智能运输系统概论第3章文档资料.pptVIP

* * 3.4.1 智能控制理论简介 10）优化理论 在学习控制系统中常常通过对系统性能评判和优化来修改系统的结构和参数。在神经网络控制中也常常是根据使某种代价函数极小来选择网络的连接权系数。在分层递阶控制系统中，也是通过使系统的总熵最小来实现系统的优化设计。因此优化理论也是智能控制理论的—个主要内容。 在优化理论中新近发展了一种遗传算法（Genetic Algorithm，简称GA）它是一种全局随机寻优算法。模仿生物进化的过程，来逐步达到最好的结果。这种优化算法也将在智能控制中发挥重要的作用。 3.4.2 智能控制理论在ITS中的应用 传统的交通控制方法以及传统的控制系统的控制技术越来越不适应交通发展的需求，顺应交通的发展。 智能控制能根据具体的运行环境灵活并且实时地调整其控制策略，从而在各种条件下均能达到良好的控制效果。智能控制系统在控制的灵活性、鲁棒性及适应性等诸方面都大大高于基于传统控制理论的控制系统。 总之，智能控制系统具有基于传统理论的控制系统所不具备的智能，包括：处理各种不确定性和不精确性的能力；根据环境因素及过程特性变化实时地修正控制策略的能力；对控制后果进行预测的能力以及基于其上的控制行为的多目标优化。 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 该理论的学术思想是：以及时、全面、可靠的交通信息及信息共享机制为基础，建设基于预测型决策的城市交通流诱导系统、交通控制系统和公共交通系统，调节交通需求在时间、空间以及交通方式上的分布状况，实现交通需求与交通供给的总量平衡，从而达到缓解或消除交通拥挤的目的。 诱导、控制、公交协同理论中主要包括3种协同关系，如图所示。 3.2.3 车辆诱导、交通控制和公共交通协同理论 3.2.3 车辆诱导、交通控制和公共交通协同理论 诱导、控制、公交协同理论示意图 3.2.3 车辆诱导、交通控制和公共交通协同理论 1）诱导系统与控制系统的协同 城市交通流诱导系统调整交通流空间分布减少受诱导车辆的行程时间，自适应控制系统调整交通流的时间分布减少所有车辆的时间延误，二者本质是一致的。在信息共享的条件下，两个系统的协同作用能够显著减少交通拥挤的产生、减轻拥挤的严重程度、提高交通拥挤的疏导速度。 2）控制系统与公交系统的协同 公交系统根据实时交通流量、客流量及其预测信息生成车辆调度方案，在保证运输效率的同时降低运营成本。混合交通自适应控制系统在感知到公交车辆后，提供优先信号，降低运行延误。这种协同可以提高公交系统的吸引力，增加公交出行人数，进而提高城市主干路网的交通均衡性。 3.2.3 车辆诱导、交通控制和公共交通协同理论 3）诱导系统与公交系统的协同 公交系统的吸引力越强，形成的公交出行量越大，其他方式的出行量会相应减少。在机动车出行量中，当城市交通流诱导系统接收到交通拥挤信息后，根据拥挤特点提出更改出行路径或出行方式的建议，有部分出行者可能中途改乘公共交通完成出行过程。这种协同既可以部分减少机动车和非机动车交通需求，又能够减轻交通流混合程度，对缓解交通拥挤具有重要意义。 在以上三种协同关系中，控制系统与公交系统的协同主要体现在公交的信号优先，诱导系统与公交系统的协同主要体现在诱导信息对出行者出行方式选择的影响与改变上。 3.2.4 国内外交通控制与交通诱导协同理论的研究 近年随着智能运输系统在城市交通系统中的推广和应用，交通流诱导系统作为智能运输系统的核心部分，如何将城市交通控制系统（Urban Traffic Control System，简称UTCS）与城市交通流诱导系统（Urban Traffic Flow Guidance System，简称UTFGS）进行协同，更是备受关注，成为交通领域研究的重点之一。 20世纪70年代起，人们开始从全局和整体角度出发考察城市交通系统，将交通控制系统和交通流诱导系统协同研究，以在交通网络平衡过程中把出行者路径选择与信号控制策略的相互影响确切地考虑进来。Allsop（1974）第一次将控制引入交通流分配问题中来，从此有关交通控制和交通流诱导之间的相互影响和相互作用的研究一直是交通领域的专家学者研究的焦点。 3.2.4 国内外交通控制与交通诱导协同理论的研究 迄今为止，国内外关于交通控制与交通流诱导系统协同运作的研究主要集中在协同模式和协同算法两方面。 1）国内外关于UTCS与UTFGS协同模式的研究 Bell 等（1991年）提出了交通流最佳路径诱导和交通控制协同的两种途径：一是低层次协同，即两系统的数据共享；二是高层次协同，即两系统相互影响和相互作用。 H.Shimizu，M.Kobayashi Y.Yonezawa（1995）提出了一个概念性的结合交通