【正文】 使系統(tǒng) 平均擁擠度 最小 智能運輸系統(tǒng)概論 動態(tài)系統(tǒng)最優(yōu)和用戶最優(yōu)分配模型 3）動態(tài)系統(tǒng)最優(yōu)分配模型 根據(jù) 不同的目標(biāo) 可以建立不同的 最優(yōu)模型 ， 在這里只給出根據(jù)目標(biāo) （ 1） 確定的模型 ， 具體模型如下： 0m in : ( )TaaAJ x t dt?? ? ?（ 31） （ 32） （ 33） （ 34） （ 35） .： () ( ) ( )n nnaaadx t u t v tdt ?? ,( ) ( )( ) ( ) ( )a k n aa A k a B ku t q t v t k n??? ? ???() ( ) 0naa A n ut? ??()()()nn aaaxtvtct?智能運輸系統(tǒng)概論 動態(tài)系統(tǒng)最優(yōu)和用戶最優(yōu)分配模型 ； 。 此時模型可看作是離散時間系統(tǒng)的最優(yōu)控制模型 ， 也可以看作是一個數(shù)學(xué)規(guī)劃模型 。 4）動態(tài)用戶最優(yōu)分配模型 模型中與動態(tài)系統(tǒng)最優(yōu)不同的是 ， 將路段流入率 、 路段流出率 作為 控制變量 ， 作為 狀態(tài)變量 。 智能運輸系統(tǒng)概論 動態(tài)系統(tǒng)最優(yōu)和用戶最優(yōu)分配模型 ； 。 最優(yōu)條件 由 Pontryagin極大值 定理獲得 。 ② 引入控制變量 ， 添加不等式約束 。 VI模型的 網(wǎng)絡(luò)加載 過程是基于 路徑 的 ， 因此用戶在起點按照 最小行駛時間 原則選好路徑后 ， 就 不允許 中途改變路徑 。 最優(yōu)控制 模型發(fā)展了 數(shù)學(xué)規(guī)劃 模型 ， 將控制領(lǐng)域中 最優(yōu)控制 理論引入了問題表述中 ， 但最終缺乏一個行之有效的算法 。 平衡相變 理論 、 突變 理論 、 特別是遠離平衡系統(tǒng)的 耗散結(jié)構(gòu) 理論 ， 直接為協(xié)同學(xué)的創(chuàng)立奠定了客觀的學(xué)科背景。 作為協(xié)同學(xué)研究對象的系統(tǒng) ， 當(dāng)外界的 控制參量 不斷改變時 ， 在一定條件下會經(jīng)歷一個 從無序到有序 、 從有序到有序 ， 從有序到混沌 的演化系列 。 城市交通流具有如下一些特征 ： 具有 開放 、 遠離平衡 的特點 ， 且交通流中存在各種 偶然的 、 隨機的 、 不確定 的因素；系統(tǒng)中存在 非線性作用機制 ，具有形成自組織的條件 。 有序 結(jié)構(gòu)靠 信息流 來維持 。 車輛誘導(dǎo)、交通控制和公共交通協(xié)同理論 智能運輸系統(tǒng)概論 車輛誘導(dǎo)、交通控制和公共交通協(xié)同理論 誘導(dǎo)、控制、公交協(xié)同理論示意圖 社會經(jīng)濟活動 客運需求 出行前誘導(dǎo) 公交出行 機動車出行 車載誘導(dǎo) 公交自動調(diào)度 自適應(yīng)控制 交通共用信息平臺 歷史信息 實時信息 交通信息采集 非機動車出行 貨運需求 客運需求 完成 完成 完成 智能運輸系統(tǒng)概論 車輛誘導(dǎo)、交通控制和公共交通協(xié)同理論 1）誘導(dǎo)系統(tǒng)與控制系統(tǒng)的協(xié)同 城市交通流誘導(dǎo) 系統(tǒng)調(diào)整交通流 空間分布 減少受誘導(dǎo)車輛的 行程時間 ， 自適應(yīng)控制系統(tǒng) 調(diào)整交通流的時間分布減少所有車輛的 時間延誤 ， 二者 本質(zhì) 是 一致 的 。 在以上 三 種協(xié)同關(guān)系中 ， 控制系統(tǒng)與公交系統(tǒng)的協(xié)同 主要體現(xiàn)在 公交的信號優(yōu)先 ， 誘導(dǎo)系統(tǒng)與公交系統(tǒng)的協(xié)同 主要體現(xiàn)在 誘導(dǎo)信息 對出行者出行方式選擇的影響與改變上 。 