【正文】 通流量 的因素具有高度的 時(shí)變性 和 非線性 的特點(diǎn) ， 很難給出比較 精確的解析表達(dá)式 并進(jìn)行相應(yīng)的標(biāo)定 。 本書(shū)針對(duì)以上問(wèn)題 ， 突破傳統(tǒng)方法 ， 提出了適合我國(guó)混合交通狀態(tài)的 3種快速預(yù)測(cè)技術(shù) ， 實(shí)際應(yīng)用表明模型 精確可靠 ，適應(yīng)性強(qiáng) 。 BP神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測(cè)模型的研究 由 數(shù)據(jù)處理器 和 BP網(wǎng) 組成 （ 如圖所示 ） 。 數(shù)據(jù)處理器 將 實(shí)測(cè)的交通流量 數(shù)據(jù)進(jìn)行處理構(gòu)成 輸入樣本 ； BP網(wǎng) 由 三 層組成：輸入層 、 隱層 和 輸出層 。 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(gè)神經(jīng)元 ， 它的訓(xùn)練用輸出值由數(shù)據(jù)處理器提供； 隱層神經(jīng)元 個(gè)數(shù)由輸入和輸出神經(jīng)元個(gè)數(shù)決定 。 智能運(yùn)輸系統(tǒng)概論 短時(shí)交通信息預(yù)測(cè)理論模型體系 BP神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測(cè)模型的研究 作者所在課題組采用經(jīng)過(guò)訓(xùn)練的 神經(jīng)網(wǎng)絡(luò) 對(duì)長(zhǎng)春市人民大街上解放大路至錦水路的 路段交通流量 進(jìn)行了 預(yù)測(cè) ， 預(yù)測(cè) 結(jié)果較好 。 X 數(shù)據(jù)處理器 Y 基于 BP網(wǎng)交通流量預(yù)測(cè)模型的結(jié)構(gòu)圖 智能運(yùn)輸系統(tǒng)概論 短時(shí)交通信息預(yù)測(cè)理論模型體系 1）適合我國(guó)的交通流量動(dòng)態(tài)預(yù)測(cè)理論模型體系的建立 由 智能神經(jīng) 組成的網(wǎng)絡(luò)稱(chēng)為 高階神經(jīng)網(wǎng)絡(luò) ， 具備 兩種 智能處理能力：一種稱(chēng)為 外部智能處理能力 ， 以調(diào)整神經(jīng)元之間的 連接強(qiáng)度 為表現(xiàn)形式；另一種稱(chēng)為 內(nèi)部智能處理能力 ， 與神經(jīng)元之間的 連接無(wú)關(guān) ， 只體現(xiàn)在神經(jīng)元的 可調(diào)轉(zhuǎn)函數(shù)上 。高階神經(jīng)網(wǎng)絡(luò) 的信息同時(shí)存儲(chǔ)在 連接權(quán)值 和 轉(zhuǎn)移函數(shù) 中 ， 傳統(tǒng) 的神經(jīng)元是不具備信 存儲(chǔ)能力 。 由于每個(gè)路段 入口與出口 的交通流量都受整個(gè)網(wǎng)絡(luò) ， 特別是 相鄰路段 當(dāng)前的和前幾個(gè)時(shí)段的交通狀態(tài)的影響 ， 為了比較準(zhǔn)確反映路網(wǎng)的動(dòng)態(tài)特性 ， 本項(xiàng)目設(shè)計(jì)了如下的 基于 HGNN的交通流量自適應(yīng)預(yù)測(cè)模塊框架 。 智能運(yùn)輸系統(tǒng)概論 短時(shí)交通信息預(yù)測(cè)理論模型體系 預(yù)測(cè)系統(tǒng)的輸入信息分為三類(lèi)：各路段入口流量aQ、各路段出口流量bQ、和當(dāng)前的時(shí)間變量 t 。