基于SVM车流量预测的交叉口信号模糊控制研究

论文摘要

针对城市中交叉路口交通流的高度复杂性和随机性,本文提出了一种基于支持向量机交通流预测的主干道相交路口优化的模糊控制方法。传统的交叉路口模糊控制算法是在指挥交通过程中,交警在某相位绿灯即将结束时,判断当前相位的绿灯是否需要延时,其中延时时间取决于当前相位的车流量和下一相位车流量排队长度的综合比较,此后交警根据经验决定信号配时。本文首先对交通流进行预测,其关键是如何构建合适的预测模型。由于支持向量机是一种解决非线性回归的网络模型,具有较强的预测能力、较高的预测精度和较快的收敛速度,因此本文采用支持向量机（Support Vector Machine, SVM）和最小二乘支持向量机（Least Squares Support Vector Machine, LS-SVM）构建车流量的预测模型,并对预测模型的结果进行比较。由于LS-SVM预测方法的精度较高,本文将该预测方法得到的车流量数据作为模糊控制器的输入。其次,本文以主干道相交路口为研究对象,利用模糊控制工具箱建立交叉口四相位模糊控制器和详细的模糊控制原则。将LS-SVM预测得到的下两个相位排队长度作为模糊控制器的输入,按照模糊推理得出下一相位绿灯时长,从而在后一绿相位持续时间内放行该相位经预测但尚未全部排队的车辆。最后,与传统的交叉口定时控制做比较,在Matlab Simulink环境下对模型进行仿真和分析,仿真结果表明基于预测的数据的模糊控制车辆平均延误时问比定时控制小,从而提高了交叉口车辆的通行能力,达到了保持交叉路口通行通畅的目的。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 交通信号控制发展
• 1.3 现有的信号控制策略
• 1.4 本文作者完成的工作
• 第二章 支持向量机理论
• 2.1 支持向量机
• 2.1.1 机器学习
• 2.1.2 经验风险最小化
• 2.1.3 VC维和推广性的界
• 2.1.4 支持向量机基本原理
• 2.2 最小二乘支持向量机
• 2.2.1 最小二乘支持向量机原理
• 2.2.2 最小二乘支持向量机的优点
• 2.3 小结
• 第三章 基于SVM的车流量预测
• 3.1 车流量预测
• 3.1.1 交通流概念及其特性
• 3.1.2 车流量预测原理
• 3.1.3 车流量预测方法
• 3.1.4 预测的误差分析
• 3.2 利用SVM对车流量预测
• 3.3 利用LS-SVM对车流量预测
• 3.4 小结
• 第四章 交叉路口模糊信号控制
• 4.1 交通信号控制参数
• 4.2 模糊控制原理
• 4.2.1 模糊控制概念
• 4.2.2 模糊控制集合和隶函数
• 4.2.3 模糊原理
• 4.2.4 模糊控制原理
• 4.3 交叉口优化控制及设计
• 4.3.1 研究对象及模型
• 4.3.2 模糊控制算法
• 4.3.3 模糊控制器设计
• 4.4 实验仿真
• 第五章 结论与展望
• 参考文献
• 致谢