基于模糊逻辑的高速公路入口匝道控制方法

为提高高速公路入口匝道的控制能力,以达到增进车流平稳性的目的,对传统闭环控制器ALINEA进行了扩展,并结合模糊逻辑理论,给出一种新的入口匝道控制器。该模糊控制器加入了流量变化的因素,以交通流量为控制目标,实际流量与设定期望值的偏差及流量变化量作为输入,根据所设定的模糊规则给出匝道控制率的调节量。最后通过实例对控制器进行了评价。仿真试验表明:该模糊控制器能够快速地将交通流调整到期望状态,可以适应主干道交通流以及匝道需求的大幅变化,有效抑制波动的产生;同传统的ALINEA策略相比,模糊匝道控制器具有更加稳定的控制效果。

城市单交叉口信号多相位自适应控制模型

针对交通系统的动态性和随机性,提出了信号交叉口的自适应控制模型。充分考虑了转弯比例的时变性以及车道分配的时变性,给出一种交叉口随机动态模型。将强化学习(RL)引入到交通信号系统中,针对交通网络的交通流及信号特征,建立了RL的状态空间、动作空间和回报函数,以最小化交叉口的排队车辆数为目标,实施对交通信号的优化控制。在不同的交通环境设定下,对典型的十字交叉口进行仿真试验,将RL控制方法同传统的定时控制和感应控制进行了对比。结果表明,RL控制器具有很强的学习能力,对于交通环境的突然变化仍可以保持较高的控制效率。

基于CMAC强化学习的交叉口信号控制

采用神经网络值函数逼近的强化学习方法处理交叉口的信号控制。根据交通流及交叉口信号特征,建立强化学习的状态空间、动作空间和回报空间,以最小化车辆在交叉口的延误为控制目标,对信号进行优化控制。引入小脑模型关节控制器神经网络对强化学习(RL)的Q值进行逼近。在变化的交通条件下,使用典型交叉口对提出的RL模型进行验证,同传统的定时控制和全感应控制进行对比分析。仿真结果表明,RL控制器具有较强的学习能力,可以适应交通流的动态变化,稳定性好、自适应性强,对于环境变化具有较强的适应能力。

系统灰理论在交通量预测中的应用

系统灰预测是灰色理论的一个重要部分.使用GM(1,N)在某些适合的系统中对其中一个或几个变量进行预测,所得结果的精度和可以外推的预测范围都明显优于普通的GM(1,1)模型.在交通运输系统中,交通量、行程时间和交通密度是交通系统中的三种行为变量.本文对交通系统建立灰色系统模型,使用GM(1,N)和GM(1,1)嵌套解法求解,对其中交通量进行预测,预测结果较好.

基于分布式强化学习的高速公路控制模型

针对公路交通流非线性、不确定性和模糊性特点,提出了面向控制的交通网络宏观动态离散模型,并且引入分布式强化学习来解决交通网络的控制与诱导问题。以传统网络交通流模型Metanet为基础,对其作了改进,引入起讫点的因素到模型中,提出基于OD的网络交通流动态模型Metanet-OD。根据交通网络的特点,将分布式强化学习DRL引入到交通网络中,进行匝道控制和可变显示牌的诱导控制,设定了强化学习的动作空间,并给出了DRL算法。在仿真试验中对控制效果进行了验证。

基于LOGIT模型的动态交通分配研究

提出了一种基于LOG IT方法的交通分配模型,该模型是动态出发时间选择和随机用户平衡的联合模型(DDSUE)。作为一种基于全路径的交通分配模型,在路径选择上,使用了LOG IT模型求出每条路径的选择概率;在出发时间选择上,采用路径通行能力和路径选择概率来联合确定交通出发量,然后利用总交通出发量和路径选择概率求出每条路径上的驶入量。最后以一个实际算例,并通过改变参数对结果进行了分析。

