【正文】 因此 優(yōu)化理論 也是智能控制理論的 — 個主要內(nèi)容 。 非常適用于在 分層遞階智能控制系統(tǒng) 中作為 協(xié)調(diào)級的解析模型 ， 將協(xié)調(diào)級中各模塊之間的 連接關(guān)系 描述清楚 。 智能運輸系統(tǒng)概論 第 3章 智能運輸系統(tǒng)的理論基礎(chǔ) 動態(tài)交通分配理論 智能協(xié)同理論 交通網(wǎng)絡(luò)實時動態(tài)交通信息預測理論 智能控制理論 智能運輸系統(tǒng)概論 智能控制是一多學科的交叉 。 該模型體系實現(xiàn)交通信息的 準確預測 ，為實時動態(tài)路徑搜索提供技術(shù)保障 。 在 理論 和 實踐 上 ， 交通控制與交通流誘導 的協(xié)同均沒取得成功性的突破 。 此類方法是以DTA模型 來 預測交通流 ， 將其作為控制決策時的 輸入 。 2）控制系統(tǒng)與公交系統(tǒng)的協(xié)同 公交 系統(tǒng)根據(jù) 實時交通流量 、 客流量 及其預測信息生成 車輛調(diào)度方案 ， 在保證 運輸效率 的同時 降低運營成本 。 城市交通流系統(tǒng)是個 復雜 的 人機 系統(tǒng) ， 系統(tǒng)參數(shù)不能完全測量 ， 具有很強的隨機性 。 協(xié)同學的產(chǎn)生及其研究對象 協(xié)同論 是研究在由許多 子系統(tǒng) 構(gòu)成的 復雜系統(tǒng) 中 ， 子系統(tǒng)是如何通過 協(xié)作 和 自組織 而形成 宏觀 尺度上的 空間 、 時間或 功能 結(jié)構(gòu) 。 5）各類模型的基本分析 （ VI， Variational Inequality ） 模型 可行域 由下列 約束方程式 限定 ， 是每次 平衡分配 完成 的 子集 。 5）各類模型的基本分析 模型 其中 ， 。 4）動態(tài)用戶最優(yōu)分配模型 其中 ， 是路段實際走行時間的估計值 。0)0( ?nax ( ?txna 0)( ?tu na。 k()aXt—— 時刻路段 上存在的車輛數(shù)，即交通負荷。 但在 動態(tài)分配 下 ， 提高阻抗函數(shù)預測精度 則是一個 基本要求 。 通過 交通流管理 和 動態(tài)路徑誘導 在 空間 和 時間 尺度上對人們已經(jīng)產(chǎn)生的交通 需求 的合理配置 ， 使得交通路網(wǎng)優(yōu)質(zhì)高效地運行 。 前者是從路網(wǎng)中 每個用戶 的角度考慮 ， 追求每個用戶出行的 走行時間最少 或 費用最低 ；后者是從 路網(wǎng)系統(tǒng) 角度考慮 ， 尋求 整個系統(tǒng) 總的出行時間最少或費用最低 。 理論 方面的研究居多 ， 實際應用 上還有待于進一步發(fā)展 。 t ( ( ))aag x t—— 路段 的路段流出率函數(shù)。 一般將模型在 時間上離散化 ， 求解模型的 離散 形式 。 同樣 ， 有關(guān) 動態(tài)用戶最優(yōu)模型 的合理可行的 、能夠應用于實際大規(guī)模路網(wǎng)的算法的研究 ， 目前還是理論界積極探討 、 摸索的問題 。 5）各類模型的基本分析 模型 Luque和 Friesz提出動態(tài)交通分配的最優(yōu)控制模型后 ， 眾多的研究者在此基礎(chǔ)上作出了一些改進： ① 在 路段狀態(tài) 方程中加入 滯后 ， 滯后時間為 路段自由行駛時間 ， 避免車輛一進入路段即對路段末端流出率產(chǎn)生影響 。 5）各類模型的基本分析 數(shù)學規(guī)劃 模型以 MN模型為代表 ， 由于 求解困難 以及 FIFO規(guī)則 的限制 無法 應用于 多起訖點 網(wǎng)絡(luò) ， 從而逐漸被其它模型取代 。 各子系統(tǒng)之間的 協(xié)同 作用與 競爭 決定著系統(tǒng)從 無序到有序 的 演化 過程 ， 這正是協(xié)同學的 精髓 所在 ， 也是協(xié)同學中協(xié)同一詞的 真正 含義 。 