标题:城市交通系统智能优化控制研究
导师:贾磊
学号:200320512
作者:朱文兴
论文答辩日期:2005-06-06 00:00:00
关键词:城市交通;交通流预测;“大路口”;交通流密度图;遗传算法
摘要:随着国民经济的不断增长,人民生活水平的不断提高,汽车进入寻常百姓家中业已成为现实,随之而来的城市交通问题则日益突现出来。因此,采用现代科学手段,研究一些智能化的方法来解决城市交通管理问题,就成为当务之急。 城市交通系统是一个带有随机性、复杂性、不确定性的大系统,对它的研究,人们无法建立精确的数学模型,必须借助于智能化的方法,如模糊控制、神经网络、遗传算法等,才有可能解决城市交通问题。因此,建立有效的智能交通系统是目前研究人员所追求的目标。所谓的智能交通系统(Intelligent Transportation System 简称 ITS)是指将先进的信息技术、电子通讯技术、自动控制技术、计算机技术以及网络技术等有机地运用于整个交通运输管理体系而建立起的一种实时、准确、高效的交通运输综合管理和控制系统。它是由若干子系统所组成的,通过系统集成将道路、驾驶员和车辆有机地结合在一起,加强三者之间的联系。借助于系统的智能技术将各种交通方式的信息及道路状况进行登记、收集、分析,并通过远程通讯和信息技术,将这些信息实时提供给需要的人们,以增强行车安全,减少行车时间,并指导行车路线。同时管理人员通过采集车辆、驾驶员和道路的实时信息来提高其管理效率,以达到充分利用交通资源的目的。日本、美国、西欧、澳大利亚等都建立了相应组织机构从事相关方面的开发应用并取得了一些成果。我国政府部门也早已认识到智能交通的重大战略意义,采取一系列措施,对智能交通研究加大了投入,给予重点扶持。 本文是在研究前人科研成果的基础上,根据城市交通的规律,提出了“实时预测,微观控制,中观协调,宏观诱导”的城市交通智能化管理新思路,其核心是建立控制与诱导相协同的路径优化模型,模型的性能指标是出行时间,即交通网络里的出行车辆从起点到终点之间花费时间最少。 实时交通流预测是智能交通系统研究的一个重要问题,对交通流实时准确的预测是动态交通控制和诱导的前提。关于交通流预测分两种:一种是微观意义上的,即以实时交通数据信息来预测几分钟之内的交通流状况,叫做短时交通流预测,另一种是宏观意义上的,通常是以小时、日、月、甚至是年来计算,是基于交通规划的预测,叫做长时交通流流预测。本文指的是短时交通流预测。 传统的交通流预测模型有很多,如求和滑动平均自回归模型,卡尔曼滤波模型,非参数回归模型,指数平滑模型等,这些模型在一定程度发挥了应有的作用,随着智能方法的兴起,交通流预测模型则转向了智能预测模型。智能预测模型主要包括状态空间重构法模型、谱分析法模型以及基于模糊控制、神经网络、粗集理论、混沌理论、小波理论的复合预测模型等。目前比较多的是基于神经网络的复合预测模型。 本文提出了基于最疏集的交通流智能预测方法,该方法主要是利用RBF神经网络的非线性逼近特性,结合在第三章定义的最疏集聚类方法,使得交通流预测快速有效。 微观控制是指交通网络里单个交通节点的信号控制,主要是利用实时预测的交通流,建立以车辆平均延误最小为目标的优化模型,求得通过交通节点最省时间的信号配时(有时是求绿信比)。 文章第四章提出了一个新的交通节点的定义-“大路口”,实际上是交通网络最小控制单元的重新定义。跟传统的最小控制单元相比, “大路口”概念的提出不仅有效改善了交通流在局部的控制效果,而且对将来交通路网规模的精简起到很好的作用。 中观协调是指对主干路上的交通流进行有效的协调和控制,即通过建立主干路交通控制优化模型,根据实时交通流来将整条主干路的各个参数包括周期、绿信比、相位差等优化出来,从而实现交通流的通畅运行。文章的第五章提出了主干路多目标优化控制算法,建立以车辆平均延误最小和交通流量最大为目标的优化模型,分别采用遗传算法优化交通流量最大情况下的主干路统一周期值,然后,将周期根据每个路口以车辆平均延误最小为目标优化得到的绿信比分配下去。另外,本文还提出了干线上节点之间相位差的优化模型,通过考虑节点入口的排队长度以及所有车辆的时间延误,优化相位差,从而有效协调整条主干路上的交通流。 宏观诱导是针对整个城市交通网络而言的,由于对整个交通网络实施全面控制的难度是相当大的,几乎是不可实现的,因此,采用交通流诱导不失为一种宏观上管理城市交通流的可行的方法之一。 文章的第六章定义了一种新的动态交通路网模型-交通流密度图。通过定义交通路网模型,把静态交通网络与动态交通网络有机结合在一起,它的节点是交通控制最小单元包括“大路口”,每条边(弧)不是两交叉口之间的街道,而是两交叉口之间的交通流,边(弧)的权值大小就用两交叉口之间车流密度的函数来表示,这样的交通网络图把城市的地理信息和交通流信息有机地结合到了一起,非常有助于从理论上来分析城市交通流的规律。 本章还提出了一种新的交通控制与交通诱导相协同的交通网络最短路径模型,该模型不仅考虑车辆通过每条边(弧)的用时长度,而且考虑车辆通过节点的时间延误。最后,对最短路模型选用改进的DJKSTRA算法优化,从而得到交通网络最优路径。 第七章是本文的结论和展望,总结了本文的创新点,肯定了成绩,并针对文章的不足,提出了以后努力的方向
TOP