一种基于模糊逻辑的入口匝道自适应控制器

高速公路的交通流存在很大的不确定性,模糊逻辑是解决其控制问题的有效方法。对传统的ALINEA模型进行了扩展,提出一种新的自适应模糊匝道控制器。当高速公路路段的临界密度不能被预先正确估计或者因交通环境的实时变化而难以估计时,提出的自适应模糊控制器将显示出其优越性。在仿真试验中,根据交通流的各种性能指标,将新的自适应控制器同传统的ALIN-EA方法做了详细的对比。

城市复杂道路网络交通流的分解模型

针对城市道路交通流非线性、不确定性和模糊性特点,将城市道路与快速干道作为整体对待,提出了面向控制应用的城市交通网络宏观动态离散模型。将城市街区作为划分基点,把整个城市道路复杂交通网络分解为交叉口和单向环形道路两个子系统,分别建立了它们的宏观动态模型。通过对交叉口进行理想虚拟变形,将各个单向环形道路连接在一起,从而形成各种复杂网络。对西安市中心区域的实际交通流数据进行了仿真研究,结果表明该交通流模型基本实现了城市道路与快速干道的统一分析建模,较好地反映了城市路网的交通流信息,可以作为城市交通控制系统分析和设计的有力工具。

二端网络等效电阻的快速求解方法

二端网络是电子电路系统的有机组成部分,而分析其等效电阻是理论教学中的重要内容。这部分教学的难点在于含有受控源的二端网络等效电阻的分析。传统的求解需要通过外加电源等方法,列出方程组进行求解,过程较为复杂。本文深入分析了受控源电路的特征,以折算系数的方式可直接给出等效电阻,较大程度地简化了分析过程。文章对电路理论和模拟电子技术的教学有一定的指导作用。

面向长匝道的高速公路入口控制模型

在高速公路入口处,控制点通常与道路主线通过长匝道相连,导致控制距离较长,在传统匝道控制器的作用下,过长的控制距离容易使主线车流产生振荡。而此情况类似于电子放大系统中的自激振荡,因此引入电子技术中的频率补偿思想,构造一种新的入口匝道控制器以解决该问题。基于频率补偿的控制器,考虑到了在饱和阶段所产生的振荡信号,人为地对反馈控制信号引入一定的相位移用于破坏振荡产生的条件,可有效地抑制主线交通流发生波动。而对于在进行频率补偿的过程中所产生的过度补偿现象,新的算法加入了补偿因子来消除过度补偿而产生的振荡。仿真试验表明,新的控制器能够快速地将交通流调整到期望状态,可以适应匝道控制点与下游检测点位置的任意变化,相对于传统控制器,主线交通流的振荡现象得到明显消除。

信号控制下的动态路段行程时间模型

通过对车辆在路段上所处的状态不同,将路段行程时间划分成多个组成部分,并分别研究各部分的计算模型,提出一种新的动态路段行程时间模型。这种新的模型计算简单,能够适用于实际交通网络中对动态路段行程时间进行预测计算。通过算例的分析表明,在信号灯的控制下,车辆的动态行程时间是一个间断函数,其不仅仅与路段流量有关,还与该车辆进入路段的时刻以及控制信号设置有很大关系。

基于混沌和RBF神经网络的短时交通流量预测

针对传统的应用数学模型方法在短时交通流预测精度和实时性方面存在的问题,论文从非线性时间序列的角度对短时交通流量预测进行探讨,提出采用基于混沌理论的RBF神经网络预测方法。首先在采用小数据量的Lyapunav指数计算方法判定交通流存在混沌的前提下,对交通流量数据进行相空间重构。构建了RBF神经网络,并对模拟产生的Lorenz和Rossler混沌时间序列数据以及实际采集的高速公路交通流量数据进行了仿真研究。结果表明,该方法对模拟产生的混沌时间序列具有很好的预测效果,在交通流量的短时预测上也具有较高的预测精度。