每類(lèi)流量?jī)?nèi)又分 1?m 組，分別代表當(dāng) 前及前 m 個(gè)時(shí)段的流量信息。每組內(nèi)包括 N 個(gè)節(jié)點(diǎn)，對(duì)應(yīng)于路網(wǎng)中的 N 個(gè)單向路段。 Qa( k + 1) Qb( k+ 1) t Qb( k) 城市交通網(wǎng)絡(luò) H G N N ? 運(yùn)行時(shí)間預(yù)測(cè) ? 多步預(yù)測(cè) Qa( k) Qa(k 1) Qa(k m) Qb(k 1) Qb(k m) Qb Qa FQa(k 1) FQa( k+ 1) _ + ……… ……… 基于HGNN交通流量自適應(yīng)預(yù)測(cè)系統(tǒng)圖 智能運(yùn)輸系統(tǒng)概論 短時(shí)交通信息預(yù)測(cè)理論模型體系 Kalman于 1960年提出 ， 采用由 狀態(tài)方程 和 觀測(cè)方程 組成的線性隨機(jī)系統(tǒng) 的 狀態(tài)空間 模型來(lái)描述 濾波器 ， 利用 狀態(tài)方程的 遞推性 ， 接線性無(wú)偏最小均方誤差 估計(jì)準(zhǔn)則 ， 采用一套 遞推算法 對(duì)該濾波器的狀態(tài)變量作最佳估計(jì) ， 求得濾掉噪聲的有用信號(hào) 的最佳估計(jì) 。 不僅可用于 信號(hào)的濾波 和 估計(jì) ， 還可用于 模型參數(shù) 的估計(jì) ，所以適用于 交通狀況的預(yù)測(cè) 。 課題組建立 交通流量預(yù)測(cè)模型 ，假設(shè)研究路段 未來(lái)時(shí)段 的交通流量是上游和下游路段上的前幾個(gè)時(shí)段流量的 線性函數(shù) ， 利用 兩周中同周次 的 兩天 交通流量的 差值 和 比值 兩種方法進(jìn)行 交通流量預(yù)測(cè) ；同時(shí)建立 基本模型 、 交通流量等參數(shù)預(yù)測(cè)模型 和 參數(shù)比例預(yù)測(cè)模型 。 智能運(yùn)輸系統(tǒng)概論 第 3章 智能運(yùn)輸系統(tǒng)的理論基礎(chǔ) 動(dòng)態(tài)交通分配理論 智能協(xié)同理論 交通網(wǎng)絡(luò)實(shí)時(shí)動(dòng)態(tài)交通信息預(yù)測(cè)理論 智能控制理論 智能運(yùn)輸系統(tǒng)概論 智能控制是一多學(xué)科的交叉 。 傅京遜在 1971年的文章中稱(chēng)它是 人工智能 與 自動(dòng)控制 的交叉 。 后來(lái)薩里迪斯加進(jìn)了運(yùn)籌學(xué) ， 認(rèn)為智能控制是 人工智能 、 運(yùn)籌學(xué) 和 自動(dòng)控制 三者的交叉 ， 并用下圖來(lái)形象的說(shuō)明這一點(diǎn) 。 智能控制理論簡(jiǎn)介 運(yùn) 籌 學(xué)人 工 智 能控 制信 號(hào) 處 理形 式 語(yǔ) 言啟 發(fā)規(guī) 劃調(diào) 度管 理管 理協(xié) 調(diào)記 憶學(xué) 習(xí)動(dòng) 力 學(xué)動(dòng) 態(tài) 反 饋優(yōu) 化動(dòng) 力 學(xué)動(dòng) 態(tài) 反 饋智 能控 制智能控制的多學(xué)科交叉 智能運(yùn)輸系統(tǒng)概論 1） 自適應(yīng) 、 自組織和自學(xué)習(xí)控制 是 傳統(tǒng)控制 向縱深發(fā)展的高級(jí)階段 ， 可看成為較初級(jí)的 智能控制系統(tǒng) 。 同時(shí)也可構(gòu)成 分層遞階智能控制系統(tǒng) 的下面一層的控制級(jí) 。 自適應(yīng)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) 。 