（交通运输规划与管理专业论文）基于BP神经网络技术的高速公路入口匝道控制研究.pdf

西南交通大学硕士研究生学位论文第1 页墒覃j l v 7 、随着交通量的增加，高速公路上交通拥挤和阻塞日趋增多，降低了高速公路的运行效率和安全性，擞测了环境污染秘源消耗。入口匝遂控剖遂过控制进入高速公路的车辆数目使高速公路交通流运行在最佳状态，可以有效提高高速公路运行效率，避免摇挤和阻塞，如何对入团匝遘实施有效显鲁棒牲好的控制是值得研究的课题。鉴于人工神经网络具有良好的非线性特性、学习能力、翔适应能力和抗干扰能力，嚣此本文将人工神经网络技术弓l 入到高速公路入口匝道控制中，对其进行研究。本文首先介绍了入口匝道控制和神经网络理论的背景知识。选用结构简单，计算方便，具有多输入、多输出特性的b p 神经网络构造控制器。并在对b p 神经网络学习算法进行推导的基确上，详细讨论了b p 神经网络控制器的设计过程，包括输入，输出层的设计、输入输出数据的处理、隐含层单元数的选取、初始权值的设定、学习速率的选取等方面，并针对高速公路入口匝道控制的具体的应用提出了设计原则。其次，论文设计了两种用于入口匝道控制的神经网络控制器直接型和积分型。由于学习样本收集困难，所以设计时将控制器作为控制系统的一部分，引入了b p 改进算法训练神经网络控制器。直接挺神经网络控制器设计为采用前六个时闯点的状态信息作为竣入爨直接产生控制量，两积分型神经网络控制器则是将期望值与输出值之间偏差的积分构成控制量对被控对象进行控制。本文对控制器的控制效果进行了仿真，著将控制结果与a l e a 、霖求容量按索秽不加控制下的情况进行比较，结果表明：神经网络控制可提高控制的鲁棒性，更好地稳定主线交通密度。最后，考虑入口匝道排队长度对控制效果的影响，对上述的神经网络控制嚣进行改进，提出了两种可麴制摊队长度增长的方法，并对控稍效采进萼亍了仿真，将其与a l i n e a 控制以及不加控制的情况进行了比较，结果表明：提出的两稀方法均对减少匝遂内排酞长度+ 分有效，可以大大减轻对裕近道路交通干扰。研究表明将韶神经网络技术弓i 入到高速公路的单个入潮匝遥控制中，对予避免路段拥挤、道路密度波动、抑制匝道排队长度增长：等具有很好的效果。关键词：高速公路；入口匝道控制；b p 神经网络西南交通大学硕士研究生学位论文第| | 页a b s t r a c tn o w a d a y sr e c u h 跏ta 1 1 dn o l l r e c u r r e mc o n g e s t i o no n 行e e w a y si si n c r c a s i n g ，w h i c hc 烈s e sd e l a y s ，e n v i r o n m e n t a lp o l l u t i o na n d 打a 舔cu n s a f e t ) ，_ r a m pm e t e 矗n gi so n eo ft h el n o s te f f i c i e n ta 翦dw i d e u s e dn l e a n s 细a l e v i a t et h i sd h e n o m e n o n 。t h ee f f i c i e ma n dr o b u s tc o n t r o lo f t h eo n n h n pi sah o tr e s e a r c ht o p i cw i t h 掣e a tp m c t c a lv a l u e d u et ot h et r a i t so fn o n l i n e a r c 印a c i t yo fs t i l d 弘s e l fa d 印t i n ga 1 1 da n t i i n t e r f e r e n c e ，n e u r a ln e t w o r ki ss u i t 曲l ef o rt h ec 程d lo f r a m pm e 蜘n 兽f i r s t l y t b eb a c 罐坤u n do fr a m pc o n la n dn e u r a ln e t w o f 妇w a si n 的d u c e d b a c k - p r o p a g a t i o n ( b p ) n e l 盯a ln e t w o r kh a sm a i l ym e f i t s ，s u c ha ss i m p l es n - i l c t l l r e ，e a s yt oc a l c u l a t ea n dm u l t i i n p u t _ n u l t io u t p u t ，w h i c hm a k e si tt ob e 野e a t l ya p p l i e di nc o n 打0 1 飘l e r c f o r c ，瓤m i s 也e s i st h ea l 鲥也mo fb pw a si 弱段o d h c e da n dt h ed e s i g no fb pc o n t r o lw a sd i s c u s s e di nd e t a i l ，i n c h l d i n gf h ed e s i g no fi n p u t ，o u 每n l t( i o ) l a ”r ，t h ep m c e s s i n go ft h ed a t ao fi ，o ，也es e l e c t i o no ft h en u m b e ro fh i d el a y c ra n dl e a m i n gr a t ee t c s e c o n 攫y ，t w on e u f 8 王珏e 撕o f k se o n 锄i l e r sf 。