基于粗糙集的高速公路交通流神经网络模型.pdf

第31 卷 第10 期 计 算 机 工 程 2005 年5 月 Vol.31 № 10 Computer Engineering May 2005 ·工程应用技术与实现· 文章编号：1000—3428(2005)10—0193—04 文献标识码：A 中图分类号：TP391.4 基于粗糙集的高速公路交通流神经网络模型 肖健梅，张腾飞，王锡淮 （上海海运学院电气自动化系，上海200135 ） 摘 要：利用粗糙集能够处理模糊、不确定知识和神经网络对非线性函数具有任意逼近能力的优点，提出一种粗糙集和 RBF 网络集成的 动态系统建模算法。并利用这种方法建立具有复杂动态特性和不确定性的高速公路宏观交通流动态模型，仿真结果表明了该方法的有效性。 关键词：粗糙集；RBF 神经网络；动态建模；高速公路交通流 Neural Network Model of Freeway Traffic Flow Based on Rough Sets XIAO Jianmei, ZHANG Tengfei, WANG Xihuai (Department of Electrical and Automation, Shanghai Maritime University, Shanghai 200135) 【Abstract 】Rough set is a powerful mathematics tool, which can deal with fuzzy and uncertain knowledge, and RBF neural network has the ability to approach any nonlinear function precisely. A dynamic modeling method is presented using the rough sets and RBF network integrated technology for complex system. The method is applied to model the freeway traffic flow system with complex dynamic characteristics and uncertainties. The simulation results prove the validity of this method. 【Key words 】Rough sets; RBF neural networks; Dynamic modeling; Freeway traffic flow 高速公路交通流建模是智能交通系统控制、分析、设计、 差异将其分类的能力均可看作某种知识。这种对知识的分类 仿真和决策的前提。高速公路交通流模型根据不同的分类标 是基于对象的不可分辨关系，分类过程中，相差不大的个体 准可分为各种模型，其中宏观交通流动态模型既描述了交通 被归于一类，它们的关系就是不可分辨关系。不可分辨关系 流沿道路空间的分布，又反映其随时间变化的规律，能较准 概念在粗糙集理论中十分重要，是定义其它概念的基础。 确地描述交通流的真实行为，因而在实际的交通控制中得到 设非空有限集合 U、A ，其中 U 为论域，A 为属性集， 广泛应用[1] 。 对 于 每 一 属 性 a ∈ A ， 存 在 属 性 值 集 合 神经网络具有逼近任意非线性函数的能力，RBF 网络是 V = {a ( x ) | x ∈ U } ， 称 S = (U , A ) 为