论文题目: 高速公路智能控制方法研究
论文类型: 博士论文
论文专业: 控制理论与控制工程
作者: 梁新荣
导师: 毛宗源,刘智勇
关键词: 高速公路,智能控制,模糊逻辑,神经网络,模糊神经网络,支持向量机
文献来源: 华南理工大学
发表年度: 2005
论文摘要: 高速公路交通控制是智能运输系统的重要组成部分，针对传统交通控制技术的缺陷，近年来人们开始把先进的理论和技术应用到高速公路交通控制中。本文详细探讨了高速公路交通控制的多种智能方法，把智能控制理论与其它先进技术相结合，对高速公路交通控制中的几个重要问题进行认真研究。 论文的主要工作和研究成果如下： 1．提出用动态回归神经网络建立高速公路宏观交通流模型。分析了离散的高速公路交通流数学模型，建立了Elman回归神经网络模型，采用一种改进的算法得到神经网络的权值，并将此回归神经网络应用到一条5路段的高速公路中。仿真实例表明，Elman回归神经网络对交通流数学模型能很好地逼近，与反向传播神经网络和径向基函数神经网络模型相比较，Elman回归神经网络具有训练步数最少、训练误差很小、泛化能力好等优点，Elman回归神经网络模型能快速地、准确地描述交通流的真实行为。 2．提出一种模糊逻辑方法控制高峰期间进入高速公路的车辆数目。分析了模糊逻辑控制器的基本结构，阐述了模糊控制算法，给出了具体的隶属度函数，根据高速公路上游、下游及入口匝道上安装的传感器检测到的流量、速度、占有率、匝道排队长度等信息，设计了入口匝道模糊逻辑控制器。仿真结果表明该方法切实可行，它能避免高速公路主线交通拥挤和堵塞，提高主线的通行能力，实现车辆在高速公路上高效、安全地运行。 3．提出一种非线性反馈方法用模糊逻辑进行入口匝道控制。建立了高速公路交通流动态模型，在此基础上，结合模糊逻辑理论设计了非线性反馈模糊逻辑匝道控制器，根据密度误差和误差变化用模糊控制决定匝道调节率，模糊变量选用三角形隶属度函数，并制定了包含56条模糊规则的规则库，最后用Matlab软件进行仿真研究。为了比较，还设计了非线性反馈比例积分匝道控制器，仿真结果表明，两种非线性反馈控制器都能使高速公路主线交通密度保持为设定的期望密度，但非线性反馈模糊逻辑控制器的性能比非线性反馈比例积分控制器的性能更为优越。 4．采用递阶结构解决高速公路多路段的协调控制问题。建立了宏观交通流有限差分模型，然后结合交通系统的特点提出一种多层控制结构，把高速公路的控制问题分为适应层、协调层和直接控制层。直接控制层采用模糊控制或比例积分控制决定各匝道的调节率；协调层为直接控制层确定期望密度；适应层根据实时检测到的交通状况选择模型和调整模型参数。仿真结果表明，协调控制具有良好
论文目录:
摘要
ABSTRACT
第一章 绪论
1.1 引言
1.2 高速公路交通控制研究动态
1.3 课题研究的目的和意义
1.4 内容安排
第二章 高速公路动态交通流的Elman神经网络模型
2.1 引言
2.2 宏观动态交通流数学模型
2.3 Elman回归神经网络的原理
2.4 Elman回归神经网络对动态交通流的建模
2.5 仿真实例
2.6 本章小结
第三章 高速公路入口匝道模糊逻辑控制
3.1 引言
3.2 模糊控制的特点
3.3 模糊逻辑控制器的基本结构与模糊控制算法
3.3.1 模糊化接口
3.3.2 知识库
3.3.3 模糊推理
3.3.4 反模糊化接口
3.4 模糊逻辑控制器的设计步骤
3.5 入口匝道模糊逻辑控制器的设计
3.5.1 入口匝道控制的基本原理和目标
3.5.2 入口匝道模糊逻辑控制器输入量的确定
3.5.3 输入变量隶属度函数的确定
3.5.4 模糊控制规则的确定
3.6 仿真研究
3.7 本章小结
第四章 高速公路入口匝道非线性反馈控制
4.1 引言
4.2 入口匝道控制原理