智能運輸系統(tǒng)概論 國內(nèi)外交通控制與交通誘導(dǎo)協(xié)同理論的研究 Nathan Chronis Stamatiadis（ 1996） 提出了一種 動態(tài)交通分配 與 實時控制結(jié)合管理 的框架 。 智能運輸系統(tǒng)概論 國內(nèi)外交通控制與交通誘導(dǎo)協(xié)同理論的研究 以交通信息共享為基礎(chǔ)的 UTCS和 UTFGS協(xié)同框架 智能運輸系統(tǒng)概論 國內(nèi)外交通控制與交通誘導(dǎo)協(xié)同理論的研究 總結(jié)以往 國內(nèi)外 關(guān)于 UTCS與 UTFGS協(xié)同模式 的研究 ， 主要歸結(jié)為以下 四種 ： UTCS與 UTFGS的 基礎(chǔ)信息共享 ， 但是兩個系統(tǒng) 獨立運作 ，UTCS與 UTFGS之間 不存在策略和方案間的協(xié)同 。 分別在 固定的交通流 下調(diào)整 信號配時 ， 或者在 固定的信號配時 下解 交通流均衡 問題 ， 直到兩個問題的解被認為 相互一致 或達到平衡 。 作為 ITS核心 研究領(lǐng)域之一的 城市交通流誘導(dǎo)系統(tǒng) ， 是通過 實時地采集 和 發(fā)送 交通信息 ， 適時 引導(dǎo) 交通流量合理分布 ， 從而達到高效率利用道路網(wǎng)絡(luò)的一種 主動交通控制方式 。 本書作者通過主持完成“ 十五 ” 國家科技攻關(guān)重大項目 “ 車載信息裝置開發(fā) ” 、“ 基礎(chǔ)交通信息采集與融合技術(shù)研究 ” 在交通信息預(yù)測理論和模型等方面取得了階段性成果 。 智能運輸系統(tǒng)概論 短時交通信息預(yù)測理論模型體系 BP神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測模型的研究 作者所在課題組采用經(jīng)過訓(xùn)練的 神經(jīng)網(wǎng)絡(luò) 對長春市人民大街上解放大路至錦水路的 路段交通流量 進行了 預(yù)測 ， 預(yù)測 結(jié)果較好 。 不僅可用于 信號的濾波 和 估計 ， 還可用于 模型參數(shù) 的估計 ，所以適用于 交通狀況的預(yù)測 。 智能控制理論簡介 控 制 器 對 象控 制 器 設(shè) 計 參 數(shù) 估 計 yur控 制 參 數(shù)對 象 參 數(shù)參數(shù)自適應(yīng)自組織控制 控 制 器 控 制 對 象模 型+ury調(diào) 整 機 構(gòu) e品質(zhì)自適應(yīng)自組織控制 智能運輸系統(tǒng)概論 智能控制理論簡介 重復(fù)性學(xué)習(xí)控制系統(tǒng) 濾 波 器 控 制 對 象 記 憶 裝 置學(xué) 習(xí) 控 制 律+ ke dykyku 1?ku++1） 自適應(yīng) 、 自組織和自學(xué)習(xí)控制 另還有一種 基于重復(fù)性的學(xué)習(xí)控制 ， 其典型結(jié)構(gòu)如圖所示 。 智能運輸系統(tǒng)概論 智能控制理論簡介 4） Petri網(wǎng) 新近發(fā)展起來的一種既是 圖形 也是 數(shù)學(xué) 的 建模工具 。 智能運輸系統(tǒng)概論 智能控制理論簡介 8） 神經(jīng)網(wǎng)絡(luò)理論 是介于 符號推理 與 數(shù)值計算 之間的一種 數(shù)學(xué) 工具 。 在 神經(jīng)網(wǎng)絡(luò)控制 中也常常是根據(jù)使某種 代價函數(shù) 極小來選擇網(wǎng)絡(luò)的連接權(quán)系數(shù) 。 智能控制系統(tǒng)在控制的 靈活性 、 魯棒性 及 適應(yīng)性 等諸方面都大大高于基于 傳統(tǒng)控制理論 的控制系統(tǒng) 。 模仿生物進化的過程 ， 來逐步達到最好的結(jié)果 。 是一種 可以訓(xùn)練 的 非線性動力學(xué) 系統(tǒng) 。 智能運輸系統(tǒng)概論 智能控制理論簡介 6） 形式語言與自動機 利用 形式語言 與 自動機 作為工具可以實現(xiàn) 分層遞階智能控制系統(tǒng) 中 組織級 和 協(xié)調(diào)級 的功能 。 