交通流混沌快速识别智能技术研究

论文摘要

从非线性科学、混沌的角度研究设计交通系统是一种新型的交通管理与控制技术,该思想方法的基本原理是采用交通流混沌识别系统及时识别出混沌,迅速加入混沌控制信号以达到抑制交通拥堵现象、提高道路通行能力的目的。交通流混沌控制的前提是交通流混沌的快速识别,现有的混沌识别方法因需要大量的时间序列样本数据无法满足实际工程需要。因此研究在线实时快速识别混沌的方法,即研究出只需少量时间序列观测值样本就可以判定交通流是否出现混沌的方法,是一项具有重要理论意义与工程应用价值的前沿课题。在大量分析研究国内外交通流混沌识别相关文献的基础上,对交通流混沌快速识别智能系统的原理进行了进一步地分析,结合工程应用和技术开发的特点,进一步规范了交通流混沌快速识别智能系统的结构,并对该系统内各个子系统的功能进行了简述。在此基础上,进行了相关理论研究:不同于其他学者以交通流量或车辆密度作为表征道路交通的特征量,本研究选取车头时距作为表征交通流特性参数;研究选取不同时间序列长度对在线识别结果的影响。实验表明,在满足实时性的要求下,选取少量的时间序列观测样本就可以识别出交通流混沌;针对粒子群优化算法对大样本观测数据处理性能优的特点,本文建立了基于粒子群优化的交通流混沌在线识别智能方法模型,并应用于在线识别子系统对混沌进行识别,仿真实验证明了该理论的有效性与可行性。在理论研究的基础上,从工程应用和软件开发的角度,针对交通流混沌快速识别的特点,开发了一款适用于交通流混沌快速识别的软件。该软件基于Visual C++ 6.0的MFC面向对象编程技术为开发平台,采用Microsoft Office Access 2007作为后台数据库,将采集到的车头时距时间序列作为观测样本,采用Wolf法计算最大李雅普诺夫指数进行离线识别,建立粒子群优化交通流混沌在线识别神经网络模型及LS-SVM模型进行在线识别。仿真实验证明了该软件是一套功能齐全、系统结构清晰、界面友好的面向用户的针对交通流混沌快速识别问题的智能系统。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• §1-1 研究背景和意义
• 1-1-1 研究背景
• 1-1-2 研究意义
• §1-2 国内外研究评述
• 1-2-1 传统交通流混沌识别方法研究评述
• 1-2-2 交通流混沌快速识别智能方法研究评述
• §1-3 本研究的主要内容和基本框架
• 1-3-1 本研究的主要内容
• 1-3-2 本研究的基本框架
• 第二章 交通流混沌机理与常规识别方法
• §2-1 交通流混沌
• 2-1-1 混沌的概念
• 2-1-2 交通流混沌
• §2-2 交通流混沌机理
• §2-3 交通流混沌常规识别方法
• 2-3-1 关联维数法
• 2-3-2 庞加莱截面法
• 2-3-3 李雅普诺夫指数法
• 2-3-4 评述
• §2-4 小结
• 第三章 交通流混沌快速识别智能系统
• §3-1 系统原理
• §3-2 系统结构
• §3-3 系统功能
• 3-3-1 信息采集子系统
• 3-3-2 离线识别子系统
• 3-3-3 数据库
• 3-3-4 知识库
• 3-3-5 在线识别子系统
• §3-4 小结
• 第四章 基于粒子群优化的交通流混沌在线识别方法
• §4-1 交通流混沌特征提取
• 4-1-1 交通流混沌特征提取方法
• 4-1-2 交通流混沌特征提取步骤
• §4-2 基于神经网络的交通流混沌在线识别方法
• 4-2-1 交通流混沌在线识别神经网络模型
• 4-2-2 神经网络模型的粒子群优化算法
• §4-3 基于LS-SVM 的交通流混沌在线识别方法
• 4-3-1 交通流混沌在线识别LS-SVM 模型
• 4-3-2 LS-SVM 模型的粒子群优化算法
• §4-4 小结
• 第五章 交通流混沌快速识别智能系统软件开发
• §5-1 系统设计
• 5-1-1 系统总体设计思路
• 5-1-2 系统功能划分
• 5-1-3 系统流程图
• §5-2 软件设计的核心技术
• 5-2-1 数据库访问技术
• 5-2-2 MFC 面向对象技术
• §5-3 软件设计内容
• 5-3-1 数据库设计
• 5-3-2 工程框架设计
• §5-4 小结
• 第六章 仿真实验
• §6-1 实验条件简述
• 6-1-1 实验数据采集
• 6-1-2 软件开发环境
• §6-2 仿真实验结果
• 6-2-1 离线模型计算结果
• 6-2-2 特征提取结果
• 6-2-3 在线识别模型识别结果
• §6-3 不同在线识别模型结果比较
• 6-3-1 粒子群优化神经网络模型参数
• 6-3-2 粒子群优化LS-SVM 模型参数
• 6-3-3 不同在线识别模型结果比较
• 6-3-4 神经网络模型BP 算法与粒子群优化比较
• 6-3-5 LS-SVM 模型与粒子群优化比较
• §6-4 不同的时间序列长度分析
• 6-4-1 不同时间序列长度的特征提取
• 6-4-2 不同时间序列长度在线识别结果
• §6-5 小结
• 第七章 总结与展望
• §7-1 总结
• §7-2 建议与展望
• 参考文献
• 致谢
• 攻读硕士学位期间所取得的相关科研成果