群智能算法在智能交通中的研究与应用

论文摘要

随着全国工业化、城市化、机动化的日趋加速,城市的交通问题日益突出,交通拥堵频繁发生。发展智能交通系统(ITS)是解决城市交通问题的有效途径之一。论文介绍了基本粒子群优化算法及改进算法,在此基础上构造一种基于自适应Tent混沌搜索的粒子群优化算法(ACPSO)。对于每次混沌搜索的范围采用自适应调整方法,改善了粒子群优化算法摆脱局部极值点的能力,提高了算法的收敛速度和精度,实验表明该算法在多个标准测试函数下比其它算法精度高、收敛速度快。论文在对智能优化算法如小波分析、遗传算法、神经网络、混沌、群体智能等改进的基础上,研究多种混合智能预测等复合预测模型对交通流进行预测,并对这些复合预测的性能进行比较,从而建立基于混合智能计算的交通流预测模型。论文在交通流预测的基础上,将重点研究如何根据路口的交通流现状来快速调整交通信号配时。首先对路口的交通流特性进行分析,并找出控制参数和目标函数之间的关系,建立多目标优化模型;然后分别利用遗传算法,粒子群算法等优化方法求出最优控制参数并进行分析,并将群智能优化算法与进化算法等优化技术结合,根据不同的优化问题建立相应的优化模型。论文开发了基于GIS的交叉口优化模型仿真系统。把前面章节研究的交通流预测及交叉口控制模型综合利用,开发一个集成各种交通流预测及控制的模型和方法于一体的交叉口优化模型仿真系统,该系统通过对模型管理可调整模型的基本参数,不同的模型及不同的参数设置对交通流预测和控制的结果会不同,从中可以通过分析得出最优参数的模型。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究意义
• 1.3 国内外研究现状
• 1.3.1 交通流量预测
• 1.3.2 交通信号控制方法
• 1.4 存在问题及发展趋势
• 1.5 本文的研究内容和结构安排
• 第二章 基于自适应混沌搜索的粒子群优化算法
• 2.1 粒子群优化算法及改进算法
• 2.1.1 基本粒子群算法
• 2.1.2 GCPSO 算法
• 2.1.3 混沌粒子群优化算法
• 2.1.4 改进PSO 算法的实验研究
• 2.2 基于自适应混沌搜索的粒子群优化算法
• 2.2.1 混沌映射与混沌序列
• 2.2.2 基于自适应混沌搜索的粒子群优化算法
• 2.2.3 算法效果分析
• 2.3 小结
• 第三章 基于小波分析、遗传算法、神经网络的交通流预测
• 3.1 小波变换及其多尺度分析
• 3.2 基于小波分析的交通流消噪
• 3.3 神经网络预测模型
• 3.3.1 数据预处理
• 3.3.2 神经网络预测模型
• 3.4 基于遗传算法优化的神经网络
• 3.5 基于多尺度分析与遗传算法优化神经网络的交通流预测
• 3.6 仿真实验
• 3.6.1 数据源
• 3.6.2 误差指标定义
• 3.6.3 参数设置
• 3.6.4 结果分析
• 3.7 小结
• 第四章 基于多粒子群优化算法和神经网络的交通流预测
• 4.1 多种群协同进化粒子群算法
• 4.1.1 微调策略
• 4.1.2 自适应混沌搜索勘探策略
• 4.1.3 种群之间共享信息
• 4.1.4 算法设计
• 4.2 神经网络测模型
• 4.2.1 数据预处理
• 4.2.2 神经网络预测模型
• 4.3 多粒子群算法优化BP 神经网络
• 4.4 基于多粒子群优化算法和神经网络的交通流预测
• 4.4.1 数据源
• 4.4.2 误差指标定义
• 4.4.3 参数设置
• 4.4.4 结果分析
• 4.5 小结
• 第五章 基于粒子群优化算法的交叉口信号优化控制
• 5.1 交叉口信号控制模型
• 5.1.1 模型的参数分析
• 5.1.2 优化模型
• 5.2 最佳配时优化算法
• 5.2.1 Webster 算法
• 5.2.2 基于遗传算法的交通配时优化
• 5.2.3 基于粒子群算法的交通配时优化
• 5.3 实例分析
• 5.3.1 路口现状
• 5.3.2 实时优化控制
• 5.4 小结
• 第六章 基于群智能算法的交叉路口多相位信号配时优化
• 6.1 种群小生境粒子群算法（SNPSO）
• 6.1.1 基本概念
• 6.1.2 算法设计
• 6.2 多相位信号配时优化模型
• 6.2.1 车流组合与相位映射关系
• 6.2.2 交叉口信号控制模型的参数分析
• 6.2.3 优化目标函数
• 6.3 基于种群小生境粒子群算法的交叉口相位优化和配时优化
• 6.3.1 路口现状
• 6.3.2 交叉口优化控制
• 6.4 小结
• 第七章 交叉口优化模型仿真系统
• 7.1 系统建设目标和功能需求
• 7.1.1 建设目标
• 7.1.2 功能需求
• 7.2 系统构成
• 7.3 道路交通状况评价
• 7.4 系统实现
• 7.4.1 交叉口基本信息
• 7.4.2 模型管理
• 7.4.3 交通流预测
• 7.4.4 交叉口信号优化
• 7.4.5 优化效果
• 7.5 小结
• 总结与展望
• 致谢
• 参考文献
• 在学期间发表的论著及参与的科研项目