SWARM 算法在高速公路入口匝道控制中的应用

交通运输业是国民经济中具有全局性和先导性的基础产业.高速公路作为现代化交通基础设施,以其通行能力大、行车速度高的显著特点,成为适应现代产业发展需要的骨干运输方式和重要通道.高速公路的交通控制是高速公路完善程度的重要标志,入口匝道控制则是高速公路控制系统的重要内容,本文介绍了高速公路入口匝道控制系统,包括入口匝道控制的基本原理和典型的控制方法, 并给出了高速公路入口匝道控制系统结构图.SWARM算法在高速公路入口匝道控制中的应用,它以高速公路主线交通流为控制对象,以入口流量为系统的输入控制量,通过计算匝道上游交通需求与下游道路容量差额来寻求最佳匝道入口流量控制,从而使高速公路本身交通需求不超过它的容量,使高速公路主线交通流处于最佳状态.     

基于PID神经网络的快速路入口匝道控制

鉴于神经网络具有良好的非线性特性,学习能力以及自适应能力,本文将神经网络控制与快速路入口匝道控制结合起来,提出了一种基于PID神经网络的入口匝道的协调控制方法。仿真结果表明,较之于ALINEA控制,该方法能更好地稳定快速路的主线交通流密度。     

基于遗传算法的高速公路网入口匝道优化控制

为了实施高速公路路网交通流的优化控制,采用MATANET模型进行路网交通流建模,应用非线性最优控制方法,构造了路网入口匝道的协调控制模型. 该模型应用全局实时交通数据,以缩短行程时间和减少入口匝道排队长度为控制目标,能够提高交通运行效率和有效处理偶发性拥挤. 针对模型的非线性,应用遗传算法对性能指标进行优化,探究不同性能指标的优化对路网交通运行状况的影响. 以南京市周边高速公路路网作为应用实例,验证了所研究模型与优化方法的可行性.     

客货分离式高速公路主线与匝道协同控制算法研究

为保障高速公路的高效运行,提出适用于客货分离式高速公路主线与匝道协同控制算法.选取被广泛应用的ALINEA模型作为匝道控制的基本模型,再依据高速公路主线上下游交通流的变化进行入口匝道调节,确保入口匝道下游主线的占有率接近期望占有率,使高速公路主线在接近最大交通容量时充分考虑主线上游交通量对匝道调节率的影响,从而实现主线与匝道协同控制.利用Vissim软件进行仿真,结果表明,在运行效率方面,采用协同控制策略的客货分离形式高速公路优于传统ALINEA控制策略的客货分离式高速公路,远优于客货混行、无控制策略的高速公路.     

高速公路交通流的RBF神经网络建模

在对城市高速公路交通流模型深入研究的基础上 ,针对在不同环境以及时变系统中对复杂非线性大系统的控制 ,提出了一种改进的快速 RBF神经网络算法对交通流进行建模 ,克服了传统的数学模型对交通非线性大系统建模时泛化能力差的缺陷 .该算法是采用 APC- 单路径聚类算法确定 RBF神经网络结构参数的一种快速 RBF神经网络算法 ,网络训练速度快 ,效果良好 ,对实现交通流的在线建模与控制有重要意义 .文中进行了计算机仿真研究 ,结果表明了方法的有效性     

入口匝道衔接区域交通流运行机理解析

由于对交通流运行和演变机理解析不足,从而导致入口匝道管理和控制策略缺乏针对性和实际可操作性,采用波动理论方法建立数学模型,分析不同匝道和主线上游流量条件下,合流区、匝道合流区上游、合流区下游及匝道等处的交通流运行状态和交通流的演变规律,解析入口匝道无控制时拥堵的形成和传播机理,从而为相关管理和控制策略的提出和优化提供理论支持.实例分析表明,衔接区域交通流运行规律与实际交通流运行符合较好.     

结合部区域入口匝道协调控制模型

针对进出城市的高速公路与关联城市快速路(简称结合部区域)交通拥堵日益恶化的现象,以结合部区域为研究对象,从结合部区域的匝道控制影响因素分析入手,建立了一种适用于结合部区域的单点入口控制模型和多入口匝道协调控制模型,以京津塘高速公路与北京市三环、四环的结合部区域为例,以实地调研及交通流检测数据为基础,通过仿真验证其有效性,为匝道协调控制实际应用提供理论方法.     

城市快速路入口匝道控制研究综述

入口匝道控制是城市快速路交通缓堵的重要手段。为全面了解其研究现状及发展趋势，回顾了入口匝道控制自提出以来近60 年的发展历程，系统梳理了入口匝道控制逻辑与类别，聚焦入口匝道控制的方法论演进。 研究发现： 入口匝道控制范围从局部最优向全局最优发展；入口匝道控制对象由宏观交通流控制向微观车辆控制发展；入口匝道控制的建模方法从确定、均质和静态等模型假设向考虑交通流随机性、异质性和动态性方向发展；入口匝道控制的求解方法分为数学推导和搜索算法两类，在收敛性和普适性方面各具优势。最后，分析了入口匝道控制研究现状，并指出了未来4 个重要研究方向，包括宏观与微观交通流协同控制、入口匝道控制的抗干扰与自恢复能力提升、大规模快速路网控制的高效可靠求解，以及网联环境下的智能控制技术实现。     

高速公路入口匝道控制器设计

为了缓解高速公路交通拥堵问题,对强非线性、随机性和不确定性高速公路数学模型进行分析,提出了一种利用模糊PID控制匝道的方法.该方法依据密度偏差及偏差变化实时修正匝道控制参数,调节进入高速公路的车辆数,从而使高速公路的主线车流密度处于理想状态.结果表明,该控制器较具有较好的动态性能,可以使高速公路交通流密度处于期望密度,提高道路使用效率.     

