城市道路交通智能控制技术研究

城市道路交通智能控制技术是当前控制领域和交通工程领域的研究热点之一。随着人工智能、自动控制技术、计算机技术和通讯技术的迅速发展，各种交通模型和分析综合方法层出不穷，新的理论和研究成果不断出现，并已在实际工程应用中显示出巨大的威力和发展潜力。 本文讨论城市交通的新的建模和控制方法。考虑到城市交通系统本身是一个具有严重非线性，随机性，时变性、不确定性的复杂系统，利用人工神经网络技术来建立城市交通流模型，并详细地阐述了神经网络的结构和学习算法。同时，利用人工神经网络技术、模糊逻辑理论和大系统理论，设计了一些先进的城市交通智能控制算法，分析和仿真表明，这些算法具有较强的鲁棒性、自适应性和自学习性，比传统的交通控制方法能更有效地解决城市交通问题。 本文的主要内容如下： 1)介绍了城市道路交通控制的发展历史，对国内外当前的研究成果进行了详尽的分析和阐述，指出了理论研究和实际应用中所存在的困难和一些亟待解决的问题，并提出了我国智能交通系统研究方向和发展对策。 2)设计了一种针对单交叉口的新的多相位模糊交通控制算法。首先提出了一个单交叉口多相位交通流模型，然后根据人对单交叉口交通指挥的决策过程，设计了一种基于相序优化的模糊交通控制器。由于采用了相序优化，因此该算法能更有效地处理随机性较大、不确定性较强的交通流。 3)把城市交通干线作为一个大系统，子系统为干线上的各个交叉口，在此基础上，设计了一种城市交通干线的两级模糊协调控制算法，并用BP神经网络实现控制器的模糊化、模糊推理和清晰化三个部分，系统具有较强的自适应、自学习和容错性。 4)对城市区域交通进行了实时分散控制研究。每个交叉口设置一个模糊控制器，该控制器根据它自己和相邻交叉口的交通流信息对相序、相位切 浙江大学博士学位论文 换、信号周期和绿信比进行动态管理。由于用神经网络实现了控制器的 模糊关系，大大提高了系统的鲁棒性。 5)对城市快速公路交通建模和多层智能控制系统设计进行了研究。首先对 反映快速公路交通动态变化的METANET模型进行了改进，对它经过必 要和合理地简化后用神经网络来进行实现。然后结合快速公路交通系统 的特点设计了一个多层智能控$lJ系统，成功地解决了传统拉制系统遇到 的问题。 6)建立了整个城市大交通网络宏观、动态、确定性模型。然后利用模糊理 论、神经网络技术和大系统分散协调控制理论对城市大交通网络交通进 行了实时分散协调智能控制策略研究，目标是实现快速公路和城市区域 内交通量的平衡，进一步达到快速公路主线密度均衡和路彝丙各车寒平 均延误时间最短。 7)对城市间高速公路交通流建模和控制方法进行了探讨。利甩人工神经网 络技术建立了城市间高速公路的神经网络模型·并提出了入只匝道放行 和路段速度控制相结合的多变量神经网络控制策略，利用诊珍制策略建 立的自适应神经网络控制器，可以使高速公路上的密度维持在理想值附 近。该控制器是一个状态和控制作用均可跟踪的伺服系统。 8)讨论了基于网络技术的城市交通集成智能控制系统的整体体系，描述了 系统中各个相关设备模块的功能，以及通过网络互联该系统完成的功能。 着重讨论了自学习智能式交通信号控制系统的体系结厂构并分析了该系统 的软硬件设计、推理机制和学习机制。同时对我国实施智育垮交通工程给 出了一些建议。 最后对全文进行了概括性总结，并指出了理论和应用上有待进一步研究的问 题。