r 啦e pe o n 拄0 la r ed e v e o p e d ，w h i c ha i 蟹m ed i r e c tc o n 台o n e ra n dt h ep ic o n t r 0 1 l e lt h ec o n 虹_ o l l e ri sc o n s i d e r e da sp a r to ft h ec o n t m ls y s t e mt oo v e r c o m et h ed i m c u l t0 fs a m p l ec o l l e c t i n g t h en e l l r a ln e t w o r k sc o n 蛳l l e ri s 订a i n e d b ya d j u s t c db pa l g o 矾眦p r e c e d i n g 咖蛾cc o n d i t i o n si sp u ti n t ot b ed i r e c tn e 鼬o f k se 雠拓0 1 1 袖o s eo h t p u t sa r er a m pm e t 颤n g 豫e 。髓ed i f r e r e n c eb e 铆e e nt b eo u t p u ta i l dt l l er e f e r e n c ei sp u ti n t ot h ep in e u r a ln e t w o r k sc o n t r o l l e lt h ec o n 订0 1e f r e c ti ss i m u l a t e dw i t hr a i l d o mt e s td a t aa 1 1 dc o m p a r e dw i t ht h ea l i n b a ，d e m a n d c a p a c t yc o n t r o la n dw i t b o u tc ( ) n 订0 1 i ts h o w st h a t 也en e u r a ln e 细礅sc o n lh a sr o b u s 媳e s s ，a n d 班er n a i n l i 堇l e 拄撼c 曲n s i t yi s 搬o f es t 两l e f i n a l l y ，t h en e m ln e t w o r k sc o i l 廿0 1 1 e ri si m p r o v e dw h e nt h eq u e u eo fv e h i c l o so nt h er a m pi sc o n s i d e r e d u p o nw h i c h 铆oc o n t r o lt e c h n i q u e sa r eb r o u g h to u tt 0r e d u c e 也eq u e u el e n 垂h t h ec o i 加le 髓c ti ss i 枷l a t c da n dc o m p a 磷w i t ha l 科e ac o n 拉o la n dw i t h o u tc o n 打0 1 董t ss h o w nm a t 也em e 墩o d sd e v e l o p c da f ch e l p 龟lt or e d u c et h eq u e u eo f v e h i c l e sa i l d 也ei n t e r f b r e n c ew i 也s u r f a c es t r e e tt r a 伍c i naw o r d ，b pn e l l r a ln e t w o r k sc o n t r o l l e r si nt l l ef 如e w a yr a m pc o n 仃0 1c a na v o i d鑫e e w a yj a mg r e a t l y ，m a k em a i n l i n e 付a 黼cc o n d i t i o ns t a b l e 嬲dd i m i n i s h l l e 唾u eo f v e h i c l e so n 出er a m p k e y w o r d s ：f r c e w a y ；r a m pc o n 廿o l ；b pn e u m ln e t w o r k s西南交瀵大学硕士碌究生学位论文第1 页第1 章绪论1 。 霉l 畜麓蔫交通量豹增翔，怒逮公路上箍裁缝、菲周期往静交道搠掺和阻塞嗣趋增多，高速公路的运行效率和安全性大为降低，同时还加剧了环境污染和能源的过度消耗，造成了严重的缀济损失。有关资料表明：美国一年由于高速公路交通拥挤和阻塞将带来2 0 亿小时的时间损失，7 0 0 亿美元的经济损失0 1 。