高速公路交通流RBF神经网络建模

在对城市高速公路交通流模型深入研究的基础上,针对在不同环境以及时变系统中对复杂非线性大系统的控制,提出了一种改进的快速ＲＢＦ神经网络算法对交通流进行建模,克服了传统的数学模型对交通非线性大系统建模时泛化能力差的缺陷,该算法是采用ＡＰＣ－Ⅲ单路径矛类算法确定ＲＢＦ神经网络结构参数的一种快速ＲＢＦ神经网络算法,网络训练速度快,效果良好,对实现交通流的在线建模与控制有重要意义,文中进行了计算机仿真研究,     

基于模糊神经网络的信号交叉口交通量预测

预测精度高,实时性强的交叉口交通量预测算法可以极大地提高城市交通控制的效率。文中提出了基于模糊神经网络的信号交叉口交通量预测方法。该方法以模糊神经网络为核心,应用在线滚动学习模型实现交叉口交通量预测,并应用了交通量微观仿真系统对模型进行检验,仿真结果表明该模型比传统方法精度高,收敛速度快。本模型在城市交通控制系统研究中有巨大的应用潜力。     

降雨条件下城市快速路车速模糊神经网络预测方法

为了提高降雨条件下快速路车速短时预测的准确性,考虑到各影响因素的模糊性以及影响作用非线性变化特点,提出了一个以交通量、占有率和降雨量为输入,以车速为输出的模糊神经网络预测方法.利用上海市快速路的交通流与气象数据确定了最优模型结构,并与自回归积分滑动平均模型、反向传播神经网络模型和支持向量机模型进行对比分析.该方法的预测均方根误差为3.05km·h-1,预测平均误差为3.95%,均优于其他3种方法.     

红绿灯控制专家规则及其神经网络实现

在对红绿灯控制系统中专家规则进行分析的基础上，提出了这些规则的模糊数学实现模型，并给出了该模型的神经网络结构及算法。实验表明，该方法用于实时控制是有效的     

高速公路动态交通流的神经网络模型

通过对高速公路宏观动态交通流模型的分析，提出了动态交通流的神经网络模型。结合交通调查数据，利用仿真和优化技术对神经网络进行训练，从而获得了比较准确的描述交通流真实行为的模型，仿真结果结果，该神经网络模型具有令人满意的效果。     

基于遗传算法径向基神经网络的交通流预测

为提高径向基（RBF）神经网络预测模型对交通流预测的准确性,提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传算法优化径向基神经网络的权值和阈值,然后训练RBF神经网络预测模型以求得最优解,并将该预测方法与RBF神经网络和BP神经网络的预测结果进行对比。仿真结果表明,该方法对交通流具有较好的非线性拟合能力,预测精度高于径向基神经网络和BP神经网络。     

基于集成学习的交通流短时特性分析与神经网络预测方法

为揭示交通流的内在动态特性,利用分析法对交通流分形特性进行研究,表明该城市交通流序列具有长程相关性;为达到更精准的短期交通预测效果,同时提出一种基于思维进化算法(MEC)对神经网络最优初始参数的定向搜索,解决神经网络易陷入局部最优的问题;并用自适应增强算法(adaptive enhancement algorithm,Adaboost)对优化过的神经网络集成,弥补神经网络对新样本集的泛化性能差缺陷,在此基础上通过预测误差平方和倒数准则重新调整Adaboost算法对弱预测器权值分布,使每个预测器最大程度提高网络预测精度.验证结果表明,改进MEC-BP_Adaboost模型与BP模型相比,均方误差和平均绝对误差分别下降78.2％和46.4％,证明本文改进方法对交通流预测具有合理性,对不同的交通流状态具有较好的适应性.     

基于神经网络的交叉口多相位模糊控制

根据城市交叉口交通流的特点，给出了一种交叉口多相位自适应控制算法，综合考虑相邻车道上的车队长度，利用多层BP神经网络实现了道路交叉口多相位模糊控制．仿真结果表明，文中所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误，具有较强的学习和泛化能力，是实现交通系统智能控制的一条新途径．     

两电机同步系统的神经网络逆控制

以多变量、非线性、强耦合的两电机同步控制系统为研究对象，在同步旋转坐标下，建立了两电机同步系统的数学模型，并进行了可逆性分析．采用静态神经网络加积分器构造两电机同步控制系统的逆系统，将此逆系统与原系统相串联构成复合伪线性系统．即两电机同步系统被线性化且已解耦成速度和张力两个相对独立的系统，速度环为y=s^-1φ（s）型伪线性子系统，张力环为y=s^-2φ（s）型伪线性子系统，再分别设计线性闭环调节器对速度环和张力环进行控制．实验结果证明了采用神经网络逆系统控制方法可以实现两电机同步调速系统的解耦控制．     

空中交通流量预测的人工神经网络和回归组合方法

为了寻找合适的空中交通流量预测方法,在综合回归预测方法和人工神经网络预测方法优点的基础上,提出采用组合预测方法的思想,并基于多元线性回归模型确定组合方法的权重系数。以北京管制区大王庄导航台流量预测为实例,分析结果表明:组合预测方法对实际流量有好的拟合度,能提高人工神经网络的泛化能力,并减小预测的误差,即总体上不仅优于传统的回归预测方法,也优于单独的人工神经网络预测方法。组合方法为空中交通流量的预测提供了一种可靠而有效的新途径。