智能運輸展望-全文預覽
【正文】 量，從系統的觀點出發(fā)，把車輛和道路集成起來考慮，運用先進的計算機、電子、通訊、監(jiān)控技術，系統地解決交通問題這就是 “智能運輸系統 ”[1]（ Intelligent Transport System），簡稱 ITS。 智能運輸研究中面臨的問題 智能運輸系統監(jiān)測和控制的研究和實施，在歐美國家已有較長的歷史，但是到目前為止，主要是以單條公路的定時和感應控制為主，較少涉及到幾條公路的協調測控，控制方法比較傳統，監(jiān)測方法落后，基本上沒有智能。線性二次型優(yōu)化理論是解決線性系統多變量反饋控制的強有力工具，這種技術也可以用于在期望狀態(tài)附近線性化的非線性系統，而對于一個較大的系統，反饋中的 K陣較難求，況且由于最優(yōu)問題是在期望狀態(tài)附近得到的，所以它只能消除較小的擾動，對于嚴重的擾動（如發(fā)生交通事故時）該方法將顯得無能為力。 n 模糊神經網絡的性能在很大程度上受網絡本身結構的制約，所以如何構成良好的網絡結構，以便利于神經網絡實現模糊輸入、模糊推理、網絡中的傳播和最終結果的理解等等，已成為許多學者所關心并加以研究的問題。怎么利用模糊神經網絡來處理帶有畸變的模糊信息？這其中又如何引進合適的模糊信息間差異的度量？如何簡化模糊控制器的量化過程，將其轉換成易于學習的算法？如何確定學習指標，構成有效的模糊控制學習系統？如何將模糊控制器的調整轉化為等價的神經網絡學習，利用等價的模糊邏輯來初始化神經元網絡以及模糊神經網絡的穩(wěn)定性、收斂性等，都是有待進一步研究的問題。其實質是通過控制高速公路交通流的流量，來提高高速公路的服務流量，避免或消除阻塞，減少高速公路上的車輛延誤，以實現交通流的安全暢通。 時間匝道通行能力20040024181260圖 1 高速公路匝道日道路通行能力變化圖模糊逼近神經網絡攝動系統的全局穩(wěn)定性條件 n 基于 T
教學課件相關推薦
鄂ICP備17016276號-1