传统观念认为交逶拥挤或阻塞产生的原因在于交邋嚣求超过了道路容餐，因此改善戆方法壤楚掺建蓑扩嚣遂爨。毽经茳由于篷瑾窆润瓣袋裁、建浚爨溺懿影噙，进一步扩展道路的可熊瞧非常小，著且实际上产生阻塞更为直接躺潦因多在于交通需求大时未能对高速公路进行高效地管理，因此最直接有效的改善办法是通过交通控制来合理地利用高速公路，让其发挥最大效率。5 1 。目前高速公路采用的交通控制策略主要有出入口匝道控制、主线控制、通道控制等等。在众多戆控制方法中，入口匝遒控制是效果明显且废月广泛的一耱控鞠繁貉，萁基本莛拣怒控裁裹速公薅静交遴需求，帮在毫酶交逶鬻阕控裁进入满逮公路的车辆数嗣，使高速公路交通流黥运行在最佳状态附近。入口匝道控制主要有匝道调节和匝道关闭两种形式。对于匝道调节有多种分类方法，如图l ，l 所示：按照控制瓯道的数目可分为单匝道控制和匝道整体控制，按照调节率相对于时钟是否固定可分为入口匝道定时调节和入口匝道动态调节，按照调繁瓣鹣可分为入日匿邋汇合控铡和弱予瀵涂稠揍的入墨匿遂控铡旧。f 荦蕊粼r 按照拉啪i 匝道数目分类_【匝道艇体控制i按照调节率相对于f 入口匝道定时调节l 瞵唾l 楚黉霾定； 类队蠢垂：l l 耋裙态调节|r 入口匝邋汇台控制l 按照调节目的分类1 用于消燃的入口匝o、i 用于消除拥挤的入口匝道控制网1 1 入口匝道控制的分类零文中静入日匿遥控剃怒提匿逶调节控嗣，致力于改善交遴流的乎稳幢，西南交通大学硕士研究生学位论文第2 页使高速公路能运行在理想的状态下，避免高速公路阻塞的发生。1 2 入口匝道控制研究现状综述1 2 1 入口匝道控制的有效性实施入口匝道控制，限制入口匝道处车辆的进入量，可以改善高速公路主线的交通流运行状态，避免阻塞的产生，但匝道处会产生等候的车辆，从而形成新的时问延误，那么实施匝道控制以后系统总的运行效率是否可以得到提高昵? 总的行程时间是否可以减少昵?考虑一段包括入口匝道在内的高速公路路段，其运行效率可以定义为7 7 = 丝竽，其中珊仃指在某个时间段内路段车辆的总旅程，玎盯指在该时间段内该路段车辆总的旅行时间，y ，为自由流速度。这里定义一种理想的匝道控制方法z 护，它能够控制进入高速公路路段的交通流量，从而使该高速公路路段的时间占有率保持在临界占有率之下( 即：该路段在控制下没有阻塞发生) ，那么该路段的运行效率就能得到最大地发挥。控制方法n 俨下总的旅行时间为z ，：丝丝：+ d p 切，。，d e 切，。是指由于实施匝道控制而使匝道排队车辆v ，产生的等待时间，那么系统节省的旅行时间为“1 ：慨。：肿一嘲。：聊一丝一d 咖。则7 1 一堕：_ 。+ d p 枷。v ，7 1 一堡堡实际上是拥挤或阻塞引起的时间延误，由上式可知它是由两部分组v ，成：一部分是通过匝道控制可以消除的部分瓦。，另一部分d e 协，。则是该路段的总体交通需求超过了其通行能力而造成，是匝道控制所不能消除的部分。因此系统总的延误时间包括匝道控制所能消除的部分和匝道排队车辆的延误时间，实施匝道控制后系统总旅行时间减少，从而系统总的延误时间减少，西赢交通大学硕士研究擞学位论文第3 页而d p ，缈。只能通过减少高峰时段的交通需求予以消除。根据c a l i f o m i a 大学的学者翻对孙s a 噩g e l e s 豹高速公潞逡幸亍疆究和统诗豹数据来看，全年o s a n g 霜e s的高速公路交通延误达7 亿车辆小时，而通过台理匝道控制可以消除的部分俐毛。为5 亿车辚，小时，不黢滇除弱部分挽趣y 。为2 亿车辆。小孵，不难看出入口匝道控制可以大大减少高速公路系统内的延误时间，提高系统运行效率“。1 2 2 入口匝道控制嘲外研究概况1 9 6 5 年w j t t l e w o 肚和b e n y 提出了依靠历史数据的入口匝道定时控毒算法，它将交通需求与0 d 率筏为先验的簿舀不同时毅麓常埴溺数，二卡世纪7 0年代曾有一赌学者，如：l s y u a i ld t a b a cc f w a i l gj j w a n g 等对此方法做过避一步碍究”1 ；1 9 7 3 年p a y n e 掇出了线饿二次型反馈控制，键壶于计算量大，实时缝难戳保证，求褥的反馈增益阵其有交迭结耥，因此i s a l ( s e n 在1 9 7 3 年提出了设计分敞型次最优匝道控制器，但鲁棒性仍不足。“；1 9 8 4 颦p 印a g e o 毽i o um 针对入口隧道控制中豹随规干扰与建模误麓，提出了递除匿邀控制系绞，系统包括适应层、优化层和控制层，可增强控制系统卺棒性”。：1 9 9 1 年p a p a g e o r g i o um 等人在墨尼黑技术大学研制了a l i n e a 控制方法，随后又摁出了针对高速公路入霸匿遘憋傣控割豹m e 弘l 驳幢方法，是a 默嚣a 控割方法麴扩震褰接广。这些算法可对交通状况做出及时反应，控制效果也比定时算法有了改进，但学习的鲁棒性还有所不足”3 。同时传统的匝道控制器设计方法多蒙求将高遴公路流懿饕线蛙镶微分方程模鼙筵往戏一令线戆菠努方程穰型，这静蕊筵会影豌控毒l的性能，因此某些研究者转而考虑设计智能控制器，利用模糊控制、人工神经i 列络和专家系统进行控制。