城市交通控制智能优化配时及仿真

城市交通系统是一个随机性很强的、复杂的巨型系统。开发了双层反馈神经网络,将其应用于城市交通控制信号配时优化, 并开发了应用于优化计算的能量函数和车辆平均延误计算式。以广东江门市某平面交叉路口为对象进行了仿真计算,结果表明:与传统的配时方法相比,采用所开发的双层反馈神经网络进行智能优化配时,交叉路口车辆的平均延误可以平均减少18.2%,可以大大提高路口的通行效率。开发的双层反馈神经网络也可以应用于其他对象的优化,具有较强的推广应用价值。

多层反馈混沌神经网络及其在交叉口优化控制中的应用

研究城市交叉口交通控制信号优化配时问题。以Hopfield网络和混沌模型为基础,开发了多层反馈混沌神经网络,将其应用于城市交通控制信号配时优化,并开发了应用于优化计算的能量函数和车辆平均延误计算式;探讨了城市交通系统的混沌特性,并开发混沌定量判别算法。以广东某交叉路口为对象进行了仿真,结果表明:与传统的配时方法相比,采用所开发的多层反馈混沌神经网络进行优化配时,交叉路口车辆的平均延误可以平均减少25.1%,可以大大提高路口的通行效率。该网络也可以应用于其他对象的优化。

内层电地层作为信号反馈层背钻工艺开发

利用内层电地层作为背钻信号反馈层,可避免因板厚差异导致背钻残桩控制不均的问题,从而进一步提高背钻残桩控制能力,满足高速板超高精度背钻要求。文章通过其独特设计,对内层作为信号反馈层背钻工艺进行了验证。

城市复杂轨道交通信号智能配时方法仿真

传统的智能配时方法在解决城市复杂轨道交通信号配时问题时,存在时间延误、实际应用能力差的问题。为了解决上述问题,以仿真方法研究了一种新的城市复杂轨道交通信号智能配时方法。在Hopfield模型的基础上建立双层反馈网络,通过双层反馈网络计算出车辆延误值、饱和流量值,进而开发出能量函数,根据开发的能量函数对双层反馈网络进行智能优化,优化过程包括交通数据采集、饱和度计算、优化计算、结果处理、结果发送五步。通过仿真实验验证了设计的智能配时方法的性能,结果表明,给出的配时方法可以很好地解决时间延误的问题,并且可以针对具体情况进行调试。