群智能算法在智能交通中的研究與應(yīng)用.pdf

1、隨著全國工業(yè)化、城市化、機(jī)動(dòng)化的日趨加速，城市的交通問題日益突出，交通擁堵頻繁發(fā)生。發(fā)展智能交通系統(tǒng)(ITS)是解決城市交通問題的有效途徑之一。
　　 本文介紹了基本粒子群優(yōu)化算法及改進(jìn)算法，在此基礎(chǔ)上構(gòu)造一種基于自適應(yīng)Tent混沌搜索的粒子群優(yōu)化算法(ACPSO)。對(duì)于每次混沌搜索的范圍采用自適應(yīng)調(diào)整方法，改善了粒子群優(yōu)化算法擺脫局部極值點(diǎn)的能力，提高了算法的收斂速度和精度，實(shí)驗(yàn)表明該算法在多個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)下比其它算法精度高、

2、收斂速度快。在對(duì)智能優(yōu)化算法如小波分析、遺傳算法、神經(jīng)網(wǎng)絡(luò)、混沌、群體智能等改進(jìn)的基礎(chǔ)上，研究多種混合智能預(yù)測(cè)等復(fù)合預(yù)測(cè)模型對(duì)交通流進(jìn)行預(yù)測(cè)，并對(duì)這些復(fù)合預(yù)測(cè)的性能進(jìn)行比較，從而建立基于混合智能計(jì)算的交通流預(yù)測(cè)模型。在交通流預(yù)測(cè)的基礎(chǔ)上，將重點(diǎn)研究如何根據(jù)路口的交通流現(xiàn)狀來快速調(diào)整交通信號(hào)配時(shí)。首先對(duì)路口的交通流特性進(jìn)行分析，并找出控制參數(shù)和目標(biāo)函數(shù)之間的關(guān)系，建立多目標(biāo)優(yōu)化模型；然后分別利用遺傳算法，粒子群算法等優(yōu)化方法求出最優(yōu)控制參