交通流量的混沌特性分析及预测模型研究

基于混沌动力系统的相空间重构和非线性系统的Volterra级数,分析交通流量的混沌特性,研究了一种交通流量的自适应预测模型。在合理选取嵌入维数和延滞时间实现交通流量时间序列相空间重构的基础上,应用小数据量法计算重构交通流量时间序列的最大Lyapunov指数,根据该指数值对交通流量的混沌特性进行分析,并采用庞卡莱截面法对分析结果进行验证;构建交通流量的Volterra预测模型,并采用LMS自适应算法对模型系数进行调整。通过对实际采集的高速公路交通流量数据的仿真研究表明,小数据量法能对交通流混沌特性进行准确判别,构建的二阶Volterra自适应预测模型能够有效地预测交通流量的变化。因此,在判定交通流量存在混沌特性时,可以应用论文构建的二阶Volterra自适应预测模型对其进行准确的预测。

超空化航行体气体流量率的确定方法研究

通气超空化技术是大幅提高水下航行体速度的重要途径,通气流量率的确定是实现该技术的核心问题之一.通常的流量率预估没有考虑雷诺数的影响,因而造成统计数据过于分散.基于边界层理论及其相关假设,提出了一种确定人工通气超空化气体流量率的预估方法,并引用相关试验数据进行验证.结果表明,所得近似关系式在雷诺数为0.35×105～5.4×105,空化器锥角为30～180的变化范围内都是适用的.

混合遗传算法求解配送车辆调度问题

车辆调度优化是物流配送的关键环节。针对有时间窗的车辆调度问题,综合考虑了路网中的交通状况,提出改进的车辆调度模型。并针对这个模型,设计了混合遗传算法,采用自适应策略调整交叉和变异概率,引进有效的交叉和变异算子,并结合模拟退火算法缓解遗传算法的选择压力,避免早熟收敛。仿真结果表明该算法与标准遗传算法相比有更好的性能。

基于BP神经网络的入口匝道控制算法

针对现有的入口匝道控制方案不能有效缓解高速公路交通拥挤及堵塞问题,提出了一种使用BP神经网络的非线性方法设计感应匝道控制的算法。首先建立了高速公路交通流动态模型,在此基础上,结合BP神经网络设计了非线性反馈匝道控制算法。在MATLAB环境下,比较了无控制、ALINEA控制和BP神经网络控制3种不同控制方法的有效性。结果表明,BP神经网络方法在抑制交通流密度波动方面优于ALINEA控制,且能使高速公路主线交通流密度保持在期望值附近。此外,该算法具有自学习功能,可以在线调节神经网络的连接权值以适应不同的交通流模式。

高速公路动态交通流的BP神经网络建模

通过对高速公路宏观动态交通流模型的分析,针对高速公路交通系统的非线性时变特点,应用BP神经网络建立了高速公路宏观动态交通流模型。并利用一段高速公路的交通流数据对BP神经网络进行训练,得到网络参数。最后,为了验证BP网络模型的有效性,在MATLAB环境中对模型进行了仿真,并将仿真结果与原始模型的结果进行了比较。结果表明,该方法能较准确地描述高速公路交通流的真实行为,并且能够适应交通状况的变化。

亚胺及其类似物的催化不对称炔基化反应新进展

手性炔丙胺是天然产物和药物活性分子不对称全合成中常用的关键中间体,亚胺及其类似物的不对称炔基化反应可以为该砌块提供高效高对映选择性的合成路径;此外通过合理的底物和反应设计,亚胺的不对称炔基化反应还能作为一系列串联反应的起点,来合成多种结构新颖的含氮杂环化合物.因此,亚胺及其类似物的高效高对映选择性炔基化反应得到合成化学家们持续关注.按照底物类型,主要分为醛亚胺的不对称炔基化和酮亚胺的不对称炔基化两大部分,介绍了亚胺及其类似物的不对称炔基化反应在过去十年中的研究进展.对这些反应的机理、优势与不足之处以及该反应在合成中的应用进行简要讨论,从而为拓展该反应在合成中的应用提供一些有益参考和借鉴.