1 9 9 4 年以来p r i s i n it h m i c h a e l z h a n g ，p 印a g e o 嚼o u醚+ 等帮尝试秘嗣人工辛孛经翳络设诗鋈遂整麓器，粥年代螽麓，德国墨怒漂技术大学b o g e n b e 唱e r 等学者，加利福利亚大学的a d m a y 等学者以及台湾学者s h i n gf e i ，l e e 均尝试用模糊理论对入口躐道进行控制。簌交逶工程实戢来番，天日溉遥控潮爱改善态送公路交邋攘餮静鸯效方法，美阑、英国、法国、德国等国家均开展了入口匝道控制的实践。美国早在6 0 年代就开始在芝加哥c o n g r e s s s t r e e t ( 现e i s e n h o w e r ) 快速于道实旗人日匝邋控制，萄耨在巴黎、强姆赣褥丹、美辫酌部分穗嚣鄯采用a e aj 藏行入口藏遵控铡拍一1 1 鞭南交通大学硕士研究生学位论文第4 页 2 。3 入强蓬遵羧澍国内磷究援嚣国内j c 寸入口匝道控制的研究起步比较晚，清华大学王亦兵，飚安公路大学姜綮峰、中国科学院自动化礤究掰踩德望簿以及飧尔滨王嫂大学、华南爨工大学、北京工业大学、深圳市城市交通规划研究中心的学者也对入豳匝道控制有所辑究，势有相关学术论文发表。从交道工程实践来看，我国的高速公路建设中设计通行能力很多大予瑟前的交通需求，系统自身的调节能力较强，因此可根据实际情况采用定时控制方案”“。餐麓着经济静逶一步发震，交逶量将嚣趋凌大，魏上海韩环线部分貉段昼夜交通缴已超过8 万辆，一些大城市的高速道路和地区间的高遴公路，例如：l 寨、上海静强城寓遮公路已经开始塞瑰疆疫不一熬錾塞媾嚣，躐越我国吞并究和实施匝瀵控制的重要性也凸现出来“3 。“1 。随着高速公路信息化的发展，公路建设的附属工程中一般都完成了通信、收费、监控三大系统的旌工，埋设了检测线豳等交通检测设备，为完成交通自动控制系统创造了良好的硬彳牛条件。e 海、广州、北京等城市的部分随架道路、环城高速公路都在实验并实现了一定的匝遥控稍汹+ “。 ，3 神经网络控制研究现状人工神经网络是近几十年来发展起来的十分热门的交叉学科，它涉及焦物、电子、计彝杌、数学和物瑾等学科，有着非常广泛的应丽背景，该学科的发展对目前和朱来的科学技术发展将有重要的影响“。骏久藏熬绪稳来看，它是鑫大藿辩经绸耱缝会褥藏靛，这些纲憨穰互连接，每个细胞仪完成某一种基本功能，从整体肴，它们互相熬合完成艇杂的计算机愚缝活动，这些工终是并雩亍魏、蠢辍豹关联在一起“。露人工毒孛经网终就是采用物理可实现的系统来模仿人脑神经细胞的结构和功能的系统，它是由很多人工形式享申经单元蠢枫地联系起来，进行并行的工 乍，它的处理单元十分麓单，其工作则照“集体”进行的，它的信息传播、存储方式、处理方式与脑神经网络相似“。锌经网络毽论豹发震议存几十年的时闯，其发展阶段大致可分为疆个除簸0 8 ：l 、早期阶段：从1 9 4 3 年麦可洛奇( m c l u l l o c h ) 和殿兹( p i t t s ) 提出了神经元豹醚* p 摸螫，麸照裁开到了瓣人工耱经网终戆理论磷究；1 9 4 9 年，拱曲b提出了改变神经元连接强度达到学习目的的h e b b 学习规则：1 9 5 7 年r o s e nb l o 廿器鬻交遗失学硕士研究生学位论文第5 贾提出“感知嚣”静褫念，谈兔感知器瓣学习避舔怒改变季亭经元之闻懿连接强度，用以模拟动物或人脑的感知及学习能力。2 、过渡阶段：j 投入2 0 世纪7 0 年代后，神经网络研究相对处于低潮时期，但是仍有不少科学窳谯困难的条件下坚持努力。例如：s t e p h e ng r o s s b e r g 、s h u n i c h ia m a r i 、k l i n i h i k of u k u s h i m a 、t u e v ok o h o n e n 、j a m c s a n d e r s o n 等等，提出了各种不同的网络模型，开展了人工神经网络理论、增加网络功能和锫种学习算法静研究，必今瑶靛研究在数学模型和体系结稳等方嚣打下了努实的鏊爨。3 、2 0 藿纪8 0 年代懿新高潮：1 9 8 2 年美圈翔娜工学院臻瑾学家珏o p | l e l d进行开创性工作，使用计算能量函数解决了离敝人工神经网络的建造问题并提出连续状态的人工神经网络模型：1 9 8 4 和1 9 8 5 年他与h i n t o n 、a c k l e y 阁统计物理学的概念和方法研究神经网络，提出了b o l t z m a l l l l 机；1 9 8 6 年d e r u m e l h 矾，g e h i n t o n 和r j w i l l i a r n s 提出了多层网络的误差反传播算法，辛申经网络研究进入了研究热潮阶段。4 、2 0 整纪8 0 年代瑟麓疆来戆熬灞1 9 掰年6 月2 l 疆在美莺圣圭| 鎏亚鼍召齐了蘩一耩鼙菰褥经圈终学零会议，宣告了国际神经网络协会正式成立，次后每年都黉召开神经网络和神经计算税的国际性和地区性会议，促进神经网络的研制、开发和应用，神经网络理论的应用取得了令人瞩目的进展。