基于神经网络的交通信号模糊控制策略

【摘要】： 交通信号控制是保证交通安全和道路畅通的关键,研究交通信号的自动控制,对降低车辆延误,减少事故发生和环境污染有十分重大的意义。本文以广州天河北路的交通路口为例,结合神经元预测技术和模糊控制技术的优点,以减少车辆平均延误为控制目标,提出了一种基于神经网络的交通信号模糊控制策略。 本文首先针对国内外城市交叉口信号控制所面临的问题,分析和总结了国内外已有的控制模型和控制策略的优点和缺点,并且结合交通流预测和控制的需求,介绍了基于神经网络的交通信号模糊控制策略的设计和实现,详细阐述了该策略的设计思想,系统建模,功能实现和算法改进等细节问题。 然后使用VC++6.0编写仿真程序,分析和评价该控制策略的效果。在神经元预测方面,改进的神经元算法减少了约50%的运行时间,减少了约50%的迭代次数计算,同时降低了误差,提高了预测的精准度。在模糊控制方面,与传统的定时控制相比,该控制策略使得车辆的平均延误减少了大约30%,与感应式模糊控制相比,车辆的平均延误减少了大约8%。仿真结果表明,该模糊控制策略取得了较好的控制效果。 最后,总结本文的工作内容,并且指出该论文存在的不足之处以及对未来研究的若干建议。