首页> 中文学位 >基于遗传神经网络的交通灯控制算法设计与仿真
【6h】

基于遗传神经网络的交通灯控制算法设计与仿真

代理获取

目录

声明

摘要

第一章 绪论

1.1 课题研究的背景

1.2 课题研究的意义

1.3 国内外研究现状

1.3.1 国外发展研究现状

1.3.2 国内发展研究现状

1.4 研究的目的和主要内容

1.5 本文的组织结构

第二章 交叉口交通信号灯控制的基础理论

2.1 交通信号灯控制的基本参数

2.2 交通信号灯的控制方式

2.3 交通信号灯控制的评价指标

2.4 本章小结

第三章 基于遗传神经网络的交通灯控制算法

3.1 遗传算法的基本原理

3.1.1 遗传算法的优点

3.1.2 遗传算法的数学模型

3.1.3 遗传算法的基本步骤

3.2 遗传算法的设计

3.2.1 编码、解码设计

3.2.2 适应度函数的设计

3.2.3 遗传操作的设计

3.2.4 终止条件的设计

3.2.5 遗传算法的验证

3.3 神经网络模糊控制的基本原理

3.3.1 模糊控制系统

3.3.2 神经网络模糊控制系统

3.4 神经网络模糊控制器的设计

3.4.1 初始神经网络模糊控制器的设计

3.4.2 神经网络模糊控制器的自学习系统

3.5 基于遗传神经网络的交通信号灯控制算法的设计

3.6 本章小结

第四章 基于Vissim的交通信号灯控制仿真平台的搭建

4.1 交通信号灯控制仿真方法的研究现状

4.2 基于Vissim的交叉口模型的创建

4.2.1 四相位交叉口的设计

4.2.2 Vissim下四相位交叉口模型的设计

4.3 基于Vissim和Matlab的仿真平台的实现

4.3.1 仿真平台的模型

4.3.2 Visual Basic主控程序的设计

4.3.3 Matlab控制程序的设计

4.3.4 Vissim、Matlab和Visual Basic的协同仿真

4.4 本章小结

第五章 仿真实验的设计与结果分析

5.1 仿真试验的设计

5.1.1 交通流量的设置

5.1.2 仿真时间的设置

5.1.3 控制方式和评价指标的设置

5.2 仿真结果与分析

5.2.1 交通流量稳定的情况

5.2.2 交通流量变化的情况

5.3 本章小结

第六章 总结与展望

参考文献

发表论文和参加科研情况

致谢

展开▼

摘要

随着我国城市化进程的加快,城市机动车数量的快速增长,使得城市交通拥堵更加严重,城市交通问题亟需解决。由于交通系统的非线性、复杂性和随机性的特点,传统的交通信号灯控制方式不能满足根据交通流的变化而自动调整交通信号灯配时的要求,使得交叉口通行效率低,容易造成交通堵塞。
  在交通信号灯控制算法研究中,模糊控制不需要建立精准的数学模型,而是通过隶属度函数与模糊控制规则之间的映射,输出相关的决策,适应于交通系统的特点。以往对模糊控制技术的研究多数将排队长度或车流量作为单一的输入参数,并且模糊控制本身依赖经验数值,缺乏有效的系统学习机制。因此,本文提出基于遗传算法和神经网络模糊控制器的交通信号灯控制算法,采用排队长度、平均车速和车流量作为控制的输入参数,利用遗传算法为神经网络模糊器的自学习筛选可靠数据,通过对神经网络模糊控制器的隶属度函数和模糊控制规则的训练,使得神经网络模糊控制器具备自学习功能。
  针对交通信号灯控制算法仿真方法的不足,搭建基于交通仿真软件Vissim、Matlab与Visual Basic的交通信号灯控制仿真平台。在Vissim软件下创建交叉口模型并设定相关参数,运行交叉口模型后,Visual Basic主控程序将获得的排队长度、平均车速和车流量交通参数传递给Matlab软件;在Matlab下根据获得的交通参数和所设计的遗传神经网络模糊控制算法计算绿灯时长,Visual Basic主控程序将其回传给Vissim软件,再进行下一个周期的仿真。
  通过在本文设计的仿真平台上设置交叉口的交通流量、仿真时间和评价指标来验证提出的交通信号灯控制算法。仿真结果表明,相较于定时控制与模糊控制,基于遗传神经网络模糊控制算法有效地提高了通过交叉口的车辆数、降低了车辆的平均延误时间和平均停车次数,降低交叉口的交通指数。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号