偶发性事件下城市交通区域边界的最优控制

论文摘要

为了应对时变交通中偶发性事件对宏观交通流的影响,针对现有城市路网边界控制器迭代次数多,响应速度慢的问题,提出了基于宏观基本图(MFD)的城市交通区域边界的最优控制方法。在迭代学习控制边界控制器基础上加入BP神经网络算法,根据误差对控制器的微分增益进行在线学习调节。通过2种不同偶发性事件下的交通模拟仿真,结果表明:新的城市交通区域边界的最优控制方法不仅在正常路网中具有更好的跟踪精度和更快的迭代速度,并且当发生偶发性事件时,也能自适应跟踪期望曲线,保持较快的误差学习收敛速率,满足实际交通受限变化的需要。

论文目录

• 0 引 言
• 1 基于MFD的城市交通系统模型的迭代学习控制器设计
•   1.1 偶发性事件下的宏观基本图
•   1.2 城市路网边界迭代学习控制器设计
• 2 基于BP神经网络的迭代学习控制器及其分析
• 3 仿真结果分析
• 4 结 论

文章来源

类型: 期刊论文

作者: 李宏伟,黎英

关键词: 宏观基本图,边界控制,偶发性事件,迭代学习,神经网络

来源: 电子测量技术 2019年14期

年度: 2019

分类: 信息科技,基础科学,工程科技Ⅱ辑

专业: 数学,公路与水路运输,自动化技术

单位: 昆明理工大学信息工程与自动化学院

分类号: O224;TP183;U491

DOI: 10.19651/j.cnki.emt.1902666

页码: 63-67

总页数: 5

文件大小: 196K

下载量: 96