智能運(yùn)輸展望

模糊逼近神經(jīng)網(wǎng)絡(luò)攝動系統(tǒng)的若干進(jìn)展

1

智能運(yùn)輸是本世紀(jì)80年代中期興起并緊密結(jié)合現(xiàn)代科學(xué)技術(shù)進(jìn)步的一個新興領(lǐng)域。80年代以來，世界各發(fā)達(dá)國家雖然已經(jīng)基本建成了四通八達(dá)的現(xiàn)代化國家道路網(wǎng)。2

但是隨著社會經(jīng)濟(jì)的快速發(fā)展以及城市化進(jìn)程的加快與汽車的普及，目前的路網(wǎng)通行能力已滿足不了日益增長的交通需求，城市交通擁擠、交通阻塞現(xiàn)象日趨嚴(yán)重，交通污染與交通事故越來越多，所有這些都嚴(yán)重地制約著城市交通運(yùn)作效率，并已成為社會普遍關(guān)注的焦點(diǎn)。用高新技術(shù)來改造現(xiàn)有道路運(yùn)輸系統(tǒng)及其管理體系，提高道路通行能力與服務(wù)質(zhì)量，從系統(tǒng)的觀點(diǎn)出發(fā)，把車輛和道路集成起來考慮，運(yùn)用先進(jìn)的計(jì)算機(jī)、電子、通訊、監(jiān)控技術(shù)，系統(tǒng)地解決交通問題這就是“智能運(yùn)輸系統(tǒng)”[1]（IntelligentTransportSystem），簡稱ITS。

3(1)技術(shù)和設(shè)備的簡單引進(jìn)和堆砌并不表明就可以實(shí)現(xiàn)智能運(yùn)輸系統(tǒng)。(2)交通服務(wù)滯后嚴(yán)重影響智能運(yùn)輸系統(tǒng)技術(shù)的實(shí)施。(3)智能復(fù)雜性和高度自動化系統(tǒng)的穩(wěn)定性要求有新的理論、方法和開發(fā)工具。

智能運(yùn)輸研究中面臨的問題

4智能運(yùn)輸系統(tǒng)監(jiān)測和控制的研究和實(shí)施，在歐美國家已有較長的歷史，但是到目前為止，主要是以單條公路的定時和感應(yīng)控制為主，較少涉及到幾條公路的協(xié)調(diào)測控，控制方法比較傳統(tǒng)，監(jiān)測方法落后，基本上沒有智能。近年來，我們從測控運(yùn)算法則的角度對高速公路入口匝道的控制與仿真進(jìn)行了研究，并討論了高速公路入口匝道的最優(yōu)問題。這就引出一個多變量反饋控制策略的問題。5然而遺憾的是，在自動控制理論中還沒有一個有效的方法能夠解決像智能運(yùn)輸測控系統(tǒng)這樣的非線性大系統(tǒng)的最優(yōu)控制問題。線性二次型優(yōu)化理論是解決線性系統(tǒng)多變量反饋控制的強(qiáng)有力工具，這種技術(shù)也可以用于在期望狀態(tài)附近線性化的非線性系統(tǒng)，而對于一個較大的系統(tǒng)，反饋中的K陣較難求，況且由于最優(yōu)問題是在期望狀態(tài)附近得到的，所以它只能消除較小的擾動，對于嚴(yán)重的擾動（如發(fā)生交通事故時）該方法將顯得無能為力。近年來一些學(xué)者試探引入模糊思想來研究智能運(yùn)輸測控，因?yàn)樗芾貌痪_或不準(zhǔn)確的信息去實(shí)現(xiàn)在不同監(jiān)測密度下的平滑過渡，最近的研究結(jié)果表明模糊設(shè)定運(yùn)算具有潛在的優(yōu)勢。6模糊神經(jīng)網(wǎng)絡(luò)

1965年，美國著名的控制論專家L.A.Zaden發(fā)表了第一篇開創(chuàng)性論文“FuzzySets”,標(biāo)志了模糊數(shù)學(xué)的誕生。模糊神經(jīng)網(wǎng)絡(luò)這一新興領(lǐng)域的開拓者應(yīng)該歸功為美國南加利福尼亞大學(xué)信號和圖像處理研究所長B．Kosko教授。

7模糊神經(jīng)網(wǎng)絡(luò)的性能在很大程度上受網(wǎng)絡(luò)本身結(jié)構(gòu)的制約，所以如何構(gòu)成良好的網(wǎng)絡(luò)結(jié)構(gòu)，以便利于神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊輸入、模糊推理、網(wǎng)絡(luò)中的傳播和最終結(jié)果的理解等等，已成為許多學(xué)者所關(guān)心并加以研究的問題。在神經(jīng)網(wǎng)絡(luò)理論研究中，許多學(xué)者一直從事于把神經(jīng)網(wǎng)絡(luò)作為對函數(shù)逼近工具的研究。下列問題就有待于解決：(1)能否找到一類模糊函數(shù)可用單純模糊神經(jīng)網(wǎng)絡(luò)來逼近的等價條件。(2)可用單純模糊神經(jīng)網(wǎng)絡(luò)來普遍近似的模糊函數(shù)類具有什么樣的性質(zhì)?穩(wěn)定性是模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的重要指標(biāo)之一

8模糊逼近神經(jīng)網(wǎng)絡(luò)攝動系統(tǒng)

