论文部分内容阅读
本文主要研究了基于模糊理论的车辆导航智能算法,论文的主要内容如下:1.介绍了车辆导航中相关技术和模糊理论技术的基础知识,回顾了车辆导航中的滤波技术,模糊理论技术及模糊理论技术在交通信息处理技术中的应用现状,分析了模糊理论的优点及其在车辆导航中应用的合理性和可行性。2.研究了基于模糊控制的智能自适应滤波算法。在自适应滤波算法的基础上,提出了基于模糊控制的智能自适应滤波算法。算法基本思想是用滤波后的数据残差构造一个判别统计量,然后根据此判别统计量构造一个模糊控制器,利用此模糊控制器智能控制自适应滤波的自适应因子,从而平衡动力学模型信息与观测信息的权比,有效控制动力学模型误差对导航解的影响。3.研究了基于模糊控制的智能渐消滤波算法。将模糊理论技术和渐消滤波算法有效结合,提出了基于模糊控制的智能渐消滤波算。该算法是依据预测残差,利用模糊控制理论来构造渐消滤波的渐消因子,算法避免了常规算法求解渐消因子可能出现负定现象的缺点,并且算法克服了在求解过程中必须附加条件的弊端。该渐消因子能够保证滤波器的可靠性和最佳性,从而有效提高滤波算法精度。4.研究了基于模糊路径选取度模型的智能最优路径算法。算法依据影响路径选择的多种因素:静态交通信息、动态交通信息、人的主观因素,建立了模糊路径选取度模型,构造了路径选取影响因素的隶属度函数。实例验证表明,基于模糊路径选取度模型的智能最优路径算法能够综合考虑多种因素的影响,尤其是动态交通信息和人的主观因素对路径选择的影响,算法能够适应复杂多变的实际交通路况,针对出行者的不同要求,不同目的,为出行者提供合理可行、贴近实际的最优路径。5.研究了基于模糊控制的智能行程时间预测算法。指数平滑算法是通过平滑系数来调节时间序列数据对预测结果的影响程度,平滑系数构造的合理与否对预测结果起着至关重要的作用。基于模糊控制理论的智能行程时间预测算法是通过构造的模糊控制器来自适应控制指数平滑算法的平滑系数,从而修正下一时期的行程时间预测值,提高行程时间的预测精度和智能化水平。6.研究了基于模糊综合评判的智能行程时间预测算法。模糊综合评判技术在处理非线性关系的问题上拥有巨大的优势,可将影响行程时间预测的各种因素综合考虑,合理分配各种因素之间的权重,从而实现对行程时间的智能预测。7.研究了订阅/通知模式的动态交通信息服务方式。动态交通信息服务的核心在于信息的时效性,以哪种方式为用户提供动态交通信息服务,体现动态交通信息的时效性,是动态交通信息服务的关键所在。基于订阅/通知模式的动态交通信息服务是针对动态交通信息变化快、实时性强等特点,提出的一种全新的动态交通信息服务方式,该服务方式非常适合于大规模、动态性强以及以信息交换为中心的动态交通信息系统。8.建立了动态交通信息的模糊XML数据模型,构造了动态交通信息智能网络服务中间件。动态交通信息由于本身的特性,信息存在很多的不确定性和模糊性,传统XML很难描述动态交通信息的这种不确定性和模糊性,因此,需建立模糊XML数据模型作为统一的数据标准,描述来自不同数据源的动态交通信息数据,实现异构数据集成中数据的互操作性,屏蔽动态交通信息数据源中应用环境和数据结构的异构性,从而形成一个可以共享的共用平台,为用户提供实时、准确和可靠的动态交通信息服务。9.研究了分布式动态交通信息智能网络服务。针对动态交通信息变化快、实时性强,具有模糊性、不确定性等特点,提出了分布式动态交通信息智能网络服务。分布式动态交通信息智能网络服务具有分布式、主动服务、按需服务以及智能服务等优点,充分体现了动态交通信息服务的时效性,真实反映了复杂多变的现实交通状况。