【正文】 化為XML實例映射到適合使用模糊推理引擎的模糊規(guī)則的模糊本體。本文最重要的目的之一是提出一個獨立的可重復(fù)使用的交通燈控制模塊。第4部分說明了現(xiàn)在正在進(jìn)一步研究的事實，并介紹了我們的新思想。綠燈模擬器是一個交通模擬器，監(jiān)控交通流量統(tǒng)計，如平均等待時間，并測試不同的交通燈控制器。優(yōu)化交通燈開關(guān)，增加道路容量和流量，可以防止交通堵塞，交通信號燈控制是一個復(fù)雜的優(yōu)化問題和幾種智能算法的融合，如模糊邏輯，進(jìn)化算法，和聚類算法已經(jīng)在使用，試圖解決這一問題，本文提出一種基于多代理聚類算法控制交通信號燈。交通仿真有幾個不同的模型。研究交通的目的是為了優(yōu)化運輸，人流以及貨流。該智能交通燈控制系統(tǒng)可以實現(xiàn)的功能有：對某市區(qū)的四個主要交通路口進(jìn)行控制：個路口有固定的工作周期，并且在道路擁擠時中控制中心能改變其周期：對路口違章的機(jī)動車能夠即時拍照，并提取車牌號。第一篇：外文翻譯當(dāng)今時代是一個自動化時代，交通燈控制等很多行業(yè)的設(shè)備都與計算機(jī)密切相關(guān)。本文介紹了一個智能交通的系統(tǒng)的設(shè)計。本文主要從單片機(jī)的應(yīng)用上來實現(xiàn)十字路口交通燈智能化的管理，用以控制過往車輛的正常運作。例如避免交通擁堵被認(rèn)為是對環(huán)境和經(jīng)濟(jì)都有利的，但改善交通流也可能導(dǎo)致需求增加。采用先進(jìn)的傳感器和智能優(yōu)化算法來優(yōu)化交通燈控制系統(tǒng)，將會是非常有益的。我們對自己的聚類算法模型和其它使用綠燈模擬器的系統(tǒng)做了比較。第3部分是就相關(guān)問題得出結(jié)論。The motro vehicle breaking rules and regulations to the crossing is able to take a photo immediately,abstracts and the vehicle shop world range ,one uses the microelectronics technology,the puter and the technology municating by letter are a guide’s,centering on IT and IT industry information revolution is in the ,how,puter art applies more effective union and there is an effect’s brought it’s effect into play with reality is the most popular topic of scientific munity,is also that puter applications is hit by the unparalleled active field main body of a book is applied up mainly from slicing machine’s only realizing intellectualized administration of crossroads traffic light,use operation in controlling the vehicular traffic research has the goal to optimize transportation flow of people and the number of road users constantly increases, and resources provided by current infrastructures are limited, intelligent control of traffic will bee a very important issue in , some limitations to the usage of intelligent tra?c control jams for example is thought to be beneficial to both environment and economy, butimproved trafficflow may also lead to an increase in demand [Levinson, 2003].There are several models for traffic our research we focus on microscopicmodels that model the behavior of individual vehicles, and thereby can simulate dynamics of groups of has shown that such models yield realistic behavior[Nagel and Schreckenberg, 1992, Wahle and