智能控制理论在交通控制系统中的应用

摘要

目前，建立完善的智能交通系统是解决交通基础设施建设增长缓慢与机动车数量逐年迅速增长之间矛盾的最为有效的途径。智能交通控制系统作为智能交通系统的重要组成部分，受到国内外的广泛关注，取得了许多成果。部分基于数学模型和传统控制方法的智能交通控制机理已相对成熟，并在非拥挤交通路况条件下取得了令人满意的控制效果。然而伴随社会与交通的飞速发展，主要是城市交通路网规模及交通流量的急剧增长，传统交通控制系统的性能极限受到了极大的挑战，新的技术和方法的引入显得十分必要和非常迫切。 智能控制理论是自动控制论与人工智能理论交叉的产物。对于具有不确定性，难以建立精确的数学模型的复杂控制对象，智能控制是行之有效的，因此决定了智能交通控制系统与智能控制理论相结合的必然性。 模糊控制是一种重要的智能控制方法。模糊控制器的控制策略是通过学习、试验以及长期经验积累形成的，它可以用自然语言加以描述，而不依赖于精确的数学模型，特别适用于复杂系统和不确定对象，且具有较强的鲁棒性。因此，基于模糊逻辑的智能交通控制系统发展迅速。 本论文为改善传统主干线协调控制算法中车辆到达的不均匀性、路段速度变化、交通流离散、支线车辆排队数量等不确定因素的影响，使主干线上的车队尽量不停车地通过主干线，对传统主干线协调控制算法进行了深入的研究和改进，提出了一种新的主干线协调控制算法。该算法首先对单路口模糊控制器进行了改进，提高了绿时的利用率，减小了车辆排队延误和停车延误；然后根据跟驰理论提出一种全新的车流检测方法，结合中断请求思想，最终实现对主干线的实时协调控制。经仿真研究，此算法比传统算法的控制效果更优越。 在模糊控制中，模糊控制规则的提取和模糊隶属度函数的选取一直是模糊控制系统设计的一个难题。一些学者采用其它智能技术与其相结合的方式来选取和优化模糊规则和隶属度函数，研究结果表明是可行的。但在本论文中，作者选择将多智能体技术应用于智能交通控制系统，因为交通路网的拓扑结构具有分布式特性，以及交通系统的多层次、复杂性的特点使得多智能体技术更适合应用于智能交通系统。从长远来看，建立基于多智能体技术的智能交通控制体系具有更广阔的发展前景。 本论文将每个路口定义为一个具有自主控制权的智能体，并采用基于强化学习的交通流实时自适应控制算法，然后基于多智能体技术构建“自下而上”的分布式智能交通控制系统。用Visual C++6.O对路口智能体的强化学习控制算法在城市交通仿真系统中进行仿真，得到了强化学习控制算法与模糊控制算法直观的动态仿真曲线比较图，并显示在各性能指标上强化学习算法都更优越。

目录

文摘

英文文摘

原创性声明及关于学位论文使用授权的声明

第一章绪论

第二章交通流模型

第三章基于模糊控制的智能交通控制系统的研究

第四章基于强化学习的路口交通流控制算法研究

第五章基于Multi-Agent的智能交通控制系统

第六章结论与展望

参考文献

致谢

硕士期间发表及参与发表的论文

硕士期间参与的科研项目