城市交通系统智能优化控制研究

论文摘要

随着国民经济的不断增长，人民生活水平的不断提高，汽车进入寻常百姓家中业已成为现实，随之而来的城市交通问题则日益突现出来。因此，采用现代科学手段，研究一些智能化的方法来解决城市交通管理问题，就成为当务之急。 城市交通系统是一个带有随机性、复杂性、不确定性的大系统，对它的研究，人们无法建立精确的数学模型，必须借助于智能化的方法，如模糊控制、神经网络、遗传算法等，才有可能解决城市交通问题。因此，建立有效的智能交通系统是目前研究人员所追求的目标。所谓的智能交通系统(Intelligent Transportation System简称ITS)是指将先进的信息技术、电子通讯技术、自动控制技术、计算机技术以及网络技术等有机地运用于整个交通运输管理体系而建立起的一种实时、准确、高效的交通运输综合管理和控制系统。它是由若干子系统所组成的，通过系统集成将道路、驾驶员和车辆有机地结合在一起，加强三者之间的联系。借助于系统的智能技术将各种交通方式的信息及道路状况进行登记、收集、分析，并通过远程通讯和信息技术，将这些信息实时提供给需要的人们，以增强行车安全，减少行车时间，并指导行车路线。同时管理人员通过采集车辆、驾驶员和道路的实时信息来提高其管理效率，以达到充分利用交通资源的目的。日本、美国、西欧、澳大利亚等都建立了相应组织机构从事相关方面的开发应用并取得了一些成果。我国政府部门也早已认识到智能交通的重大战略意义，采取一系列措施，对智能交通研究加大了投入，给予重点扶持。 本文是在研究前人科研成果的基础上，根据城市交通的规律，提出了“实时预测，微观控制，中观协调，宏观诱导”的城市交通智能化管理新思路，其核心是建立控制与诱导相协同的路径优化模型，模型的性能指标是出行时间，即交通网络里的出行车辆从起点到终点之间花费时间最少。 实时交通流预测是智能交通系统研究的一个重要问题，对交通流

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 选题的背景及其意义
• 1.3 智能交通系统研究的发展概况
• 1.4 交通信号控制技术研究概况
• 1.4.1 交通信号控制的发展历史
• 1.4.2 典型交通信号控制系统
• 1.5 交通流诱导技术研究概况
• 1.5.1 世界各国交通流诱导研究
• 1.5.2 发达国家交通流诱导系统研究现状
• 1.5.3 我国交通流诱导系统研究现状
• 1.6 控制与诱导相结合的优化控制技术研究概况
• 1.7 论文的主要工作和总体安排
• 1.7.1 主要工作
• 1.7.2 章节安排
• 第二章 交通基本知识和遗传算法
• 2.1 引言
• 2.2 交通流基本理论
• 2.2.1 交通流理论的分类
• 2.2.2 交通流理论研究的内容
• 2.2.3 交通流基本特性及相互关系
• 2.2.4 交通流的统计分布特性
• 2.3 城市交通控制概述
• 2.3.1 基本概念
• 2.3.2 信号控制的方式
• 2.3.3 信号控制的评价指标
• 2.4 城市交通诱导概述
• 2.4.1 基本概念
• 2.4.2 评价指标
• 2.5 遗传算法理论概述
• 2.5.1 遗传算法的基本概念
• 2.5.2 遗传算法的基本步骤
• 2.5.3 遗传算法的收敛性及其证明
• 2.6 本章小结
• 第三章 实时交通流预测
• 3.1 引言
• 3.2 短时交通流预测概述
• 3.2.1 统计预测模型
• 3.2.2 智能预测模型
• 3.3 最疏集的概念及其聚类算法
• 3.3.1 最疏集及其基本概念
• 3.3.2 聚类及其算法
• 3.4 基于最疏集的交通流预测方法
• 3.4.1 RBF神经网络结构
• 3.4.2 优化模型的建立
• 3.4.3 规划因子的确定
• 3.4.4 权值矩阵的确定
• 3.4.5 遗传算法实现
• 3.5 预测仿真研究
• 3.5.1 交通流预测模型
• 3.5.2 仿真分析
• 3.6 本章小结
• 第四章 节点交通优化控制
• 4.1 引言
• 4.2 交通节点的基本概念
• 4.2.1 交通节点的形式
• 4.2.2 “大路口”的定义及几何模型
• 4.2.3 交通节点的相位划分
• 4.3 评价指标计算
• 4.4 节点优化控制
• 4.4.1 节点交通流预测
• 4.4.2 模糊控制求周期
• 4.4.2.1 模糊化
• 4.4.2.2 模糊规则、推理及反模糊化
• 4.4.3 优化控制模型
• 4.4.3.1 绿信比的确定
• 4.4.3.2 目标函数及其约束条件
• 4.4.3.3 遗传算法优化步骤
• 4.5 节点控制仿真研究
• 4.5.1 自然交叉路口作为节点的控制
• 4.5.2 “大路口”作为节点的控制
• 4.6 本章小结
• 第五章 干线交通优化控制
• 5.1 引言
• 5.2 线控有关的基本知识
• 5.2.1 主干路交通流模型
• 5.2.2 多目标优化基本概念
• 5.2.2.1 多目标优化的一般描述
• 5.2.2.2 VMP的有效解和绝对最优解
• 5.2.2.3 解的存在性及其证明
• 5.2.2.4 遗传多目标优化
• 5.3 主干路的多目标优化控制
• 5.3.1 评价指标模型
• 5.3.2 多目标优化模型
• 5.3.3 遗传多目标优化算法
• 5.4 主干路的相位差优化模型
• 5.4.1 相位差的评价指标
• 5.4.2 遗传算法优化相位差
• 5.5 主干路多目标优化控制仿真
• 5.5.1 单目标与多目标优化仿真比较
• 5.5.2 有无相位差仿真比较
• 5.5.3 “大路口”与自然交叉口仿真比较
• 5.6 本章小结
• 第六章 交通网络的路径优化及其建模
• 6.1 引言
• 6.2 路径优化的原理
• 6.2.1 路径优化问题的数学描述
• 6.2.2 最短路的算法
• 6.2.3 路径优化的关键问题
• 6.3 交通流图的路径优化模型
• 6.3.1 交通流密度的计算
• 6.3.2 节点延误模型
• 6.3.3 改进DIJKSTRA算法
• 6.4 仿真研究
• 6.5 本章小结
• 第七章 结论及展望
• 7.1 结论
• 7.2 展望
• 参考文献
• 致谢
• 攻读博士学位期间发表的论文
• 攻读博士学位期间主持和参加的科研项目
• 攻读博士学位期间获得的奖励
• 学位论文评阅及答辩情况表