ku k ky dy )(1 kkk efuu ??? ku智能運輸系統(tǒng)概論 智能控制理論簡介 2） 知識工程 廣義地講 ， 設(shè)計控制系統(tǒng) 便是有效地 組織和運用知識的過程 。 后來薩里迪斯加進了運籌學(xué) ， 認為智能控制是 人工智能 、 運籌學(xué) 和 自動控制 三者的交叉 ， 并用下圖來形象的說明這一點 。 智能運輸系統(tǒng)概論 短時交通信息預(yù)測理論模型體系 預(yù)測系統(tǒng)的輸入信息分為三類：各路段入口流量aQ、各路段出口流量bQ、和當(dāng)前的時間變量 t 。 本書針對以上問題 ， 突破傳統(tǒng)方法 ， 提出了適合我國混合交通狀態(tài)的 3種快速預(yù)測技術(shù) ， 實際應(yīng)用表明模型 精確可靠 ，適應(yīng)性強 。 預(yù)測型 系統(tǒng)必須具有快速準(zhǔn)確地預(yù)測交通狀態(tài)的功能 ， 因而 預(yù)測型 的實現(xiàn)卻比反應(yīng)型的困難得多 。 目前相關(guān)研究仍側(cè)重于 發(fā)展模式探討 和理論模型的深入研究 。 智能運輸系統(tǒng)概論 國內(nèi)外交通控制與交通誘導(dǎo)協(xié)同理論的研究 將結(jié)果等信息 返回到低層 上 ， 作為 新的初始條件 重新進行優(yōu)化 ， 反復(fù)迭代 ， 直至得到 滿足整體目標(biāo)的協(xié)同方案 。 MOEs（ measure of effectiveness， 有效性度量 ） 指對所采取策略效果的度量 。 智能運輸系統(tǒng)概論 國內(nèi)外交通控制與交通誘導(dǎo)協(xié)同理論的研究 迄今為止 ， 國內(nèi) 外關(guān)于 交通控制與交通流誘導(dǎo)系統(tǒng) 協(xié)同運作的研究主要集中在 協(xié)同模式 和 協(xié)同算法 兩方面 。 這種協(xié)同可以提高公交系統(tǒng)的 吸引力 ， 增加 公交出行人數(shù) ， 進而提高城市主干路網(wǎng)的 交通均衡性 。 協(xié)同學(xué)研究 的 對象 是 非平衡開放系統(tǒng) 中的 自組織 及形成的 有序 結(jié)構(gòu) 。 城市交通流系統(tǒng)特征分析 智能運輸系統(tǒng)概論 整體 的 出行特性 在 時間 和 空間 上具有 相對確定 性 ， 一旦城市布局和道路網(wǎng)絡(luò)確定 ， 相應(yīng) 某條道路 上的 交通流整體特性也基本確定 ， 這種 相對確定性 有利于交通流形成有序的 自組織 結(jié)構(gòu) 。 新的定態(tài) 相對于舊的定態(tài)更為 有序 ， 是無序到有序的突變 ， 稱為非平衡狀態(tài)下的有序化轉(zhuǎn)變 。 序參量 之間 、 序參量 和 其他參量 之間通過 合作 和 聯(lián)合 形成系統(tǒng)宏觀 有序狀態(tài) 。 設(shè)計了如圖所示的 準(zhǔn)用戶最優(yōu)動 態(tài) 交 通 分 配 （ Quasi User Optimum Dynamic Traffic Assignment， 簡稱 QUODTA） 理論模型方法框架 。 5）各類模型的基本分析 （ VI， Variational Inequality ） 模型 ? ? ? ?r s r shph k q k?? （ 3 29 ） ? ? 0 , , ,rsph k r s p k?? （ 3 30 ） 其中 ， 為 0～ 1變量 ， 當(dāng)且僅當(dāng) 時刻出發(fā)從 到 的車輛沿著路徑 在 時刻到達路段 時取值為 1。 系統(tǒng) 最優(yōu) （ System Optimum） 預(yù)測型用戶 最優(yōu) （ Predictive User Optimum） dtdcJ aAa T tx aa ??? ))((:m i n 0 )(0? ? ??? （ 3 21 ） dttvtutxcJ aaAa T aa ))()(())((:m i n 0 ?? ? ?? （ 3 22 ） （ VI， Variational Inequality ） 模型 將動態(tài)交通分配過程分解為網(wǎng)絡(luò)加載和網(wǎng)絡(luò)分配兩個過