论文部分内容阅读
随着社会经济的快速发展和汽车的普及,高速公路交通拥挤已经成为困扰世界各国政府的严重社会问题。为了有效地解决高速公路交通问题,一方面必须修建更多的高速公路,另一方面必须对交通量进行合理地调节与控制,使交通流做到有序流动。限速控制和入口匝道控制是高速公路交通控制的两个重要内容,针对传统的交通控制技术的缺陷,本文把智能控制应用到高速公路交通控制中,详细探讨了限速控制和入口匝道控制的几种智能方法,论文的主要工作如下:1.建立高速公路交通流速度限制的神经网络模型。限速控制是高速公路交通控制的重要措施和手段,为了提高限速控制精度,提出Elman神经网络建模方法。阐述了Elman神经网络的原理,根据高速公路主线上车辆群状态、路面状况、气象条件等信息,建立交通流速度限制Elman神经网络模型,Elman神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为2、12、12和1,采用Levenberg-Marquardt算法对Elman神经网络进行训练,并与RBF神经网络进行仿真对比。结果表明,Elman神经网络和RBF神经网络的训练误差分别为9.99769×10-9和2.38112×10-4,与RBF神经网络相比较,Elman神经网络自适应能力强、泛化能力好,能准确地建立交通流速度限制模型,具有良好的应用前景。2.采用遗传算法优化高速公路入口匝道PI控制器。首先给出了遗传算法优化的步骤,阐述了匝道控制目标,然后建立了高速公路交通流模型,并用遗传算法对入口匝道PI控制器的参数进行了优化。仿真结果表明,该方法性能优越,用于高速公路入口匝道控制中效果较好。3.结合模糊逻辑在处理语言信息上的优势和PI控制在处理误差上的优势,设计了高速公路入口匝道Fuzzy-PI混合控制器,并用遗传算法对PI参数进行了优化。模糊控制器的输入变量选为密度误差和误差变化,采用三角形隶属度函数,并制定了9条模糊控制规则。仿真结果表明,混合控制器比单纯的PI控制器具有更优越的动态和稳态性能,它能使高速公路主线交通流密度保持为设定的期望密度。