基于因果图的灰色马氏链及其在智能信号控制灯中的应用研究

论文摘要

在地理空间的扩充和交通的发展矛盾时,智能交通的发展显得尤为重要。智能信号灯控制系统是智能交通主要的研究方向,很多国家都有很广泛的应用。它可以根据先进的交通检测设备检测的实时数据,经过系统的分析计算,求出下一交通信号灯响应的时间。目前,国际上大多使用的是一些简单的交通信号灯控制系统,不能够对下一时间段的交通情况做出科学的预测。存在的原因主要有：1、系统需要的数据量比较大,系统来不及计算；2、数据的采集容易产生缺失的现象,导致于系统不能计算出正确的结果。从信度网基础上发展起来的因果图是一种基于概率的知识表达方法,它能够在指定证据的前提下,找出故障点,但在处理带有时间节点的因果图时,存在信息不完整和信息处理不及时的困难。灰色马尔可夫模型能够充分发挥灰色预测模型“小样本,贫信息”的特点,并且能有效利用马尔可夫链适合随机波动系统的特点。本文在因果图的基础上引入了灰色马氏链理论,对带有时间节点的信息提前做出预测,很好地解决了上述困难。并把它应用到信号灯的智能控制中,取得了比较好的效果,具有一定的实用价值。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 论文选题背景
• 1.2 研究现状
• 1.3 本文的主要工作及章节安排
• 2 因果图和智能交通系统的理论基础
• 2.1 因果图的基础理论
• 2.1.1 因果图的概念
• 2.1.2 因果图的推理算法
• 2.2 智能交通系统理论基础
• 2.2.1 智能交通系统概述
• 2.2.2 交通信号控制系统概述
• 2.2.3 相位的概念
• 2.3 本章小结
• 3 灰色马氏链基础
• 3.1 灰色系统理论基础
• 3.1.1 灰色系统理论产生的科学背景
• 3.1.2 灰色系统的概念
• 3.1.3 灰色系统的基本原理
• 3.1.4 灰色系统理论的主要内容
• 3.1.5 灰色系统模型
• 3.2 马尔可夫链基础知识
• 3.2.1 马尔可夫链引论
• 3.2.2 马尔可夫链的定义
• 3.2.3 马尔可夫链的转移概率
• 3.2.4 马尔可夫链转移概率的计算
• 3.3 本章小结
• 4 基于灰色马尔可夫链的模型建立
• 4.1 本文的基本思想
• 4.2 建立模型流程图
• 4.3 模型实现过程
• 4.3.1 构建因果图,推出故障点
• 4.3.2 建立GM（1,1）模型
• 4.3.3 建立灰色马尔可夫模型,判断下一时间段的状态
• 4.4 本章小结
• 5 模型试验及其在智能信号控制灯中的应用研究
• 5.1 数据构成及来源
• 5.2 实验步骤及分析
• 5.2.1 根据实际交通运行情况,构建因果图
• 5.2.2 根据因果图的推理算法,求出故障点
• 5.2.3 灰色马尔可夫链模型的实验验证及实验结果分析
• 5.3 实验结果对比分析
• 5.4 本章小结
• 6 结论与展望
• 6.1 本文结论
• 6.2 本文存在的问题及以后的研究方向
• 参考文献
• 附录
• 致谢