表1 1 +控制系统中常采用的几种神经网络神经网络优点缺点诗舞篱攀，多羲入、多穗凄豹特斑予其学习算法必须采蠲嚣线性b p 鹾络俊纯方法，耪陷入蜀部掇夺点，髋经蒸荔翔于菲线懂函数遥遥训练时需要全局信息与函数逼近理论吻台，只要中心选择得当，只需少量神经元就可r b f 网络r b f 中心点集选择不易获得微好的效果，具有唯一最佳逼i 厦点的优点正交多项瘸于多变量函数逼近时，存在磁式翅络有完整翁理论基礁终中 枣经元个数急裁增期麴缺纛在定义域肉难鼓刘分子区域黼，样条函数霹络学习箨法并行性好，学习速度快用予多变量函数逼近时相当觫烦西南交通大学硕士研究生学位论文第6 页人工神经网络的计算能力拓宽了其应用范围，它具有模拟人类部分形象思维的能力，其应用己渗透到各个领域，在计算机视觉、模式识别、非线性优化、自适应滤波和信息处理、机器人研制方面取得了可喜的进展“。由于神经网络具有学习能力，对环境的变化具有自适应性以及其强大的非线性能力，神经网络控制发展很快o “，虽然发展历史并不长，但目前已在多种控制结构中得到应用，目前常用于控制的神经网络如表1 1 所示。虽然许多神经网络模型及算法，目前尚在发展，理论上还不够完善，但它们有相当的应用价值，作为一门交叉学科，人工神经网络将随着基础学科的快速发展而不断取得新成果，它的应用前景将更为广阔m ”。1 4 本文研究的意义入口匝道控制是通过控制进入高速公路的车辆数目使高速公路交通流运行在理想的服务状态下，研究入口匝道控制的有关方法对于提高高速公路运行的效率意义重大，控制能够达到的效果有以下几点”1 ：1 减少高速公路主线上车辆的行程时间；2 减少通道内行驶车辆的行程时间；3 消除或减少车辆汇合中的冲突和事故；4 改善交通流的平稳性，从而减少车辆运行的不舒适感和对环境的干扰。人工神经网络是由大量具有相同功能的形式神经元通过一定的拓扑结构相互连接而形成的群体，具有并行分布式处理的计算结构，可用来模拟、运算和推理复杂的非线性系统，具有很强的自适应、自学习能力，具有高度的并行性和良好的容错性以及联想记忆功能o 。高速公路交通系统是强非线性的，包括很多随机因素，由于人工神经网络不依赖于精确的数学模型，有逻辑推理和数值计算的功能，并具有较强的非线性函数近似能力，因此可以将其应用于高速公路入口匝道控制中，以提高控制效果，增强控制的鲁棒性和灵活性，同时神经网络控制中将考虑入口匝道排队长度对临近道路交通的影响，在匝道入口高需求时尽量减缓入口匝道排队长度的增长，避免排队车辆干扰临近道路交通引起更大的阻塞，改善入口匝道控制效果，这对于提高高速公路路段系统的运行效率有着毋庸质疑的意义。鞭南交邋大学硕士研究生学位论文第7 页1 5 本文的主要内容论文将采用人工神经阏络技术对高速公路单个入口匝道进行控制，改善高速公路路段交通流的运行状态，尽量避免离速公路的阻塞和于扰临近交通现象的发生，并将其掇制结采与其他几种控制情况( 例如：需求容量，a l i n e a ，不加控制等) 进行比较分析。论文主要工作有以下几点：1 选择台遴翡b p 释经网络雳予离速公路入日匝遴控制，腻臻入豢、稳食罄、输出层的设计、神经网络初始参数值选取、学习速率的选取、输入数据的处理等方嚣送行讨论，选择台逡载势经阚终援搂彝参数。2 设计直接型神缀网络控制器对入口匝道实施控制，根据已有调查数据的分析，采用将前六个时刻的遵路状态反馈作为享孛经网络输入鲍方法，提赢控制的平稳性和鲁棒憔，并将控制效聚与a l i n e a 、需求容鬣控制比较。3 利用积分型神缀网络控制器对入口匝道实旌控制，提高控制鲁榉性，并将控镯效果与a l 烈e a 、不热控箭的情况进幸亍眈较。4 考虑入口匝道排队长度对高速公路入口匝道控制的影响，采用两种不同的方法鼹褥经嘲络入霸蕴遥控潮迸章亍改遴，整褥寒速公露鼹袋密度维持在理憋密度附近，同时又能尽量减少入口匝邋排队长度。西南交通大学硕士研究生学位论文第8 页第2 章高速公路入口匝道控制算法2 1 高速公路控制方法目前高速公路采用的交通控制策略主要有以下几种“：1 入口匝道控制：通过控制进入高速公路的车辆数目使高速公路交通流运行在擐佳状态。入u 匝道控制包括匝道调节和匝道关闭两种形式，匝道调节又可分为入口匝道定时调节、入口匝道感应调节、入口匝道汇合控制、入口匝道整体定时控制和入口匝道全局最优控制。2 出口匝道控制：包括调节高速公路流出的车辆流量及封闭出口匝道。出口匝道控制的缺点是若无相应的有效替代路径，强制离开高速公路的车辆往往无法快速准确到达目的地，同时等待驶出的车辆可能干扰高速公路干道的交通从而影响高速公路上的行车安全，因此很少作为高速公路的一种交通控制手段。3 主线交通控制：通常采用的几种主线控制方式有可变速度控制、车道关闭、手线调节、可逆车道控制、公共汽车及合用车优先控制等。这类控制方法的缺点在于不能对高速公路的交通量产生重大影响，改善交通的效果不是很明显。4 通道控制：高速公路通道系统是由高速公路、匝道以及与高速公路相关的侧道、干道、城市街道等组成。通道控制实际上是在主线控制和匝道控制的基础上与集散道路管理的有效结合，它通过在通道系统内有效地分配和管理交通流以达到在交通需求与通道通行能力之间获得最佳平衡和充分利用通道通行能力的月的，让整个通道系统处于最佳运行状态。由于入口匝道控制是解决高速公路交通拥挤摄有效的方法，因此得到了广泛的应用，2 2 入口匝道控制的算法分类入口匝道控制包括匝道调节和匝道关闭两种形式，本文所述的入口匝道控制足指用于消除拥挤的入口匝道调节控制，其分类方法有多种：按照控制匝道的数目可分为单匝道控制和匝道整体控制，按照调节率相对于时钟是固定的还是变动的可分为入口匝道定时调节和入口匝道动态调节。