資源描述：
《基于遺傳算法的動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)城市快速路入口匝道控制.doc》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、.word格式,基于遺傳算法的動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)城市快速路入口匝道控制基于遺傳算法的動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)城市快速路入口匝道控制基于遺傳算法的動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)城市快速路入口匝道控制張偉1,2，肖日東2，鄧晶2(1.長(zhǎng)安大學(xué)信息工程學(xué)院，陜西西安710064；2.中國(guó)公路工程咨詢集團(tuán)有限公司，北京100083)摘要：為了實(shí)現(xiàn)城市快速路的入口匝道智能動(dòng)態(tài)控制，通過建立入口匝道數(shù)學(xué)模型，并應(yīng)用具有遞歸環(huán)節(jié)的動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)于匝道控制系統(tǒng)中。在模糊神經(jīng)網(wǎng)絡(luò)第二層中加入內(nèi)部反饋連接，使控制系統(tǒng)更好地響應(yīng)復(fù)雜多變的交通
2、狀況，解決了以往靜態(tài)網(wǎng)絡(luò)無(wú)法處理的暫態(tài)問題?？刂迫肟谠训赖膭?dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)使用遺傳算法與反向傳播BP算法相結(jié)合來(lái)訓(xùn)練，遺傳算法的宏觀搜索能力及魯棒性強(qiáng)等優(yōu)點(diǎn)有效地避免了神經(jīng)網(wǎng)絡(luò)算法易陷入局部極小及震蕩效應(yīng)等缺點(diǎn)。通過仿真結(jié)果，驗(yàn)證了基于動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的控制算法相對(duì)于經(jīng)典的ALINEA入口匝道控制算法具有改善，能夠更好地保證城市快速路的通行效率。關(guān)鍵詞：交通工程；城市快速路；動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)；入口匝道控制；智能交通系統(tǒng)0引言,專業(yè).專注..word格式,隨著我國(guó)經(jīng)濟(jì)的發(fā)展，汽車保有量增加，交通流量也
3、隨之不斷增長(zhǎng)[1-2]，城市道路交通擁擠和事故發(fā)生率也逐漸升高。城市道路中起著主導(dǎo)性作用的城市快速路[3]，也正面臨著巨大的挑戰(zhàn)。入口匝道控制是解決城市快速路交通擁擠最為有效的措施之一，因此尋找智能的、滿足車流動(dòng)態(tài)變化需求的入口匝道控制方法，對(duì)緩解城市快速路乃至整個(gè)城市道路交通擁擠狀態(tài)有著重要意義[4]。入口匝道控制的成功應(yīng)用，從最早應(yīng)用于美國(guó)的Zone算法，到后來(lái)應(yīng)用于巴黎、阿姆斯特丹等地方的ALINEA算法[5]，距今已將近有46年歷史。經(jīng)過多年實(shí)踐，Zone算法及ALINEA算法具有其一定適用
4、性，但由于當(dāng)時(shí)沒考慮到交通流的動(dòng)態(tài)突變情況以及入口匝道排隊(duì)的回溢現(xiàn)象，隨著時(shí)間的推移，這兩種算法的短板逐漸顯現(xiàn)[6-7]。當(dāng)前國(guó)內(nèi)外學(xué)者正研究把自適應(yīng)模糊控制算法[8-9]、神經(jīng)網(wǎng)絡(luò)控制算法[10]、遺傳算法應(yīng)用于智能交通控制領(lǐng)域[11-12]，但各算法都有其缺點(diǎn)，因此控制算法的改善備受交通控制領(lǐng)域?qū)＜业年P(guān)注。本文在前人應(yīng)用于入口匝道的控制算法研究的基礎(chǔ)上，以提高城市快速路利用率及服務(wù)水平為目的，提出具有遞歸環(huán)節(jié)的動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)城市快速路的入口匝道智能控制，并采用遺傳算法對(duì)控制器參數(shù)進(jìn)行優(yōu)化，
5、把模糊算法、神經(jīng)網(wǎng)絡(luò)、遺傳算法綜合應(yīng)用于城市快速路的入口匝道控制中，最后選取北京某段城市快速路進(jìn)行仿真分析，驗(yàn)證該方法對(duì)入口匝道的控制效果。1入口匝道模型,專業(yè).專注..word格式,為了在仿真中研究動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)控制算法的有效性，以及該算法與傳統(tǒng)算法的比較，有必要推導(dǎo)一個(gè)城市快速路入口匝道的數(shù)學(xué)模型。如圖1所示，選取一個(gè)路段寬度為Δx、主線的車道數(shù)目為λ的城市快速路路段。圖1城市快速路入口匝道Fig.1Urbanexpresswayentranceramp由交通流機(jī)理可以推導(dǎo)出：Q(k+1)=Q
6、(k)+Δt(λqu(k)-λq(k)+r(k))，(1)l(k+1)=l(k)+Δt(rd(k)-r(k))，(2)式中，Q為路段內(nèi)車輛總數(shù)；l為入口匝道排隊(duì)車輛數(shù)目;Δt為采樣時(shí)間。通過方程(1)除以λΔx可以得到：(3)通過大量的研究及實(shí)踐證明，交通流密度ρ和交通流量可通過一定的函數(shù)關(guān)系式解析兩者的聯(lián)系，選取現(xiàn)在廣泛應(yīng)用于交通工程領(lǐng)域的LWR模型[13-15]：(4)式中，vl為城市快速路的自由流速度；ρj為城市快速路的阻塞密度。將式(4)代入式(3)可得關(guān)系式：ρ(k+1)=ρ(k)+(5)
7、由上面的交通流機(jī)理函數(shù)關(guān)系式推導(dǎo)，可得到城市快速路入口匝道控制的模型，如圖2所示。并且設(shè)定城市快速路入口匝道控制的狀態(tài)方程：(6)式中，狀態(tài)變量；輸入變量為r(k)；擾動(dòng)變量為圖2入口匝道控制模型Fig.2On-rampcontrolmodel2城市快速路出入口匝道的動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)控制算法,專業(yè).專注..word格式,由第1節(jié)推導(dǎo)的入口匝道控制模型可知交通流密度ρ是影響交通擁擠程度的關(guān)鍵參數(shù)，所以通過入口匝道調(diào)節(jié)，使城市快速路的交通流密度ρ盡量處于臨界密度ρ臨之下，以保證城市快速路的車輛行駛通暢，
8、實(shí)現(xiàn)城市快速路的有效利用。在保證不影響城市快速路正常使用的前提下，最大化地減短入口匝道的入口排隊(duì)長(zhǎng)度l，避免入口匝道發(fā)生回溢現(xiàn)象，精確地計(jì)算出入口匝道調(diào)節(jié)率r。如圖3所示，輸入匝道的當(dāng)前狀態(tài)X，經(jīng)過動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)控制算法的可調(diào)節(jié)特性優(yōu)化系統(tǒng)，最終輸出入口匝道調(diào)解率r。圖3入口匝道DFNN算法結(jié)構(gòu)Fig.3StructureofDNFFalgorithmforon-rampcontrol2.1模糊規(guī)則的確定根據(jù)交通流理論，城市快速路主線交通流密度ρ和入口匝道調(diào)解率r呈