當系統(tǒng)接近 臨界點 時 ， 因 漲落 而偏離定態(tài)后 ， 出現(xiàn) 交通擁堵 ， 恢復至交通暢通的定態(tài)所需時間 （ 弛豫時間 ） 無限增長 ， 即存在 “ 臨界減慢 ” 現(xiàn)象 。 這種協(xié)同既可以部分 減少 機動車和非機動車 交通需求 ， 又能夠 減輕 交通流 混合程度 ， 對緩解交通擁擠具有重要意義 。 天津大學 在對國內(nèi)外各種 組合模式 進行闡述之后 ， 剖析了它們各自的不足 ， 并提出了一種 改進的協(xié)同模式 。 智能運輸系統(tǒng)概論 第 3章 智能運輸系統(tǒng)的理論基礎(chǔ) 動態(tài)交通分配理論 智能協(xié)同理論 交通網(wǎng)絡(luò)實時動態(tài)交通信息預測理論 智能控制理論 智能運輸系統(tǒng)概論 隨著 GPS浮動車 、 手機定位 等交通 檢測技術(shù) 的日趨成熟， 把什么形式的 動態(tài)交通信息 提供給用戶才能達到避免擁擠 、 提高路網(wǎng)使用效率的目的 ， 如何在 短時間 內(nèi)得到這些信息 ， 以及如何根據(jù)這些信息快速確定出 最佳行駛路徑 ，已成為國際智能運輸領(lǐng)域的一個前沿問題 ， 交通網(wǎng)絡(luò)實時動態(tài)交通信息 預測理論 、 模型與算法 的優(yōu)劣直接影響整個ITS的造價與功能 。 輸入層 單元數(shù)由數(shù)據(jù)處理器構(gòu)造的樣本維數(shù)決定； 輸出層 有一個神經(jīng)元 ， 它的訓練用輸出值由數(shù)據(jù)處理器提供； 隱層神經(jīng)元 個數(shù)由輸入和輸出神經(jīng)元個數(shù)決定 。 自適應控制 主要描述系統(tǒng)的行為 ， 自組織控制 主要描述系統(tǒng)的內(nèi)部結(jié)構(gòu) 。 因此可以將 大系統(tǒng)控制理論 的某些思想應用到智能控制系統(tǒng) 的設(shè)計中 。 智能控制 能根據(jù)具體的運行環(huán)境 靈活 并且 實時 地調(diào)整其 控制策略 ， 從而在 各種條件 下均能達到良好的控制效果 。 9） 模糊集合論 介于 邏輯計算 與 數(shù)值計算 之間的 — 種數(shù)學工縣 。 控制器 則是運用 知識 進行推理決策 、 產(chǎn)生控制作用的裝置 ， 一般由計算機來完成 。每類流量內(nèi)又分 1?m 組，分別代表當 前及前 m 個時段的流量信息。 交通信息 短時預測 對交通 控制 和 公共交通 等系統(tǒng)功能的有效發(fā)揮也具有 決定性 影響 ， 是實現(xiàn)預測型決策的前提 。 建立控制與誘導 一體化模型 ， 主要思想 是將 控制與誘導 方案作為系統(tǒng)的 控制分量 ， 綜合所有 狀態(tài)方程和約束 作為系統(tǒng)的狀態(tài)方程和約束 ， 以 路網(wǎng)的總體指標 為最優(yōu)目標 ， 通過 各種優(yōu)化方法 進行求解 ， 獲得 最優(yōu)策略 。 1）國內(nèi)外關(guān)于 UTCS與 UTFGS協(xié)同模式的研究 Bell 等 （ 1991年 ） 提出了 交通流最佳路徑誘導 和 交通控制協(xié)同 的 兩種 途徑：一是 低層次協(xié)同 ， 即兩系統(tǒng)的數(shù)據(jù)共享；二是 高層次協(xié)同 ， 即兩系統(tǒng)相互影響和相互作用 。 協(xié)同學理論 為研究 ITS子系統(tǒng) 相互作用與相互合作提供了有力的 基礎(chǔ)理論 和 方法論思想 。 系統(tǒng)接近 臨界點 時 ， 因漲落而偏離定態(tài)后 ， 恢復至定態(tài)所需時間 （ 弛豫時間 ） 無限增長 ， 稱為 “ 臨界減慢 ”現(xiàn)象 。 準用戶最優(yōu)動態(tài)交通分配 該方法由 三 個部分組成： 動態(tài)交通流信息的采集與處理 模塊 、 交通參數(shù)自適應預測 模塊和 準用戶最優(yōu)路徑選擇 模塊 。 