基于粗糙集的城市快速路入口控制系统研究

建立了基于粗糙集的城市快速路入口控制系统,对快速路与辅路的平均车速进行优化,使用粗糙集理论与遗传算法得出缺失边界域的决策规则集。在数学软件中构建了系统规则集优化环境,使用遗传算法对边界域规则集不断优化并在基于vissim的仿真环境中进行实验研究,发现使用基于粗糙集的城市快速路入口控制系统的加权平均车速较无信号控制与定时信号控制效果有所提升。

受限迭代学习入口匝道控制收敛性分析

在实际的快速路交通流系统中,入口匝道的流量和快速路主路的速度都是受限的,因此在对快速路交通流进行控制时考虑这些限制十分必要.基于迭代学习控制的快速路入口匝道控制是近年来快速路控制领域的一个研究热点,然而,至今为止还没有在输入和状态同时受限情况下的相关收敛性分析.本文首先介绍了快速路交通流模型,并将交通密度控制转化为输出跟踪问题;然后通过严格的数学分析证明了在入口匝道流量受限和主路速度受限的情况下,基于迭代学习控制的入口匝道控制仍然能保证交通流密度收敛于期望密度;最后通过仿真研究验证了该方法在受限情况下能达到很好的控制效果.