根据车流密度优化控制红绿灯的方法.ppt

根据车流密度优化控制红绿灯的方法 中国海洋大学 “国家大学生创新性实验计划” 负责人：汤琳 数学科学学院 指导老师：高存臣 简介目录 课题背景 车辆剧增、 道路负载 过重 道路改建 困难、费 用巨大 交通管理的 智能性不高 为此我小组研究一种可以最大限度利用道路资源，解决拥堵状况的新方法 研究内容 研究步骤 为了得到优化控制红绿灯的方法，我小组进行了以下的研究： 优化控制红绿灯的方法 研究步骤 1 数据采集 2 数据分析 3 模型建立 4 模型应用 研究方法 模型建立 （拟合仿真） 模型应用 （对具体数据进行建模） 注：在模型建立过程中，根据图像对比的结果，发现车流密度变化具有一定的随机性，传统的回归拟合并不能充分体现数据的规律性。因此，采用了一种更加智能的模型建立方法——人工神经网模型，它具有很强的学习性，能根据数据的动态变化，不断改造相应的模型。 模型介绍 5. 给出道路的预测和实时信息 4. 根据模型得出带有预测性的红绿灯分配方案 1. 车流数据采集 2. 车流数据预处理 3. 建立相应的模型 上图是优化的交通控制系统新模型 成果介绍 3 4 5 《实时红绿灯控制系统》论文一篇 《行人及司机最大意愿等待红灯时 间的调研报告》一篇 《根据车流密度优化控制红绿灯时间分配》论文一篇 相关处理程序若干 优化红绿灯时间分配方法一套 1 优化方法 车流密度库 对数据进行预处理，去除一些错误数据，并进行归一化等操作 注：该方法的动态性在于车流密度库不断更新，相应的模型也不断发生变化，实时反映最近日期内该路段的车流密度规律 车流密度监测器 根据处理好的数据建立相应的人工神经网络模型 将模型预测的结果输出 根据预测车流密度数据和当前监测的车流密度代入实时红绿灯控制系统模型得出红绿灯时间分配方案 根据预测的结果对当前的道路状况给出预报，并给出相应的绕行提示 创新点 注：该方法的动态性在于车流密度库不断更新，相应的模型也不断发生变化，实时反映最近日期内该路段的车流密度规律 车流密度库 对数据进行预处理，去除一些错误数据，并进行归一化等操作 车流密度监测器 根据处理好的数据建立相应的人工神经网络模型 将模型预测的结果输出 根据预测车流密度数据和当前监测的车流密度代入实时红绿灯控制系统模型得出红绿灯时间分配方案 根据预测的结果对当前的道路状况给出预报，并给出相应的绕行提示 1 数据库实时更新 2 加入预测数据后实时红绿灯分配方案 3 给出道路车流信息预报 模型应用举例 人工神经网络拟合图形 注：1 蓝色圆圈代表拟合点，红色※代表实际数据； 2 横坐标表示监测时间点，每个点为10分钟的数据，一共是15天的数据图形； 3 纵坐标为相应时刻的车辆数（十分钟内的车辆数目） 模型应用举例 2009.8.12 预测和实际车流密度 的对比图 注：1 蓝色圆圈代表拟合点，红色※代表实际数据； 2 横坐标表示监测时间点，每个点为10分钟的数据； 3 纵坐标为相应时刻的车辆数（十分钟内的车辆数目） 模型应用举例 2009.8.15 实际和预测 车流密度对比图 注：1 蓝色圆圈代表拟合点，红色※代表实际数据； 2 横坐标表示监测时间点，每个点为10分钟的数据； 3 纵坐标为相应时刻的车辆数（十分钟内的车辆数目） 返回 心得体会 成功 团队合作 坚持、毅力 学习、应用新知识 谢谢！