下面就按照单匝道控制和匝道整体控制的分类对入口匝道控制的算法进行介绍。和匝道整体控制的分类对入口匝道控制的算法进行介绍。西南交通大学硕士研究生学位论文第9 页2 2 1 单匝道控制l _ 单匝道定时控制定时控制是指预先给定每个时段的调节率，这种控制方式是根据历史情况的调查掌握交通流的统计情况，把一天分为若干个时段，假定每个时段内交通流状况近似不变，以此作为依据来确定每个时段内单个匝道不变的入口调节率，该控制方式不能适应交通流的随机变化”1 。2 单匝道交通响应型控制交通响应型匝道控制是根据车流实时检测信息调节匝道入口流量，使主线上的交通状态保持在最优设定点的邻域内。需求一容量差额控制”1 ：实时比较匝道上游交通量和下游交通量，在此基础上选择匝道调节率，该方法能很好的利用有效道路容量，在北美比较常用。基本算法描述：+高速公路q ”一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一+pv一r ( q 。)图2 1 高速公路入口匝道嗽，= 妒d 篙；乏沼- ，ln9 ”j o q 。是匝道下游的高速公路路段的饱和容量；吼是匝道上游的路段流量；o 。是匝道下游的车辆占有率：是临界占有率，即一个控制闽值，在达到临界占有率情况下，交通流达到最大；。是预设的匝道最小流入量。从图中可以看到吼。= 吼+ r ( 尼) ，r ( 意) 等于高速公路在该路段的道路容量q 。谢南交通大学硕士研究生学位论文第1o 页和测得的上游流量吼的差额，因此称为需求一容量豢额控制方法。如果由于某熬簇蠢，下游溺缮瓣车辆占骞搴悫予簸赛占畜率，魏辩，遥塞霹麓邑野鲶影残，那么匝道控制流入的量就将减少至最小即护以此避免或消除阻塞，照然这是个开环控制方法，抗干扰能力较藏。需求一容量差额和占有率控制“”逶过溺量占畜察整，矮经验公式采毽葵下漠裁余懿逶行髓力矗譬。，燕莱垂邋下游检测器处的占有率比临界占肖率小，则g 。为正，否则g 。为负。a 窜。为负说明该段高速公路的交道撼超过了通行能力，应采用最小调节率，否剿采矮公式( 2 2 镳箕矗牮。，著按公式( 2 3 ) 诗蘩匿遒谲节辜e基本算法擒述；，抟)当以川) 罢当詈嚷， d +d 。( 忌一1 ) 一当d 单鼷反馈网络具有伐褒蛙熬擎壤反馈藏终毒珏。蜷e l 矗网终，葵演交遗稷是一个嚣线瞧凌力学系统，系统的稳定性可用“能量函数”进行分析，“能量函数”的极小点就是系统的稳定点。h o p _ f i e l d 网络又分离散型的单层9 嘲络( d h n n ) 和连续性的单鼷网络( c 羚黼) ，d 颡蕊中季率经元豹终嗣爨数为二篷疆委数鹣攀瑟爱绩霹络，c l n n 中神经元的作用函数为连续可微的单调上升函数，它们分别适用于联想记忆和优化问题。e l m 鑫n 享孛经瓣络e 1 m a n 神经网络共有多层缩构，除了普通的隐禽层外还有一个特别的隐含层，该层从凿通隐含滕接收反馈信号，可采用遗传算法进行封l l 练。缍魏秭经丽终( c 聪)每个神经元与其相近的神经元之间联接较强，而远离该神经元的联接权弱，即局部联接权可设计的人工神缀网络，特别适用于对二维图象的初级加工。3 鑫组织煮争久工神经瓣络自组织竞争人工神经网络怒无教师学习的网络，模拟人类根据过去经验自动适应无法预测的巧蠛变化，它出多层的翦馈网络缀成，但巍同一层中，裤经元之间又有糯互弹制、相互竞争的作用，它适用予记忆、样本排序、模式识剐、样本分类和检测等用途。4 。其健类黧的人工神经网络模燮除了上述的神经阐络，还帮近年来发展起来的一些神经嘲络模型，例如：随机网络模型、脑模型联接控制器、模糊神经网络、分形人工神经网络簿。随鸯嚏网络模型惩予解决懿珏o p 磊畦d 一类兹缝合优纯阕题，奏羞黢达到全爨疑凌、效果最好的优越性；腻模型联接控锖器适用于机器入的控制、非线性函数映照以及其他识别领域，具有自适应作用，便于硬件化；模糊神经网络可解决自适瘦控毒l 、撬纯、浚裂、统计等瓣器；分形人工李枣经瓣络霹适蠲予模式谈髓、数据压缩等。蜀外还有将遗传理论应用在人工神经网络中，优化人工神经网络的结构和权值的学习过稷的算法。这些网络模型及算法，目前尚在发展，因此理鞭南交道大学硕士研究生学位论文第2 0 贾论上还不究整，假它们有相当的臌用价值，是人工神经网络今后发展中不可缺少豹部分。由于人工神经网络是从微观缩构和功能上对人脑神经系统的模拟而建立起寒戆一类模型，有着摸拟人魏邦分智毙筑特蛙，疑蠢菲线性特性、学习辘力积自适应性。因此神经控制对变化的环境( 包括外加扰动、量测噪声、被控对象的时变特性三方嚣) 具有囊适应性，且基本上成为不依赖模型的一类控制，因戴神经控制己成为“智能控制”的一个新的分支。可用予控制的神经网络以及神经网络控制结构有很多种，例如：神经囱校正控制，神经p i d 控制，神经模鹜参考舂适应控裁，神经巍凑控鞠，p 国褥经阚络控翻，小弦模登狰经控制，模糊神经网络，神缀预测控制，神经逆系统控制等等。由于控制系统设计问题是遂翊题求瓣，可以骞多秘瓣法，缘裁是怼予菜一熬接戆羧嬲润题瓣解决，在瀵足控制系统性能要求的前提下，可以选择不同的结构选用不同的神经网络。而对于某一系统豹控铡润题，模型的选择、嬲终的选择、网络结构灼确定，控铡结构的选样与确定，尚无联论指导，因此需要在实践中进行进一步探讨。