基于BP神经网络的高速公路匝道协同控制方法

论文总字数：47491字

摘 要

随着我国经济的不断发展，汽车保有量迅速提高，同时，人们的出行需求也在日益增长，导致高速公路上交通拥堵现象越来越频繁、严重。一般来说，改善高速公路交通状态最常用的方式为入口匝道控制。通过研究设计智能的、满足交通流动态变化需求的入口匝道控制方法，对于缓解高速公路交通拥挤和提高高速公路交通安全与通行效能具有十分重要的意义。

本文利用BP神经网络和模糊控制技术对高速公路同一主线上的立交双匝道进行协调控制。通过分析匝道控制的影响要素，选取了主线密度和匝道排队长度作为模型输入变量，匝道调节率为输出变量；对模糊控制和神经网络控制进行了阐述，分析各自的优缺点，并提出将两者相结合的方式，建立了4层模糊神经网络控制模型，网络的训练采用BP学习算法；利用python实现匝道动态控制算法，并进行仿真，仿真结果与无控制和ALINEA控制进行对比，证明了所建方法的有效性。

关键词：高速公路；匝道协同控制；调节率；BP神经网络；模糊控制

Abstact

With the continuous development of China’s economy, the number of car ownership has been increasing rapidly. Meanwhile, people’s travel demand is also growing, resulting in more and more frequent traffic congestion on the freeway. Freeway on-ramp control is one of the most effective measures to solve highway traffic congestion. By studying the design of intelligent on-ramp control methods that meet the dynamic needs of traffic flow, it is of great significance to alleviate highway traffic congestion and improve highway traffic efficiency.

In this paper, BP neural network and fuzzy control technology are used to coordinate and control the double ramp of the interchange on the same main line on the freeway. By analyzing the influencing factors of the ramp control, the main line density and the queue length are selected as the model input variables, and the ramp adjustment rate is the output variable. The fuzzy control and neural network control are expounded, and their advantages and disadvantages are analyzed. Based on the combination, a 4-layer fuzzy neural network control model is established. The BP training algorithm is used in the network training. The dynamic control algorithm of the ramp is implemented by Python, and the simulation results are compared with the non-control and ALINEA control. The validity of the proposed method is proved.

KEY WORDS: freeway, ramp coordinated control, adjustment rate, BP neural network, fuzzy control

目 录

摘要Ⅰ

ABSTRACTⅡ

第一章 绪论1

1.1 选题背景及意义1

1.2 主要研究内容及章节安排2

第二章 文献综述4

2.1 典型入口匝道控制算法4

2.1.1 定时控制4

2.1.2 感应控制4

2.2 国内匝道控制智能算法研究现状7

2.3 本章小结8

第三章 匝道控制算法设计9

3.1 模糊控制概述9

3.1.1 模糊控制的基本原理和特点9

3.1.2 模糊化9

3.1.3 模糊推理10

3.1.4 去模糊化11

3.2 BP神经网络概述11

3.2.1 人工神经网络的发展11

3.2.2 人工神经网络的基本原理和特征11

3.2.3 BP神经网络模型12

3.3 立交双匝道控制算法设计15

3.3.1 算法输入15

3.3.2 入口匝道模型16

3.3.3 模糊神经网络控制结构17

3.3.4 模糊神经网络模型18

3.4 本章小结22

第四章 仿真与评价23

4.1 仿真流程及参数设定23

4.2 仿真结果分析24

4.2.1 上游和匝道需求之和基本等于主线交通容量24

4.2.2 上游和匝道需求之和大于主线交通容量27

4.3 本章小结30

第五章 总结与展望31

5.1 研究成果与创新之处31

5.2 研究不足与展望31

参考文献33

附录35

剩余内容已隐藏，请支付后下载全文，论文总字数：47491字