Schreckenberg, 2001].Cars in urban traffic can experience long travel times due to inefficient traffic light control of traffic lights using sophisticated sensors and intelligent optimizationalgorithms might therefore bevery of traffic light switching increasesroad capacity and traffic flow, and can prevent tra?c light control is aplex optimization problem and several intelligent algorithms, such as fuzzy logic, evolutionary algorithms, and reinforcement learning(RL)have already been used in attemptsto solve this paper we describe a modelbased, multiagent reinforcement learningalgorithm for controlling traffic our approach, reinforcement learning [Sutton and Barto, 1998, Kaelbling et al., 1996]with roaduserbased value functions [Wiering, 2000] is used to determine optimal decisionsfor each traffic decision is based on a cumulative vote of all road users standingfor a traffic junction, where each car votes using its estimated advantage(or gain)of settingits light to gainvalue is the difference between the total time it expects to waitduring the rest of its trip if the light for which it is currently standing is red, and if it is waiting time until cars arrive at their destination is estimated by monitoring cars flowingthrough the infrastructure and using reinforcement learning(RL) pare the performance of our modelbased RL method to that of other controllersusing the Green Light District simulator(GLD).GLD is a traffic simulator that allows usto design arbitrary infrastructures and traffic patterns, monitor traffic flow statistics such asaverage waiting times, and test different traffic light experimental resultsshow that in crowded traffic, the RL controllers outperform all other tested also test the use of the learned average waiting times for choosing routes of cars through the city(colearning), and show that by using colearning road users can avoidbottlenecks.第二篇：外文翻譯設(shè)計一個位于十字路口的智能交通燈控制系統(tǒng)摘要：本文模型使用模糊本體的交通燈控制域，并把它應(yīng)用到控制孤立十字路口。此外，交通數(shù)據(jù)提取和分類路口使用的人工神經(jīng)網(wǎng)絡(luò)的圖像處理算法。關(guān)鍵詞:模糊本體,智能代理,智能交通系統(tǒng)(ITS),交通信號燈控制(TLC),孤立的十字路口,圖像處理,人工神經(jīng)網(wǎng)絡(luò)作為城市交通增加的結(jié)果,道路網(wǎng)絡(luò)的能力有限和發(fā)展交通工具和方法的技術(shù)方面，許多實體，關(guān)系，情況和規(guī)則已經(jīng)進(jìn)入交通燈控制域和轉(zhuǎn)化成為一個知識領(lǐng)域。以前的模型是基本的本體建設(shè)的基礎(chǔ)，為下列建立一個共享的語義豐富的知識域。