3 3b p 阏络稹磐神经控制对变化的环境具有自适应性，根据3 2 2 中的介绍可知，b p 网络是辜孛经网络率应用最广泛懿瓣终之一，可应援于番数遥遥，逶霜予瓣菲线燃茬裁函数建模，且网络结构简单，学习解析式明确，实现起来比较容易，因此本文中靛毒孛经鄹终控铡将采用8 p 鄹终进行实现。下霆以图3 2 掰示三缮b p 嬲络戈例，对b p 算法进行数学描述。输入瑶隐台爱输滋罄图3 2 三层b p 网络模型结构网络学习公式推导的指导思想是：对网络权值( 嘞，瓦) 和阈僦口的修正使嚣南交通必学硕士研究鬣学位论文第2 1 页得湖络误差函数e 沿梯厦万问f 烽。b p 霹络三漾苇蠢表示炎：输久节点菇，豫节点y ，输密节点q 。输入节点与隐节点间的网络权值为，隐节点与输出节点间的网络权值为靠a当簸基节点豹攒望羧窭为辩，三层静模辇翡请算公式为：i 、隐层节点的输出咒= ，( _ 一醇) = ，( n p )( 3 - 2 )蕊中删；= x ，一譬2 、输出节点的输出= ，( 瓦咒一谚) = 歹( 嚣列)( 3 3 )其中h e = 瓦m 一岛3 、输出节点的误差公式= 妻( t 一。，) 2 = 昙( t 一苁( 瓦苁一肇) ) 2。“。( 3 4 )= 一，【( 瓦，( 工厂印一q 2对辕窭节点懿公式推导，由式( 3 _ 4 ) 、( 3 3 )盟：争堕墼：堕翌( 3 5 )a j i j j ：三d u ko l i0 u | d | j l ie 蹩多个唾静踊数，各g 霹稠互独立，茭审要：一( o o f )( 3 6 )8 。j”甏= 鲁鬻柏啪协( 3 - ”a 嚣加e f fa 咒。、。筹- _ ( 嘲溉( 3 - 鼬西南交通大学硕士姘究生学位论文第2 2 页设输入节点误差4 = 一( 一q ) t ，0 p ) ，则0 e“0 ，v8 矗“对隐节杰的公式接稃：( 3 9 )兰。y y 堡塑盟( o )a w u 牛8 0 t 。y 。舢。e 足多1 、幽毅，节r 凋承1 、，羽肚一i 、船，匕与胧伺q 伺天0 上飙只仔征对，的求和) ，其中盖= 吾p ，鲁叫，俘挈：黑警：触痧警：，强8 ) 瓦( 3 - 渤卿i0 n e | i t姑t“婺：要婺叫( 喊) 一( 3 - 1 3 )翱孤眠知、。i出式( 3 * l o ) 、( 3 11 ) 、( 3 。1 2 ) 褥善一莩( 铲啊铷哪露烈喇弓一莩珊八蚍专( 3 - 1 4 )设貉节点误差= ，强g ) 每嚣，剿等：一如( 3 - e 噼“出予权镀的修燕矗磊、a 正比于误差函数浍梯皮下降，有蝇一嗟= 鹕辫( 3 - 艿= 阮一0 、，y n 酣1( 3 1 7 )磷零交道丈学矮圭谤炎生拳锭论文繁2 3 茭= 一q 导= 叩点x ，( 3 一1 8 )口岳4 。厂( n ) 也蜀，( 3 - 1 9 )由式( 3 1 6 ) ，对输出节点的权值修正：瓦( 女+ 1 ) = 毛辑) + a 霸= 不( 枣) + 露棼魏( 3 2 0 )由式( 3 1 8 ) ，对隐节点数权值修正：( 女+ 1 ) = ( 膏) + = ( 磨) + 玎x ，( 3 2 1 )其中隐节点误差茸中的西毛表示：输出层节点f 的误差谚通过被值露向隐节点f 反向传播( 误差蠡乘权值五，蒋累加) 成为隐节点的误差，阈值的修正原理与衩毽修正纛疆裙司，在魏不在赘述。b p 网络对于输入信息，要先向前传播到备隐含滕的节点上，经过备形式神经元的俸弼涵数运算嚣，整豫含层鹣输鑫信惑传撵剐输出节点，最磊给窭赣爨结果。网络的学习过程由正向和反向传播两部分组成：在推向传播过程中，每一层章孛经元瀚获态只影桶翔下一层神经元舔络；螽栗输密滋不能褥翔翳麓输凄，那么实际输出值与期望输出值之间就存在误差，将此误差转入反向传播过程，沿原来的连接通路返回，通过修改各藏神经元的衩毽，逐次跑商输入鬣传播。这种模式的正传播和误差的反传播使得误差信号越来越小，实际上，误差在达到人们所允许的范匿之时，学习过程就结束了“7 “。般作用函数商非对称型s i g m o i d 函数和对称溅s i g m o i d 豳数，本文中神经网络作用函数选取对称篷s i 窟m o i d 函数”“。善 怼髂型s i g m o i d 瞒数：，( 磅= 专，爹 o( 3 - 2 2 )对称整受g 粥o i d 酾数：，囊) = 斋专丢， 。( 3 - 2 3 )3 。28 p 网络的设计尽管神经网络的研究与应用已经取得巨大的成功，但是在网络的开发设计方覆至今还没毒一套完善豹理论裕蠢撬导，在应臻中鬻棠采臻竣诗方法是在充西漱交通大学矮士醑究生学位论文繁2 毒页分了解实际问题的基础上将经验与试探相结合，经过多次改进性实验，最终选出一个较好的设计方案。本节将结合入口匝道控制的实际问题对应用于入口匝道控镁戆b p 季经疆终控雾l 器豹设嚣遴嚣洋缨讨论，并给窭一定毂竣诗建翊。3 21 输入与输出展设计b p 神经网络的输入、输出层维数足完全根据使用者的要求来设计的，在入日匿邋控利中，嬲终豹狻凄是匿遘撩嬲量，国 辍m ，龋詹妇) ，瑟簸入量必须选择那些对输出影响大，且能够检测或提取的变量，述要求各输入变蹩之阊互不相燕或相关性很小。根据此原则，本文对两种控制器( 直接型神缀网络控制器和积分型神经网络控制器) 的输入分别选定为表征路段状态的变缴和由实际状态与理想状态产生熬误差售号。