智能运输展望

模糊逼近神经网络摄动系统的若干进展

大连大学信息工程学院,116622邹开其Zoukq@

智能运输是本世纪80年代中期兴起并紧密结合现代科学技术进步的一个新兴领域。80年代以来，世界各发达国家虽然已经基本建成了四通八达的现代化国家道路网。

但是随着社会经济的快速发展以及城市化进程的加快与汽车的普及，目前的路网通行能力已满足不了日益增长的交通需求，城市交通拥挤、交通阻塞现象日趋严重，交通污染与交通事故越来越多，所有这些都严重地制约着城市交通运作效率，并已成为社会普遍关注的焦点。用高新技术来改造现有道路运输系统及其管理体系，提高道路通行能力与服务质量，从系统的观点出发，把车辆和道路集成起来考虑，运用先进的计算机、电子、通讯、监控技术，系统地解决交通问题这就是“智能运输系统”[1]（IntelligentTransportSystem），简称ITS。

(1)技术和设备的简单引进和堆砌并不表明就可以实现智能运输系统。(2)交通服务滞后严重影响智能运输系统技术的实施。(3)智能复杂性和高度自动化系统的稳定性要求有新的理论、方法和开发工具。

智能运输研究中面临的问题

智能运输系统监测和控制的研究和实施，在欧美国家已有较长的历史，但是到目前为止，主要是以单条公路的定时和感应控制为主，较少涉及到几条公路的协调测控，控制方法比较传统，监测方法落后，基本上没有智能。近年来，我们从测控运算法则的角度对高速公路入口匝道的控制与仿真进行了研究，并讨论了高速公路入口匝道的最优问题。这就引出一个多变量反馈控制策略的问题。然而遗憾的是，在自动控制理论中还没有一个有效的方法能够解决像智能运输测控系统这样的非线性大系统的最优控制问题。线性二次型优化理论是解决线性系统多变量反馈控制的强有力工具，这种技术也可以用于在期望状态附近线性化的非线性系统，而对于一个较大的系统，反馈中的K阵较难求，况且由于最优问题是在期望状态附近得到的，所以它只能消除较小的扰动，对于严重的扰动（如发生交通事故时）该方法将显得无能为力。近年来一些学者试探引入模糊思想来研究智能运输测控，因为它能利用不精确或不准确的信息去实现在不同监测密度下的平滑过渡，最近的研究结果表明模糊设定运算具有潜在的优势。模糊神经网络

1965年，美国著名的控制论专家L.A.Zaden发表了第一篇开创性论文“FuzzySets”,标志了模糊数学的诞生。模糊神经网络这一新兴领域的开拓者应该归功为美国南加利福尼亚大学信号和图像处理研究所长B．Kosko教授。

模糊神经网络的性能在很大程度上受网络本身结构的制约，所以如何构成良好的网络结构，以便利于神经网络实现模糊输入、模糊推理、网络中的传播和最终结果的理解等等，已成为许多学者所关心并加以研究的问题。在神经网络理论研究中，许多学者一直从事于把神经网络作为对函数逼近工具的研究。下列问题就有待于解决：(1)能否找到一类模糊函数可用单纯模糊神经网络来逼近的等价条件。(2)可用单纯模糊神经网络来普遍近似的模糊函数类具有什么样的性质?稳定性是模糊神经网络控制系统的重要指标之一

模糊逼近神经网络摄动系统

目前，模糊神经网络的理论研究方面虽然取得一系列成果，但面临的问题仍很多。怎么利用模糊神经网络来处理带有畸变的模糊信息？这其中又如何引进合适的模糊信息间差异的度量？如何简化模糊控制器的量化过程，将其转换成易于学习的算法？如何确定学习指标，构成有效的模糊控制学习系统？如何将模糊控制器的调整转化为等价的神经网络学习，利用等价的模糊逻辑来初始化神经元网络以及模糊神经网络的稳定性、收敛性等，都是有待进一步研究的问题。把模糊逻辑和神经网络相结合，将监测手段和模糊神经网络控制融合，在反馈混合模糊监测神经网络系统基础上，提出一个模糊逼近神经网络摄动系统，现在已经取得一些突破性的进展。我们的这些工作都是对模糊神经网络理论的补充和完善，对开展智能运输的研究将具有启迪作用和现实意义。