智能控制理論簡(jiǎn)介 控 制 器 對(duì) 象控 制 器 設(shè) 計(jì) 參 數(shù) 估 計(jì) yur控 制 參 數(shù)對(duì) 象 參 數(shù)參數(shù)自適應(yīng)自組織控制 控 制 器 控 制 對(duì) 象模 型+ury調(diào) 整 機(jī) 構(gòu) e品質(zhì)自適應(yīng)自組織控制 智能運(yùn)輸系統(tǒng)概論 智能控制理論簡(jiǎn)介 重復(fù)性學(xué)習(xí)控制系統(tǒng) 濾 波 器 控 制 對(duì) 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 。其中 表示第 次運(yùn)動(dòng)的控制量 ， 是實(shí)際輸出 ， 是期望的輸出。 采用學(xué)習(xí)控制算法 ， 使得經(jīng)過(guò)多次重復(fù)后 ，在 的作用下系統(tǒng)能夠產(chǎn)生期望的輸出 。 這里的主要問(wèn)題是學(xué)習(xí)控制算法的收斂性問(wèn)題 。 ku k ky dy )(1 kkk efuu ??? ku智能運(yùn)輸系統(tǒng)概論 智能控制理論簡(jiǎn)介 2） 知識(shí)工程 廣義地講 ， 設(shè)計(jì)控制系統(tǒng) 便是有效地 組織和運(yùn)用知識(shí)的過(guò)程 。 控制器 則是運(yùn)用 知識(shí) 進(jìn)行推理決策 、 產(chǎn)生控制作用的裝置 ， 一般由計(jì)算機(jī)來(lái)完成 。 3） 信息熵 分層遞階智能控制系統(tǒng) 的設(shè)計(jì)問(wèn)題可以看成是如下的過(guò)程：在自上而下精度漸增 、 智能逐減的分層遞階系統(tǒng)中， 尋求正確的決策和控制序列以使整個(gè)系統(tǒng)的總熵極小 。 可見(jiàn) 信息熵 在分層遞階智能控制系統(tǒng)的分析和設(shè)計(jì)中起著十分重要的作用 。 智能運(yùn)輸系統(tǒng)概論 智能控制理論簡(jiǎn)介 4） Petri網(wǎng) 新近發(fā)展起來(lái)的一種既是 圖形 也是 數(shù)學(xué) 的 建模工具 。主要用來(lái)描述和研究 信息處理系統(tǒng) ， 具有以下持點(diǎn)： 并發(fā)性 、 異步性 、 分布性 和 不確定性 等 。 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(jí)的解析模型 ， 將協(xié)調(diào)級(jí)中各模塊之間的 連接關(guān)系 描述清楚 。 5） 人 —— 機(jī)系統(tǒng)理論 三個(gè)目的 ：一是研究 人 作為系統(tǒng)中的一個(gè)部件的 特性；二是在系統(tǒng)中如何 構(gòu)造仿人的特性 ；三是研究 人 —— 機(jī)各自特性有效地構(gòu)造出 人 —— 機(jī)結(jié)合 的智能控制系統(tǒng) 。 智能運(yùn)輸系統(tǒng)概論 智能控制理論簡(jiǎn)介 6） 形式語(yǔ)言與自動(dòng)機(jī) 利用 形式語(yǔ)言 與 自動(dòng)機(jī) 作為工具可以實(shí)現(xiàn) 分層遞階智能控制系統(tǒng) 中 組織級(jí) 和 協(xié)調(diào)級(jí) 的功能 。 7） 大系統(tǒng)理論 智能控制系統(tǒng)中的 分層遞階 的 控制思想 是與 大系統(tǒng)理論 中的 分層遞階 和 分解協(xié)調(diào) 的思想一脈相承的 。 智能控制是傳統(tǒng)控制理論在縱深方向的發(fā)展 ， 但二者仍有許多方面是相通的 。 因此可以將 大系統(tǒng)控制理論 的某些思想應(yīng)用到智能控制系統(tǒng) 的設(shè)計(jì)中 。 