根据车流密优化控制红绿灯的方法学习教案

1、会计学1根据根据(gnj)车流密优化控制红绿灯的方车流密优化控制红绿灯的方法法第一页，共15页。5 心得体会心得体会3 研究方法研究方法4 成果介绍成果介绍2 研究内容研究内容1 课题背景课题背景第1页/共14页第二页，共15页。车辆剧增车辆剧增(j zn)、道路负载道路负载过重过重道路改建道路改建(gijin)困难、费困难、费用巨大用巨大交通管理的交通管理的智能性不高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第2页/共14页第三页，共15页。研究步骤研究步骤为了得到为了得到(d do)优化控优化控制红绿灯的方法，我小组制红绿灯的方法，我小组进行了以下的研究：进

2、行了以下的研究：优化控制红绿灯的方法研究步骤研究步骤1 数据采集数据采集2 数据分析数据分析3 模型建立模型建立4 模型应用模型应用第3页/共14页第四页，共15页。采集数据分析（图像对比）采集数据分析（图像对比）模型建立模型建立（拟合（拟合(n h)仿真）仿真）模型应用模型应用（对具体（对具体(jt)数据进行建模）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。第4页/共14页第五页，共15页。

3、车流监测车流监测对数据进行对数据进行简单处理简单处理人工神经网络人工神经网络模型的建立模型的建立红绿灯红绿灯时间分配时间分配道路状况预测道路状况预测5. 给出道路的预测(yc)和实时信息4. 根据(gnj)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第5页/共14页第六页，共15页。实时(sh sh)红绿灯控制系统论文一篇行人及司机最大意愿(yyun)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第6页/共14页第七页，共15页。车流(ch li)密度

4、库对数据进行预处理，去除一些(yxi)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第7页/共14页第八页，共15页。注：该方法的动态性在于车流(ch li)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(ch li)密度规律车流(ch li)密度库对数据进行预

5、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 数据库实数据库实时更新时更新2 加入预测数加入预测数据后实时红绿据后实时红绿灯分配方案灯分配方案3 给出道给出道路车流信路车流信息预报息预报第8页/共14页第九页，共15页。人工神经网络拟合人工神经网络拟合(n h)(n h)图形图形注：1 蓝色圆圈代表拟合点，红色(hngs)代表实际数据； 2 横坐标表示监测时间点，每个点为1

6、0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）第9页/共14页第十页，共15页。2009.8.12 2009.8.12 预测和实际预测和实际(shj)(shj)车流密度车流密度的对比图的对比图注：1 蓝色圆圈代表拟合点，红色代表实际数据； 2 横坐标表示(biosh)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）第10页/共14页第十一页，共15页。2009.8.15 2009.8.15 实际和预测实际和预测车流密度车流密度(md)(md)对比图对比图注：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(shjin)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）返回返回第11页/共14页第十二页，共15页。 成功(chnggng)团队合作(hzu) 坚持(jinch)、毅力学习、应用新知识第12页/共14页第十三页，共15页。第13页/共14页第十四页，共15页。NoImage内容(nirng)总结会计学。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：。行人及司机最大意愿等待红灯时 间的调研报告一篇。根据处理好的数据建立相应的人工神经网络模型。根据预测(yc)车流密度数据和当前监测的车流