匝道测控模模型的参数数辨识我们从高速速公路交通通流的宏观观、动态特特征出发，，首先给出出了交通流流控制和仿仿真中常用用的宏观、、动态、确确定性交通通流模型，，并利用模模糊神经网网络的方法法对模型中中的参数进进行辨识，，既可以和和高速公路路实际的交交通状况吻吻合，又简简化计算，，且收敛性性较好。其其实质是通通过控制高高速公路交交通流的流流量，来提提高高速公公路的服务务流量，避避免或消除除阻塞，减减少高速公公路上的车车辆延误，，以实现交交通流的安安全畅通。。从而获得得能比较准准确描述交交通流真实实行为的模模型.以此此来解决高高速公路交交通流的最最优控制问问题。匝道测控的的因素空间间分析从系统的观观点出发,把车辆和和道路（例例如：公路路负载能力力、事故率率、燃料消消耗、尾气气排放水平平、公众接接受程度等等等）综合合一起考虑虑，首先先我们对匝匝道测控的的各种因素素进行分析析，建立匝匝道测控的的监测策略略的因素空空间，形成成因素空间间中的网络络图。提出了一种种基于因素素空间分析析的预测模模型。时间匝道通行能力20040024181260图1高速公路匝道日道路通行能力变化图模糊逼近神神经网络摄摄动系统的的全局稳定定性条件基于Takagi-Sugeno模型型的稳定性性分析，我我们着重研研究了反馈馈式SAM的稳定性性分析问题题，通过李李雅普诺夫夫稳定性概概念和基于于Takagi-Sugeno模型的的稳定性分分析的结合合，得到了了离散的SAM稳定定性条件，，而且还给给出了即使使所有则部部分规则矩矩阵都是稳稳定的，并并有位于z平面单位位圆的特征征值，离散散的反馈SAM也不不必是稳定定的的反例例。用椭圆模糊糊规则的函函数

逼近近问题研究究模糊系统自自身是一个个函数或映映射，它是是模糊“如如果—则””推理规则则的集合，，这些规则则是输入到到输出的映映射，它将将刺激转换换成反应，，或将传感感器测量结结果转换成成控制动作作。我们把模糊糊规则补块块换成了椭椭圆形状，，就可以用用椭圆规则则补块去覆覆盖函数的的图象，近近似获得一一个单纯模模糊神经网网络的模糊糊函数类，，用逼近算算子使函数数逼近的均均方误差局局部最小化化，分析了了映射的拓拓扑性质与与逼近函数数的逼近精精度的关系系，找到了了一类模糊糊函数可用用单纯模糊糊神经网络络来逼近的的等价条件件。模糊聚类神神经网络的的死点问题题近年来，C.BEZDEK和和X.R.Pa提出出了一种基基于竞争学学习算法的的聚类神经经网络。由由于采用竞竞争学习算算法作为神神经网络的的学习算法法，那么必必然要面临临死点问题题。针对这这个问题，，我们提出出的学习算算法不需要要附加其它它参数就能能克服死点点问题,使使得聚类类分析中始始点的选取取可以有更更大的随意意性，并以以实例验证证了算法的的有效性。。灾变神经网网络模型在自动控制制理论中还还没有一个个有效的方方法能够解解决像匝道道测控系统统这样的非非线性大系系统的最优优控制问题题。线性二二次型优化化理论是解解决线性多多变量反馈馈控制的强强有力工具具，这种技技术也可以以用于在期期望状态附附近线性化化的非线性性系统，而而对于一个个较大的系系统，反馈馈中的K阵阵较难求，，况且由于于最优问题题是在期望望状态附近近得到的，，所以它只只能消除较较小的扰动动，对于严严重的扰动动（如发生生突发性交交通事故时时）该方法法将显得无无能为力。。我们提出出一个用模模糊神经网网络去处理理突发性交交通事故的的灾变模糊糊神经网络络模型，此此模型避免免了计算量量大，计算算复杂等问问题。文中中还给出该该模型的算算法，对发发生突发性性交通事故故时的研究究具有重要要的理论意意义和现实实意义。图2神经网络模型训练的均平方误差曲线图考虑气象条条件的模糊糊神经网络络模型气象条件恶恶劣,为了了正确判断断特定气象象条件下路路段的通行行能力，需需要对气象象条件进行行监测或手手工输入条条件，使用用模糊评估估方法，评评估气象条条件，组成成交通通行行能力分析析仪，通过过对交通流流量较长时时间的检测测、记录，，可以获得得特定气象象条件下道道路的通行行能力。有有了这些特特定气象条条件下对道道路通行能能力，匝道道控制系统统就可以对对匝道处交交通流量作作出相应的的控制。交通通行能能力分析仪仪模糊逼近神神经网络摄摄动系统的的结构监测手段模糊神经网络模糊逼近网络摄动系统系统结构逼近特性稳定性抗干扰性闭环稳定单纯逼近全局稳定畸变F信息匝道优化设设计的模糊糊神经网网络评价系系统针对匝道控控制的动态态演变过程程，在模糊糊逼近神经经网络摄动动系统的基基础上，给给出了匝道道优化设计计的模糊神神经网络评评价系统。。在反复迭迭代学习过过程中，给给出了匝道道优化设计计的目标。。交通事故的的人的因素素识别模式式由于人的因因素而导致致的交通事事故是经常常发生的。。我们在大大量问卷调调查的基础础上，建立立了事故因因素的专家家系统，对对于防止突突发性灾难难事故有重重要意义。。网络空间可加模糊系统匝道测控状态空间状态映射图匝道测控因素空间因素