【正文】 s 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.第五篇：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。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。通過這種方式，增加軟件的獨立性和為其他的軟件開發(fā)活動如測試和維護，提供了便利。專家對本體論進行手動的開發(fā)和評估。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。根據(jù)預(yù)定義的XML架構(gòu)，這種信息轉(zhuǎn)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。把本系統(tǒng)的性能與其他類似的系統(tǒng)性能進行比較。比較結(jié)果顯示：在所有的交通條件下，在每個周期中，對每輛車它有低得多的平均延遲時間與其他的控制系統(tǒng)相比。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)進入交通燈控制域和轉(zhuǎn)化成為一個知識領(lǐng)域。這個領(lǐng)域的建模知識幫助交通代理和應(yīng)用有效地管理關(guān)于實時條件下的交通。全面知識建模領(lǐng)域的一個最合適的方法是使用本體概念。“本體論是一個正式的、明確的一個共享的概念化的規(guī)范。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。除了本體作為概念化的形式主義的重要性，它有可能超過所代表的數(shù)據(jù)。這種能力將提高有關(guān)性能的決定和其他非智能系統(tǒng)的功能特點。在近年來，本體論上的研究正成為一個新的熱點話題在不同的活動，如人工智能，知識管理，語義網(wǎng)絡(luò)，電子商務(wù)和幾個其他應(yīng)用領(lǐng)域。這些領(lǐng)域之一是智能交通系統(tǒng)。一些努力已制成這個通過展示和使用本體檢測交通領(lǐng)域擁塞，管理非城市道路氣象事件，駕駛阿德?！骼锵到y(tǒng)，共享和整合一個智能交通系統(tǒng)。本文的目的是介紹一個紅綠燈有效控制孤立交叉口這方面的知識重用的控制本體。這種新的辦法適用于智能代理使用知識決策模糊。該系統(tǒng)采用的圖像來自安裝了監(jiān)控攝像機拍攝的路口。這些圖像處理利用圖像處理算法和神經(jīng)網(wǎng)絡(luò)的方法，然后發(fā)送到一個智能代理。第2節(jié)中，我們將簡要地解釋了在這項工作中運用的技術(shù)包括semanTIC網(wǎng)絡(luò)技術(shù)，智能代理技術(shù)和交通的回地面光控制方法。在第3節(jié)，新的系統(tǒng)架構(gòu)是基于分層語義網(wǎng)絡(luò)架構(gòu)。第4節(jié)介紹交通燈控制的模糊本體的建設(shè)。第五節(jié)從路口提取的圖像信息解釋。在第6節(jié)，智能系統(tǒng)的運作被完整描述，最后在第7節(jié)對所提出的方法進行評估，對結(jié)論進行闡述。本節(jié)說明在這項工作中的應(yīng)用技術(shù)包括語義網(wǎng)絡(luò)技術(shù)，特別本體和模糊本體。此外，國家的交通燈控制的藝術(shù)方法是簡要介紹。語義網(wǎng)絡(luò)被定義為當前Wed的延伸，這些網(wǎng)站的信息都給出明確的含義。使電腦與人更好的合作。有幾層語義Web的建議源自伯納斯滯后階段。在此類別中的所有規(guī)則如表1所示。本次評選有助于智能系統(tǒng)，以確定下一步的階段測序。另一種模糊的規(guī)則類別涉及估計優(yōu)化周期時間。這些規(guī)則的模糊變量是天氣條件，時間，每天平均車輛擁堵情況。出于這個原因，60個模糊規(guī)則被定義了。從氣象研究所取得氣象條件。日期和時間也是在交通專家的知識的基礎(chǔ)上以模糊變量形式預(yù)先定義的。圖5顯示日期，時間和周期時間的隸屬函數(shù)。當天的參數(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。例如，假期期間的周期時間是較平日少。因此，平日的隸屬度比假期多。例如一個階段選型的模糊規(guī)則如下所述：“如果一個路口的類型是四的方式，平均車輛擁堵低，平均行人擁堵是中等，然后相類型是簡單的兩階段”。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”。在此類別中的所有規(guī)則都列在附錄A。在此步驟結(jié)束時，應(yīng)該對交通燈邏輯控制的項目的有效性進行評估。此功能是使用專家的意見。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。雖然所有的信息，尤其是交通燈控制規(guī)則已提取國際標準和科學(xué)交通文學(xué)，專家的知識優(yōu)勢是他們最后的正確性驗證標準。所有模糊規(guī)則，包括優(yōu)化周期時間和相位類型的規(guī)則，在這個過程中，準備以調(diào)查問卷形式和展現(xiàn)給一些專家包括從德黑蘭警察局交通上校和兩名來自德黑蘭的交通組織工程師。由于德爾菲專家的意見，約有84％的淘汰型規(guī)則和優(yōu)化周期時間的87％被接受。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行了評估和驗證。我們評估邏輯交通控制是基于理論知識的。在這個過程中進行了兩項活動，包括檢查的要求和能力的問題，并在目標應(yīng)用環(huán)境測試本體。由于邏輯交通控制已建成的基礎(chǔ)上，如指定要求優(yōu)化循環(huán)時間，逐步淘汰型，交通的移動和優(yōu)化綠燈時間，每個階段的序列中，第一項活動是最好的結(jié)果。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?？冃гu估機制，可以支持這種說法。在部分實驗結(jié)果我們驗證了這一過程。