基于粗糙集的交通流神经网络模型与入口匝道控制

摘要

高速公路交通控制是智能运输系统的重要组成部分，而入口匝道交通控制是应用最为广泛的一种高速公路控制策略。根据被控匝道的相互关系，入口匝道控制可以分为单点控制和多点协调控制。本文针对高速公路交通系统的特点，对交通流模型及入口匝道智能控制方法展开研究，主要的内容和结论如下： 1.利用粗糙集能够处理模糊、不确定知识和神经网络对非线性函数具有任意逼近能力的优点，提出一种粗糙集和Elman网络相结合的动态系统建模算法。并利用这种方法建立高速公路宏观交通流动态模型，仿真结果表明了该方法的有效性。 2.提出一种粒子群优化的PI控制方法调节进入高速公路的车辆数目。首先确定了匝道控制目标，并建立了高速公路交通流模型；然后阐述了PSO算法，结合非线性反馈理论设计了粒子群优化的入口匝道PI控制器；最后用MATLAB软件进行系统仿真。结果表明，该系统响应速度快，具有优越的动态和稳态性能。该方法用于高速公路入口匝道控制中效果良好。 3.采用小脑模型关节控制器和PID复合控制方法调节进入高速公路的车辆数目。阐述了CMAC与PID复合控制算法，结合非线性反馈理论用CMAC-PID控制器决定高速公路入口匝道调节率；最后用MATLAB软件进行系统仿真。结果表明，与模糊逻辑控制器相比较，CMAC-PID控制器有更好的动态性能、更快的响应速度，它能使高速公路主线交通流密度保持为设定的期望密度，能实现车辆在高速公路上高效、安全地运行。该方法为高速公路入口匝道控制提供了一种切实可行的新思路。 4.提出一种基于BP神经网络的PID控制器参数调节方法并应用到高速公路入口匝道控制中。详细阐述了BP神经网络调整比例、积分、微分系数的学习算法。基于交通流模型并结合非线性反馈理论，设计出BP神经网络整定的入口匝道PID控制器。根据实时交通状况，BP神经网络用来动态调整PID参数使得由密度跟踪误差定义的性能指标最小。最后用MATLAB软件对控制器进行仿真。结果表明，所设计的控制器具有很好的动态和稳态性能。它能使高速公路主线交通流密度保持为设定的期望密度，从而避免交通堵塞。这种方法对高速公路入口匝道控制非常有效。 5.将多层控制结构和PSO算法应用到高速公路多匝道协调控制中。建立了描述高速公路交通流过程的宏观模型，阐述了PSO算法。把高速公路控制系统垂直分为三层，适应层用来指定扰动值并调整模型参数，协调层根据当前交通状况确定各路段的期望交通密度，直接控制层采用PI控制使实际交通密度保持在标称轨迹附近，PSO算法用来寻找最优的PI参数。仿真结果表明控制系统具有很好的性能，它能消除交通拥挤，维持交通流的稳定，实现车辆在高速公路上高效、安全地运行。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景

1.2国内外研究动态

1.2.1 高速公路交通流模型

1.2.2 高速公路入口匝道控制

1.3研究目的和意义

1.4内容安排

第二章基于粗糙集的高速公路动态交通流Elman神经网络模型

2.1宏观动态交通流数学模型

2.2粗糙集基本概念

2.2.1 上下近似集、不可分辨关系

2.2.2相对正区域及依赖度

2.2.3条件属性核值及约简

2.3 Elman神经网络

2.4基于粗糙集的交通流Elman神经网络模型

2.5仿真研究

2.6本章小结

第三章高速公路入口匝道控制

3.1入口匝道控制目标

3.2高速公路交通流模型

3.3基于粒子群优化的高速公路匝道PI控制器

3.3.1粒子群算法

3.3.2基于粒子群优化的入口匝道PI控制器

3.3.3仿真研究

3.4基于CMAC与PID复合的高速公路入口匝道控制

3.4.1 CMAC与PID复合控制算法

3.4.2基于CMAC与PID复合的入口匝道控制器

3.4.3仿真研究

3.5基于BP神经网络的高速公路匝道PID控制器

3.5.1 BP神经网络整定的PID控制原理

3.5.2基于BP神经网络的PID匝道控制器

3.5.3仿真研究

3.6三种控制方法的比较

3.7本章小结

第四章基于PSO的高速公路多匝道协调控制

4.1宏观交通流模型

4.2多匝道协调控制系统的结构

4.3 PSO优化的PI控制

4.3.1 多目标PSO算法

4.3.2 PSO优化的PI控制算法

4.4仿真研究

4.5本章小结

第五章总结与展望

5.1全文总结

5.2研究工作展望

参考文献

攻读硕士学位期间发表论文

致谢