图3 3q v 关系圈速魔( v )一般来说描述交通状态的量有：速度v 、密度p 、流量g 、和o n q s ( “匝道捺麸长浚占匝道通嚣貔力豹毙率”) 、占骞率等，麸嚣3 3 可鞋看出对予疑群浆流量譬o ，速度却存在v l 、v ：两个不同的值”“，因魄如巢要将流量譬律为状态变量，谶度v 应该作为藏辅助变量，同理如果将时间占谢率作为状态变嫩，同样需要遮发v 作为其辅助变量。对神经网络来说，输入量少，网络规模小，训练速度雯浚，匿魏我察哥淤逸撵整透密度妒嚣镄q s 来攘述交逢获态。神经元作用函数的输入过大或过小都容易进入饱和状态，一旦j 藏入饱和，整个神经网络的学习w 能陷入“瘫痪停止”的状态。本文中神经网络控制器的西南交通犬学硕士研究黧学位论文第2 5 页输入样本范围比较宽，对神经网络的输入要进行适当的处理使其尽攥能落在神经元箨用函数撵发丈静遗方o “。因蠹乏霹害枣经圈络豹瓣入遗行整理惑蘩重纯餮范围 1 ，1 内，冈理，由于神缝网络的输出在 一l ，1 范围内，因此对输出也需黎还原到目标所使用的单位1 。本文中对输入的处理是谯遵循以上原则的基础进行的，例如：原始稔入为交暹密度p ，范围 o ，l l 翻，那么量德后的输入就交为矿：互立l 二旦也1 ：姿皇! 旦一l ，范围在 。l ，1 之间；而神经网络的输出( 入。( 夕一一穰。)( 1 l o e )口匿道调节率) r 其在 1 ，1 范围内，瑕蹙实际应用中r 期望可文选到的最大调节率为l 1 0 0 v e h m ，也就是说范围在 0 ，1 1 0 0 之间，因此需要利用变换函数，+ = o 5 厂( p ( ) ) ，交通密度p ( i ) 将会增加，经过一段时间以后将达到临界密度，交通将产生阻塞，如果采用( 4 1 )式所示的匝道控制方法可以避免这种情况的发生：r ( i ) ：警( 肪一p ( 七) + 要，( p ( ) )( 4 一1 )岛是攒临界密度。如果吼( 和r ( 七) 都不为零，那么匝道控制方法则为，( 露) = 二孑( ，p ( ) ) + 完( ，( p ( 露) ) 一吼( 囊) )( 4 2 )这个控翎方法菲常简单，如柒能够精确溯整到交通量和交逶密度，并且交遥璺帮交逶密凌之蠲豹壤论关系鳆线与实骣数据十分吻合则该方法糖会十分有效，但是实际上，一般这两个量部不能被糖确测出，存在于扰，同时理论关系曲线与实际数据在某些情况下不吻合，因此模型的不确定性和干扰的存在将会影响控制的效粜u ”。包括入西醮道豹商速公路模整是个葛仁线性静模黧，虽由予溺整串静干扰和模型本身豹不精确，瓣要采媛遁应性强豹控测方法。枣孛经网络具有摸拟人戆部分智能的特性，商着非线性特性、学习能力和自适应性”“，因此可以将它对入口匝道进行控制。本章研究了两种结构的神经网络控制算法，并分别将这两种算法与a l i n e a 、需求一容量控制、不加较和的情躐进行了对比和分析，在诧藿西南交邋大学硕士讲究生学位论文第3 1 页础上考虑人口匝道处的排队对控制的影响，在尽量减少排队长度的前提下对高速公路入门匝遥进行控制。42 1 齑接型神经网络控制第一耱基j ：释经秘终戆控粼雾法臻搀妇强4 1 所示冲”，褥蠢遮公路黪段看皴系统p 1 a n ，a 燃为糖经剐终，它的输入是系统状态需，输出是匝道控制量r ，氙是没定的理想状态。亭审经网络的学习过程是通过比较当蔚踌段畚统的状态鞫理想状态之间的误茇来调节神经网络的权值从丽达到优化系统目的。这样就不需爱提供不同输入时的样本值，而是把神经网络作为一个控制系统的部分，逮过分椽系统状态翻理怒状态之竭豹误薹来调节神经网络黪奴蕊，使缮系绞不断优化“。为了简化问题，在这里我们先爿；考虑匝道排队对控制的影响，神经网络输入量选择密度p ，输出邀为匝道调1 十- 率r 。圈4 ，l 入口匿道亭孛经黼络羧捌器结构高速公路控制的研究者在对高速公路交通数据静分析和测试的基础上，利羽绞汁理论款方法分辑德到表4 1 的数据，它表明了8 寸刻的入口匝道流率与藏1 7 个时| j j 点的交通状态相关的程度，并给出了具体的相关系数。当然这是基于特定的簿速公路数褥迸行分析统计褥出的结采，不一定卡分精确，毽蒸有一定的广泛意义。从表4 1 我们可以看到，f 到f 一6 r 时刻的交通状态与入口匝道流率均有着比较密切的联系，相关系数的范围在o 4 8 7 3 6 弼0 8 0 4 0 4 之问，因此可将时刻爨一6 ，露翔兹交逶状态佟为f 瓣劐秘缝网络控割爨熬竣入，以期获季晕鞭南交通大学硕士磺究生学位论文第3 2 樊网络a n n 的具体结构如图4 3 ，按第三章中b p 网络的设计所给出的设计原则邋行设诗，a n k 豳输入菇、输出瀑帮瞻含滋三层结梅梅藏，我f 】选择交逶密凌作为描述交通状态的变量，神经网络输入层神经元7 个，分别为k 到k - 6 时刻戆鼹段蜜魔篷，搴枣经羽终瓣输出为蘧遭控铡率，稔g 墨靛毒枣经元令数1 个，戆含层的个数为1 6 个。表4 1 入口匝道流率与以前的交通状态之间的关系( 1 毫l o m i l l )时间间隔相关系数时间间隔相关系数0 ，4 9 7 9 9f 一9 r- o 2 8 8 wf r0 4 8 9 2 1f 1 0 r0 2 4 6 6 5一2 r4 s 7 3 6f l l f一0 ，1 9 6 鼙4f 一3 丁o 5 1 8 0 0f 1 2 ，0 1 4 3 4 2 一4 r国8 0 4 酣f 1 3 f母0 9 驰2r 一5 7 o 6 7 8 3