智能運(yùn)輸系統(tǒng)概論 智能控制理論簡(jiǎn)介 8） 神經(jīng)網(wǎng)絡(luò)理論 是介于 符號(hào)推理 與 數(shù)值計(jì)算 之間的一種 數(shù)學(xué) 工具 。 具有很好的 適應(yīng)能力 和 學(xué)習(xí)能力 ， 適合于用作 智能控制 的工具 。 從 本質(zhì)上 看 ， 神經(jīng)網(wǎng)絡(luò)是一種 不依賴(lài)模型 的 自適應(yīng)函數(shù)估計(jì)器 。 給定一個(gè)輸入 ， 可以得到一個(gè)輸出 ， 但它并不依賴(lài)于模型 ， 即并不需要知道輸出和輸人之間存在著怎樣的數(shù)學(xué)關(guān)系 。 是一種 可以訓(xùn)練 的 非線性動(dòng)力學(xué) 系統(tǒng) 。 9） 模糊集合論 介于 邏輯計(jì)算 與 數(shù)值計(jì)算 之間的 — 種數(shù)學(xué)工縣 。 形式上是利用規(guī)則進(jìn)行 邏輯推理 ， 但其邏輯取值可在 0與 1之間連續(xù)變化 ， 采用 數(shù)值 的方法而非符號(hào)的方法進(jìn)行處理 。 智能運(yùn)輸系統(tǒng)概論 智能控制理論簡(jiǎn)介 10） 優(yōu)化理論 在 學(xué)習(xí)控制系統(tǒng) 中常常通過(guò)對(duì) 系統(tǒng)性能評(píng)判 和 優(yōu)化來(lái)修改系統(tǒng)的結(jié)構(gòu)和參數(shù) 。 在 神經(jīng)網(wǎng)絡(luò)控制 中也常常是根據(jù)使某種 代價(jià)函數(shù) 極小來(lái)選擇網(wǎng)絡(luò)的連接權(quán)系數(shù) 。 在分層遞階控制 系統(tǒng)中 ， 也是通過(guò)使系統(tǒng)的 總熵最小 來(lái)實(shí)現(xiàn)系統(tǒng)的 優(yōu)化設(shè)計(jì) 。 因此 優(yōu)化理論 也是智能控制理論的 — 個(gè)主要內(nèi)容 。 在優(yōu)化理論中新近發(fā)展了一種 遺傳算法 （ Geic Algorithm， 簡(jiǎn)稱(chēng) GA） 它是一種 全局隨機(jī)尋優(yōu)算法 。 模仿生物進(jìn)化的過(guò)程 ， 來(lái)逐步達(dá)到最好的結(jié)果 。 這種優(yōu)化算法也將在智能控制中發(fā)揮重要的作用 。 智能運(yùn)輸系統(tǒng)概論 智能控制理論在 ITS中的應(yīng)用 傳統(tǒng)的交通控制 方法以及傳統(tǒng)的 控制系統(tǒng) 的控制技術(shù)越來(lái)越不適應(yīng)交通發(fā)展的需求 ， 順應(yīng)交通的發(fā)展 。 智能控制 能根據(jù)具體的運(yùn)行環(huán)境 靈活 并且 實(shí)時(shí) 地調(diào)整其 控制策略 ， 從而在 各種條件 下均能達(dá)到良好的控制效果 。 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) 。 總之 ， 智能控制系統(tǒng) 具有基于傳統(tǒng)理論的控制系統(tǒng)所不具備的 智 能 ， 包括：處理各種 不確定性 和 不精確性 的能力；根據(jù)環(huán)境因素及過(guò)程特性變化 實(shí)時(shí)地修正控制策略 的能力；對(duì) 控制后果 進(jìn)行 預(yù)測(cè) 的能力以及基于其上的控制行為的 多目標(biāo)優(yōu)化 。 智能運(yùn)輸系統(tǒng)概論 謝謝觀看 /歡迎下載 BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTHUSIASM THAT PUSHES ONE TO SEEK ITS FULFILLMENT REGARDLESS OF OBSTACLES. BY FAITH I BY FAITH