4.3 入口匝道反馈控制方法
4.4 高速公路匝道非线性反馈控制器的设计
4.4.1 高速公路交通流模型
4.4.2 匝道控制目标
4.4.3 高速公路匝道非线性反馈模糊逻辑控制器
4.4.4 高速公路匝道非线性反馈比例积分控制器
4.5 仿真研究
4.6 本章小结
第五章 高速公路多匝道协调控制
5.1 引言
5.2 高速公路递阶控制结构
5.3 高速公路多匝道模糊逻辑协调控制
5.3.1 高速公路交通流有限差分模型
5.3.2 多匝道模糊逻辑协调控制系统的设计
5.3.3 仿真实例
5.4 高速公路多匝道比例积分协调控制
5.4.1 多匝道比例积分协调控制系统的设计
5.4.2 仿真实例
5.5 本章小结
第六章 高速公路主线限速控制
6.1 引言
6.2 高速公路模糊逻辑限速控制
6.2.1 限速控制的必要性
6.2.2 限速控制的影响因素
6.2.3 路面温度、湿度等气象参数的实时监测
6.2.4 模糊逻辑限速控制器的设计
6.2.5 仿真研究
6.3 高速公路 BP神经网络限速控制
6.3.1 BP神经网络模型
6.3.2 学习算法
6.3.3 BP神经网络限速控制器的设计
6.3.4 仿真研究
6.4 高速公路 RBF神经网络限速控制
6.4.1 RBF神经网络限速控制器的设计
6.4.2 仿真研究
6.5 高速公路模糊神经网络限速控制
6.5.1 模糊神经网络限速控制器的设计
6.5.2 仿真研究
6.6 基于支持向量机的高速公路限速控制
6.6.1 支持向量机回归
6.6.2 基于支持向量机的高速公路限速控制器设计
6.6.3 仿真研究
6.7 几种限速控制方法的比较
6.8 本章小结
第七章 基于支持向量机的高速公路事件检测
7.1 引言
7.2 支持向量机分类
7.3 基于支持向量机分类的事件自动检测
7.3.1 事件检测系统结构
7.3.2 支持向量机输入量的选择
7.3.3 事件检测数据
7.3.4 事件检测系统的仿真
7.4 本章小结
结论
参考文献
攻读博士学位期间发表的论文
致谢
发布时间: 2006-10-17
参考文献
- [1].基于神经网络的非线性系统辨识方法研究[D]. 李鸿鹏.东北林业大学2018
- [2].基于卷积神经网络的生物医学信号分类与重构[D]. 焦志成.西安电子科技大学2018
- [3].基于神经网络和支持向量机的麦蚜发生动态预测研究[D]. 靳然.山西农业大学2017
- [4].基于忆阻的神经网络的动力学分析及应用[D]. 李若霞.东南大学2017
- [5].基于卷积神经网络的心电信号检测和分类研究[D]. 项延德.浙江大学2018
- [6].面向图像目标识别和检测的深度神经网络关键技术研究[D]. 李扬.北京邮电大学2018
- [7].基于深度学习的交互式问答技术研究[D]. 周小强.哈尔滨工业大学2017
- [8].终态神经网络及其相关应用[D]. 孔颖.浙江工业大学2017
- [9].深度模型简化：存储压缩和计算加速[D]. 李皈颖.中国科学技术大学2018
- [10].基于脉冲神经网络的纹理图像识别研究[D]. 张振敏.福建师范大学2016
相关论文
- [1].交通流理论及其在高速公路中的应用研究[D]. 熊烈强.武汉理工大学2003
- [2].城市道路交通智能控制技术研究[D]. 沈国江.浙江大学2004
- [3].城市道路交通智能控制策略的研究[D]. 杨立才.山东大学2005
- [4].城市交通系统智能优化控制研究[D]. 朱文兴.山东大学2006
- [5].智能计算方法在城市交通中的应用与交通流建模研究[D]. 赵建玉.山东大学2006
- [6].高速公路交通事件检测及交通疏导技术研究[D]. 蔡志理.吉林大学2007