基于人工神经网络的智能交通系统检测与控制

【摘要】：本文首先介绍了智能交通系统的概念,智能交通系统是一个跨学科、信息化、系统化的综合研究体系,其主要内容是将先进的人工智能技术、自动控制技术、计算机技术、信息与通信技术及电子传感器技术等有效的集成,并应用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的,实时、准确、高效的综合交通运输管理系统。 智能交通系统是近年来一个热门的研究领域。本文从智能交通系统的背景出发,介绍了美国、欧洲、日本及其他一些发达国家在智能交通系统的发展情况,并且介绍了中国目前正在开展的一些工作。同时,给出了在智能交通系统中常用的科学术语。 人工神经网络特有的非线性适应信息处理能力,克服了传统人工智能方法对于直觉,如模式、语音识别、非结构化信息处理方面的缺陷,使之在神经专家系统、模式识别、智能优化、组合优化、预测等领域得到成功应用。人工神经网络与其他传统方法相结合,将推动人工智能和信息处理技术不断发展。近年来,人工神经网络正向模拟人类认知的道路上更加深入发展,与模糊系统、遗传算法、进化机制等结合,形成计算智能,成为人工智能的一个重要方向。 本文详细介绍了BP神经网络、RBF神经网络、遗传算法、模糊控制等人工智能方法的基本原理,以及BP神经网络、RBF神经网络、遗传算法在智能交通系统车流量预测上的应用。凭借采集的济南市经十路上各交叉路口的车流量数据,建立了可行的预测模型。 人工神经网络的应用非常广泛。它是解决非线性系统的一种强有力工具,特别是对于那些复杂、模型难以表达的系统。本文采用BP神经网络和其改进算法、RBF神经网络以及遗传神经网络建立了车流量预测模型,通过具体的实例,使用强大的数学工具MATLAB6.5,编写了仿真程序,给出了相应的仿真曲线和预测结果,并与原始数据进行了比较和分析。针对济南市的实际情况,采用模糊控制理论,使用VC++6.0建立了济南市智能交通系统仿真