交通流混沌快速识别智能技术研究-道路与铁道工程专业论文.docxVIP

河北工业大学硕士学位论文 河北工业大学硕士学位论文 i i 交通流混沌快速识别智能技术研究 摘 要 从非线性科学、混沌的角度研究设计交通系统是一种新型的交通管理与控制技术，该 思想方法的基本原理是采用交通流混沌识别系统及时识别出混沌，迅速加入混沌控制信号 以达到抑制交通拥堵现象、提高道路通行能力的目的。交通流混沌控制的前提是交通流混 沌的快速识别，现有的混沌识别方法因需要大量的时间序列样本数据无法满足实际工程需 要。因此研究在线实时快速识别混沌的方法，即研究出只需少量时间序列观测值样本就可 以判定交通流是否出现混沌的方法，是一项具有重要理论意义与工程应用价值的前沿课 题。 在大量分析研究国内外交通流混沌识别相关文献的基础上，对交通流混沌快速识别智 能系统的原理进行了进一步地分析，结合工程应用和技术开发的特点，进一步规范了交通 流混沌快速识别智能系统的结构，并对该系统内各个子系统的功能进行了简述。在此基础 上，进行了相关理论研究：不同于其他学者以交通流量或车辆密度作为表征道路交通的特 征量，本研究选取车头时距作为表征交通流特性参数；研究选取不同时间序列长度对在线 识别结果的影响。实验表明，在满足实时性的要求下，选取少量的时间序列观测样本就可 以识别出交通流混沌；针对粒子群优化算法对大样本观测数据处理性能优的特点，本文建 立了基于粒子群优化的交通流混沌在线识别智能方法模型，并应用于在线识别子系统对混 沌进行识别，仿真实验证明了该理论的有效性与可行性。 在理论研究的基础上，从工程应用和软件开发的角度，针对交通流混沌快速识别的特 点，开发了一款适用于交通流混沌快速识别的软件。该软件基于 Visual C++ 6.0 的 MFC 面 向对象编程技术为开发平台，采用 Microsoft Office Access 2007 作为后台数据库，将采集 到的车头时距时间序列作为观测样本，采用 Wolf 法计算最大李雅普诺夫指数进行离线识 别，建立粒子群优化交通流混沌在线识别神经网络模型及 LS-SVM 模型进行在线识别。仿 真实验证明了该软件是一套功能齐全、系统结构清晰、界面友好的面向用户的针对交通流 混沌快速识别问题的智能系统。 关键词：智能交通系统，交通流，混沌，最大李雅普诺夫指数，车头时距，粒子群优化， 快速识别 交通流混沌快速识别智能技术研究 STUDY ON RAPID IDENTIFICATION OF TRAFFIC FLOW CHAOS BY USING INTELLIGENT TECHNOLOGY ABSTRACT To design and study transportation system, on the view of nonlinear science and chaos, is a new kind of scientific approach in traffic control and management. The primary principle of this approach is to identify chaos in time using traffic flow chaos identification system, to achieve suppressing the phenomenon of traffic congestion and improving road capacity by adding chaos control signal. To identify rapidly traffic flow chaos is the foundation of controlling traffic flow chaos. Due to a huge number of time series samples needed, the existing methods to identify traffic flow chaos do not satisfy to the requriements of realistic programme. Therefore, doing research on the means of identifying rapidly traffic flow chaos, that is to say, determining whether traffic flow is chaos or not by adopting only a few time series observation samples, is a much more significant leading-edge in theoretical research and va