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 ； 。 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 ； 。 對動態(tài)用戶最優(yōu) 定義 的不同 ， 會構(gòu)造出不同 動態(tài)交通用戶分配模型 。 如果離散時間表述 ， 則可以將固定時段 等分為 份 。 k nA—— 有向弧集，即路段集，路網(wǎng)任意路段用 表示。 函數(shù)的建立 應該確保車輛按照所給出的路段走行時間走完該路段 。智能運輸系統(tǒng)概論 （第三版） 普通高等教育“十一五”國家級規(guī)劃教材 21世紀交通版高等學校教材 楊兆升 于德新 主編 史其信 高世廉 主審 智能運輸系統(tǒng)概論 目 錄 ? 第 1章 緒論 ? 第 2章 智能運輸系統(tǒng)的體系框架 ? 第 3章 智能運輸系統(tǒng)的理論基礎(chǔ) ? 第 4章 交通信息采集與處理技術(shù) ? 第 5章 通信技術(shù) ? 第 6章 車輛定位技術(shù) ? 第 7章 網(wǎng)絡(luò)技術(shù) ? 第 8章 數(shù)據(jù)庫技術(shù) ? 第 9章 新技術(shù)在智能運輸系統(tǒng)中的應用 ? 第 10章 交通信息服務(wù)系統(tǒng) 智能運輸系統(tǒng)概論 第 3章 智能運輸系統(tǒng)的理論基礎(chǔ) 動態(tài)交通分配理論 智能協(xié)同理論 交通網(wǎng)絡(luò)實時動態(tài)交通信息預測理論 智能控制理論 智能運輸系統(tǒng)概論 動態(tài)交通分配理論 ITS的研究和實施 ， 對動態(tài)交通分配理論提出了更迫切 的需求 ， 極大地 推進 了 動態(tài)交通分配理論 的前進步伐 。 在 動態(tài)交通分配 中 ， 出行者 路徑選擇原則 確定后 ， 其 路段流入率 自然確定 。一般用 表示起點或中間點，用 表示終點。 ?上述各變量中 ， 都是基于連續(xù)時間表達的 。 許 多 學 者 如 Wieet （ 1990 ） 、 Ra （ 1993 ） 、Papageious（ 1990） 等對 動態(tài)用戶最優(yōu) 進行了 不同角度 的定義 ， 因此對 動態(tài)路徑選擇行為 也就存在著不同角度的描述 。 自 MN模型提出之后 ， 又有許多研究者圍繞 MN模型提出了一系列 改進 。 系統(tǒng) 最優(yōu) （ System Optimum） 預測型用戶 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)分配兩個過程 。 設(shè)計了如圖所示的 準用戶最優(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 。 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 。 協(xié)同學研究 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) 。 智能運輸系統(tǒng)概論 國內(nèi)外交通控制與交通誘導協(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 。 智能運輸系統(tǒng)概論 國內(nèi)外交通控制與交通誘導協(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 ， 反復迭代 ， 直至得到 滿足整體目標的協(xié)同方案 。 預測型 系統(tǒng)必須具有快速準確地預測交通狀態(tài)的功能 ， 因而 預測型 的實現(xiàn)卻比反應型的困難得多 。 智能運輸系統(tǒng)概論 短時交通信息預測理論模型體