這些領(lǐng)域之一是智能交通系統(tǒng)。該系統(tǒng)采用的圖像來自安裝了監(jiān)控攝像機(jī)拍攝的路口。第4節(jié)介紹交通燈控制的模糊本體的建設(shè)。此外，國家的交通燈控制的藝術(shù)方法是簡要介紹。在此類別中的所有規(guī)則如表1所示。出于這個原因，60個模糊規(guī)則被定義了。當(dāng)天的參數(shù)是在日歷基礎(chǔ)上基于假期和正常的一天與周期時間量的關(guān)系預(yù)定義的。此外，為周期時間估計的模糊規(guī)則表示如下：“如果天氣條件是晴天，時間是早晨，天是正常的，平均車輛擁堵是低，則周期時間短”。評價過程的主要目的是顯示發(fā)展的本體和其相關(guān)的軟件環(huán)境的用處。此外，所有交通邏輯控制的元素包括概念，關(guān)系，屬性和公理都被這些專家進(jìn)行了評估和驗證。邏輯交通控制滿足所有的交通燈控制的需求，并能回答的能力問題。關(guān)鍵詞：超聲波 測距儀 單片機(jī)前言隨著科技的發(fā)展，人們生活水平的提高，城市發(fā)展建設(shè)加快，城市給排水系統(tǒng)也有較大發(fā)展，其狀況不斷改善，但是，由于歷史原因合成時間性的許多不可預(yù)見因素，城市給排水系統(tǒng)，特別是排水系統(tǒng)往往落后于城市建設(shè)，因此，經(jīng)常出現(xiàn)開挖已經(jīng)建設(shè)好的建筑設(shè)施來改造排水系統(tǒng)的現(xiàn)象。隨著經(jīng)濟(jì)的發(fā)展與汽車科學(xué)技術(shù)的進(jìn)步，公路交通呈現(xiàn)出行駛高速化、車流密集化和駕駛員非職業(yè)化的趨勢。中國政府也高度重視智能交通系統(tǒng)的研究開發(fā)與推廣應(yīng)用。目前汽車安全領(lǐng)域被動安全研究較多，主要從安全氣囊、ABS(防抱死系統(tǒng))和懸架等方面著手，以保證駕乘人員的安全。能向司機(jī)及乘員提前發(fā)出即將發(fā)生撞車危險的信號，促使司機(jī)采取應(yīng)急措施來應(yīng)付特殊險情，避免損失。因此，大力研究開發(fā)如汽車防撞裝置等主動式汽車輔助安全裝置，減少駕駛員的負(fù)擔(dān)和判斷錯誤，對于提高交通安全將起到重要的作用。后繼的產(chǎn)品可以顯示車后障礙物離車體的距離。汽車防撞雷達(dá)之所以能實現(xiàn)防撞報警功能，主要有超聲波這把無形尺子, 它測量最近障礙物的距離, 并告訴給車主。系統(tǒng)采用一片STC89C52單片機(jī)對兩路超聲波信號進(jìn)行循環(huán)采集。超聲波傳感器有發(fā)送器和接收器，但一個超聲波傳感器也可具有發(fā)送和接收聲波的雙重作用。測量距離的方法有很多種，短距離的可以用尺，遠(yuǎn)距離的有激光測距等，超聲波測距適用于高精度的中長距離測量。超聲波發(fā)生器可以分為兩類：一類是用電氣方式產(chǎn)生超聲波，一類是用機(jī)械方式產(chǎn)生超聲波。其原理為：檢測從發(fā)射傳感器發(fā)射超聲波，經(jīng)氣體介質(zhì)傳播到接收傳感器的時間，這個時間就是渡越時間。超聲波發(fā)生器內(nèi)部結(jié)構(gòu)，它有兩個壓電晶片和一個共振板。這個信號恰恰選于噪音水平之上，然而脈沖到達(dá)時間被定義為脈沖信號剛好超過界限的第一時刻。強(qiáng)度較強(qiáng)的脈沖會比強(qiáng)度較弱的脈沖超過界限的時間早點，因此我們會認(rèn)為強(qiáng)度較強(qiáng)的脈沖屬于較近的物體。圖1 電路原理圖中原工學(xué)院畢業(yè)設(shè)計（論文）譯文 40kHz脈沖的產(chǎn)生與超聲波發(fā)射測距系統(tǒng)中的超聲波傳感器采用UCM40的壓電陶瓷，它的工作電壓是40kHz的脈沖信號，這由單片機(jī)執(zhí)行下面的程序來產(chǎn)生。IC2是帶有鎖定環(huán)的音頻譯碼集成塊LM567，內(nèi)部壓控振蕩器的中心頻率f0=1/，電容C4決定其帶寬。轉(zhuǎn)至右側(cè)距電路中斷服務(wù)程序jnb ,left。關(guān)外部中斷0 讀取時間值MOV R7,TH0。POP ACCPOP PSWRETI 對于一個平坦的目標(biāo)，測量距離包括兩個階段：粗糙的測量和精細(xì)的測量。通過脈沖的周期設(shè)置下一個脈沖。如果逆向發(fā)生在回波中，決定要不通過在低氣壓插入振幅。定時中斷服務(wù)子程序完成三方向超聲波的輪流發(fā)射，外部中斷服務(wù)子程序主要完成時間值的讀取、距離計算、結(jié)果的輸出等工作。思考：至于為什么不用接收管做放大電路，因為放大倍數(shù)搞不好，集成放大電路，還帶自動電平增益控制，放大倍數(shù)為76db，中心頻率是38k到40k，剛好是超聲波傳感器的諧振頻率。ultrasonic firing continued 200ms here:cpl 。djnz 14h, here。open external interrupt 1popacc poppsw reti right:…。read the time value MOV R6, TL0 CLR C MOV A, R6 SUBB A,0B