智能運(yùn)輸展望(存儲版)
【正文】 死點(diǎn)問題 , 使得聚類分析中始點(diǎn)的選取可以有更大的隨意性，并以實(shí)例驗(yàn)證了算法的有效性。在反復(fù)迭代學(xué)習(xí)過程中，給出了匝道優(yōu)化設(shè)計(jì)的目標(biāo)。有了這些特定氣象條件下對道路通行能力，匝道控制系統(tǒng)就可以對匝道處交通流量作出相應(yīng)的控制。 模糊聚類神經(jīng)網(wǎng)絡(luò)的死點(diǎn)問題 n 近年來， 基于競爭學(xué)習(xí)算法的聚類神經(jīng)網(wǎng)絡(luò)。 匝道測控模型的參數(shù)辨識 n 我們從高速公路交通流的宏觀、動態(tài)特征出發(fā)，首先給出了交通流控制和仿真中常用的宏觀、動態(tài)、確定性交通流模型，并利用模糊神經(jīng)網(wǎng)絡(luò)的方法對模型中的參數(shù)進(jìn)行辨識，既可以和高速公路實(shí)際的交通狀況吻合，又簡化計(jì)算，且收斂性較好。n 模糊神經(jīng)網(wǎng)絡(luò)這一新興領(lǐng)域的開拓者應(yīng)該歸功為美國南加利福尼亞大學(xué)信號和圖像處理研究所長 B． Kosko教授。 (3) 智能復(fù)雜性和高度自動化系統(tǒng)的穩(wěn)定性要求有新的理論、方法和開發(fā)工具。 80年代以來，世界各發(fā)達(dá)國家雖然已經(jīng)基本建成了四通八達(dá)的現(xiàn)代化國家道路網(wǎng)。這就引出一個多變量反饋控制策略的問題。 n 下列問題就有待于解決： (1) 能否找到一類模糊函數(shù)可用單純模糊神經(jīng)網(wǎng)絡(luò)來逼近的等價條件。 匝道測控的因素空間分析 n 從系統(tǒng)的觀點(diǎn)出發(fā) ,把車輛和道路（例如：公路負(fù)載能力、事故率、燃料消耗、尾氣排放水平、公眾接受程度等等）綜合一起考慮 ，首先我們對匝道測控的各種因素進(jìn)行分析，建立匝道測控的監(jiān)測策略的因素空間，形成因素空間中的網(wǎng)絡(luò)圖。 災(zāi)變神經(jīng)網(wǎng)絡(luò)模型 n 在自動控制理論中還沒有一個有效的方法能夠解決像匝道測控系統(tǒng)這樣的非線性大系統(tǒng)的最優(yōu)控制問題。 交通事故的人的因素識別模式 n 由于人的因素而導(dǎo)致的交通事故是經(jīng)常發(fā)生的。 圖 2 神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練的均平方誤差曲線圖考慮氣象條件的模糊神經(jīng)網(wǎng)絡(luò)模型 n 氣象
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1