大型IP网络快速准确的定位故障。本文方法充分利用告警库中的历史数据和当前症状信息,对当前的系统状态进行估计,完成故障诊断。     

基于贝叶斯网络的卫星姿态控制系统健康评估

结合专家知识和数据建立卫星姿态控制系统贝叶斯健康评估网络,考虑卫星在轨存在多种工作模式,利用样本数据建立和存储典型工作模式下的健康评估网络,提高实时健康评估网络的建模效率,同时利用实时数据实时更新贝叶斯健康评估网络结构和参数,以提高评估结果的准确性.仿真结果显示该方法能根据卫星姿态控制系统的实时数据准确推理出系统的实时健康状态,具有一定的可行性和有效性.     

自动电压控制中不良数据的辨识

自动电压控制(AVC)系统由于缺乏对发电厂遥测量数据真实性的有效和准确辨识,容易引起装置误动.支持向量机(SVM)是一种具有优良模式识别性能的数据挖掘方法.文中利用SVM建立发电厂遥测量不良数据的辨识模型:首先应用SVM非线性回归对各种运行情况下发电厂的遥测量数据进行曲线拟合,然后应用SVM训练分类网络.将实时遥测量数据输入到训练好的曲线拟合网络和分类网络中,就能够迅速判断该遥测量数据是否为不良数据.仿真算例验证了SVM模型的有效性和准确性.     

基于回声状态网络模型的短时交通流混沌预测

为了提高短时交通流预测的准确度,提出基于回声状态网络模型的短时交通流混沌预测方法;利用C-C法计算相空间重构的延迟时间和嵌入维数;利用遗传算法对回声状态网络模型进行参数寻优,进而构建基于遗传算法的回声状态网络模型;采用城市快速路实测数据进行实验验证和对比分析.结果表明,所提出方法的预测效果明显优于支持向量机模型、小波神...     

基于在线时延辨识的网络控制系统调度

基于在线网络时延的辨识方法,提出一种对网络控制系统的周期信息、非周期信息和消息的实时动态调度算法.所提出的利用一种滤波器的辨识方法能够实时在线辨识网络时延,而且基于该时延辨识的调度算法能够动态地调整采样周期和分配带宽,并保证系统的性能和提高网络资源的利用率.仿真实例说明了辨识方法的有效可行性.     

液粘测功机系统辨识研究

为了改进液粘测功机的性能,设计液粘测功机的电液控制系统时希望得到液粘测功机准确的数学模型.利用系统辨识方法研究了液粘测功机系统的动态特性,首先辨识出线性子系统的模型,然后考虑系统的非线性,采用二阶无记忆非线性增益的Hammerstein模型对线性辨识结果进行了校正,得到了液粘测功机系统动态特性的传递函数,并用试验数据加以验证.试验结果表明,辨识模型可以较好地表征液粘测功机系统的特性.     

基于多层前传网络的异步电机转子磁链和转速辨识

文章利用多层前传网络对异步电机转子磁链和转速进行直接辨识,多层前传网络具有良好的函数逼近能力,利用误差反传算法对多层前传网络进行训练,使神经网络准确地反映电机转子磁链和转速,在此基础上建立了一个异步电机矢量控制系统.系统仿真结果表明,这种方法能较好地辨识电机转子磁链信号和转速,系统具有良好的动态性能.     

城市快速路实时交通状态估计和行程时间预测

根据城市快速路交通诱导和监控系统的实际需要,提出了实时估计和预测城市快速路上交通状态和任意两点间动态行程时间的方法.其基本思想是将扩展卡尔曼滤波理论引入宏观动态交通流模型,结合快速路上的固定检测设备,实时估计和预测未来几个时段的交通状态,并利用“虚拟车”法预测动态的行程时间.通过对上海市快速路典型实测数据的实例分析,发现交通状态估计模型具有良好的跟踪能力,行程时间预测模型在畅通状态计算结果和实测结果几乎完全重合,拥挤状态相对误差基本维持在10%以下.结果表明,该模型的适用性和精度都令人满意,可为城市快速路交通控制和诱导提供依据.     

基于神经网络的交通流的预测

在简要介绍智能系统中交通流的实时检测设备的基础上 ,为满足交通流诱导系统的理论需要 ,建立了实时交通流量神经网络预测模型。该模型为交通流诱导系统提供了预测交通状况的一种很好的方法     

基于现实与虚拟交互的交通流再现实验方法

面向连续与间断交通流实验系统框架,利用现实交通流的观测数据,在实验框架的虚拟环境中建立交通流的非参数模型,通过虚拟框架的贝叶斯学习再现与现实等价的实验交通流.选取更为复杂的信号控制交通流场景对该实验方法进行验证.结果表明,该方法在一定精度内可以近似再现信号控制交通流.     

交通流的混沌特性分析及其预测

实时准确的短时交通流预测是智能交通系统中实现交通控制和诱导的关键技术之一.首先,采用饱和关联维数法和互信息量法对交通流时间序列的嵌入维数和延迟时间进行计算,并根据计算结果对交通流时间序列进行相空间重构;然后,采用wolf方法计算其最大Lyapunov指数,并对其进行功率谱分析,结果表明,交通流时间序列具有噪声;最后,分别采用基于BP神经网络和RBF神经网络的预测模型对交通流时间序列进行预测,结果表明,2种模型对短时交通流均能较好预测,但后者的预测精度较高,预测速度较快.嵌入维数;延迟时间;相空间重构;BP神经网络;RBF神经网络     

平交路口多相让自适应控制的实时OD递算模型

平面交叉口多相位自适应信号控制需要依据其进口道实时OD流量设置配时参数,以适应变化的交通需求．为此,笔者建立了描述平面交叉口动态交通需求的多变量动态线性模型及其递推算法．该模型基于交叉口进出口断面的流量观测数据,以进口道的分流概率矩阵为状态参数,利用贝叶斯预测方法,对时变OD矩阵进行联线估计．对一特定的T型交叉口交通状态的计算机仿真表明该模型和算法具有较好的精度,能用于交叉口多相位自适应信号控制．     

车路协同环境下信号交叉口车速引导策略

为降低车辆需停车通过信号交叉口的可能性,减少停车时间,针对在三、四线城市交叉口区域实时的车辆排队长度数据不易或无法获得这一实际情况,提出车路协同环境下的车速引导策略。搭建了车载交通灯提醒系统,并对安徽省芜湖市衡山路-凤鸣湖北路交叉口的交通灯进行了数据采集。在实际数据的基础上,运用VISSIM软件进行仿真验证,结果表明,在高峰和平峰流量时车速引导策略均能有效降低单车行程时间,平均降低比率分别为9.2%和13.0%,且改善效果在平峰流量时优于高峰流量时。该车速引导策略提高了信号交叉口的交通效率,为车路协同环境下车速引导的实际有效运用提供了思路。     

基于离散时间贝叶斯网络的动态故障树分析方法

提出了一种基于离散时间贝叶斯网络的动态故障树分析方法．首先给出优先与门、顺序相关门、备件门、功能相关门等动态逻辑门向离散时间贝叶斯网络的转化方法，在得到动态故障树对应的离散时间贝叶斯网络之后，再利用贝叶斯网络推理算法计算、诊断和预计顶事件概率、重要度等常规分析结果．对数字飞控计算机系统进行的分析表明，该方法能够保证较高的求解精度，其相对误差均保持在0．4%以内，而且易于扩展到多态和非确定性逻辑关系的情形．     

基于LS-SVM的交通流组合预测模型

智能交通系统是目前世界上公认的解决城市交通拥堵问题的最佳措施,而实时准确地交通流量预测则是实现智能交通系统和智能交通诱导控制的重要依据.针对城市交通"智能运输系统"和交通流的特性,在多元线性回归、支持向量机和改进的BP神经网络等三种预测模型的基础上,提出了基于最小二乘支持向量机方法的交通流组合预测模型.实验预测结果表明该组合预测模型具有较高的预测精度,为交通流量提供了一个更好的预测模型.     

多用户动态交通流分配模型及算法研究

通过对动态交通网络中瞬时反应型和预测型出行者行为假设的分析,提出了将两者结合并增加固定路线出行行为假设的多用户动态交通流分配模型.同时通过对动态交通网络出行者行为的相互制约特性分析,给出了求解上述模型的迭代算法.本模型拓展了以往构建模型中出行者行为的单一性假设.本模型及算法也可直接应用于先进的出行者信息系统,并为路径导行系统中网络的效益分析提供理论依据.