目前，模糊神經(jīng)網(wǎng)絡(luò)的理論研究方面雖然取得一系列成果，但面臨的問題仍很多。怎么利用模糊神經(jīng)網(wǎng)絡(luò)來處理帶有畸變的模糊信息？這其中又如何引進(jìn)合適的模糊信息間差異的度量？如何簡化模糊控制器的量化過程，將其轉(zhuǎn)換成易于學(xué)習(xí)的算法？如何確定學(xué)習(xí)指標(biāo)，構(gòu)成有效的模糊控制學(xué)習(xí)系統(tǒng)？如何將模糊控制器的調(diào)整轉(zhuǎn)化為等價的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，利用等價的模糊邏輯來初始化神經(jīng)元網(wǎng)絡(luò)以及模糊神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性、收斂性等，都是有待進(jìn)一步研究的問題。9把模糊邏輯和神經(jīng)網(wǎng)絡(luò)相結(jié)合，將監(jiān)測手段和模糊神經(jīng)網(wǎng)絡(luò)控制融合，在反饋混合模糊監(jiān)測神經(jīng)網(wǎng)絡(luò)系統(tǒng)基礎(chǔ)上，提出一個模糊逼近神經(jīng)網(wǎng)絡(luò)攝動系統(tǒng)，現(xiàn)在已經(jīng)取得一些突破性的進(jìn)展。我們的這些工作都是對模糊神經(jīng)網(wǎng)絡(luò)理論的補(bǔ)充和完善，對開展智能運(yùn)輸?shù)难芯繉⒕哂袉⒌献饔煤同F(xiàn)實(shí)意義。

10匝道測控模型的參數(shù)辨識

我們從高速公路交通流的宏觀、動態(tài)特征出發(fā)，首先給出了交通流控制和仿真中常用的宏觀、動態(tài)、確定性交通流模型，并利用模糊神經(jīng)網(wǎng)絡(luò)的方法對模型中的參數(shù)進(jìn)行辨識，既可以和高速公路實(shí)際的交通狀況吻合，又簡化計(jì)算，且收斂性較好。其實(shí)質(zhì)是通過控制高速公路交通流的流量，來提高高速公路的服務(wù)流量，避免或消除阻塞，減少高速公路上的車輛延誤，以實(shí)現(xiàn)交通流的安全暢通。從而獲得能比較準(zhǔn)確描述交通流真實(shí)行為的模型.以此來解決高速公路交通流的最優(yōu)控制問題。11匝道測控的因素空間分析

從系統(tǒng)的觀點(diǎn)出發(fā),把車輛和道路（例如：公路負(fù)載能力、事故率、燃料消耗、尾氣排放水平、公眾接受程度等等）綜合一起考慮，首先我們對匝道測控的各種因素進(jìn)行分析，建立匝道測控的監(jiān)測策略的因素空間，形成因素空間中的網(wǎng)絡(luò)圖。提出了一種基于因素空間分析的預(yù)測模型。

12時間匝道通行能力20040024181260圖1高速公路匝道日道路通行能力變化圖13模糊逼近神經(jīng)網(wǎng)絡(luò)攝動系統(tǒng)的全局穩(wěn)定性條件

基于Takagi-Sugeno模型的穩(wěn)定性分析，我們著重研究了反饋式SAM的穩(wěn)定性分析問題，通過李雅普諾夫穩(wěn)定性概念和基于Takagi-Sugeno模型的穩(wěn)定性分析的結(jié)合，得到了離散的SAM穩(wěn)定性條件，而且還給出了即使所有則部分規(guī)則矩陣都是穩(wěn)定的，并有位于z平面單位圓的特征值，離散的反饋SAM也不必是穩(wěn)定的的反例。14用橢圓模糊規(guī)則的函數(shù)

逼近問題研究

模糊系統(tǒng)自身是一個函數(shù)或映射，它是模糊“如果—則”推理規(guī)則的集合，這些規(guī)則是輸入到輸出的映射，它將刺激轉(zhuǎn)換成反應(yīng)，或?qū)鞲衅鳒y量結(jié)果轉(zhuǎn)換成控制動作。我們把模糊規(guī)則補(bǔ)塊換成了橢圓形狀，就可以用橢圓規(guī)則補(bǔ)塊去覆蓋函數(shù)的圖象，近似獲得一個單純模糊神經(jīng)網(wǎng)絡(luò)的模糊函數(shù)類，用逼近算子使函數(shù)逼近的均方誤差局部最小化，分析了映射的拓?fù)湫再|(zhì)與逼近函數(shù)的逼近精度的關(guān)系，找到了一類模糊函數(shù)可用單純模糊神經(jīng)網(wǎng)絡(luò)來逼近的等價條件。

15模糊聚類神經(jīng)網(wǎng)絡(luò)的死點(diǎn)問題

近年來，C.BEZDEK和X.R.Pa提出了一種基于競爭學(xué)習(xí)算法的聚類神經(jīng)網(wǎng)絡(luò)。由于采用競爭學(xué)習(xí)算法作為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法，那么必然要面臨死點(diǎn)問題。針對這個問題，我們提出的學(xué)習(xí)算法不需要附加其它參數(shù)就能克服死點(diǎn)問題,使得聚類分析中始點(diǎn)的選取可以有更大的隨意性，并以實(shí)例驗(yàn)證了算法的有效性。

16災(zāi)變神經(jīng)網(wǎng)絡(luò)模型

在自動控制理論中還沒有一個有效的方法能夠解決像匝道測控系統(tǒng)這樣的非線性大系統(tǒng)的最優(yōu)控制問題。線性二次型優(yōu)化理論是解決線性多變量反饋控制的強(qiáng)有力工具，這種技術(shù)也可以用于在期望狀態(tài)附近線性化的非線性系統(tǒng)，而對于一個較大的系統(tǒng)，反饋中的K陣較難求，況且由于最優(yōu)問題是在期望狀態(tài)附近得到的，所以它只能消除較小的擾動，對于嚴(yán)重的擾動（如發(fā)生突發(fā)性交通事故時）該方法將顯得無能為力。我們提出一個用模糊神經(jīng)網(wǎng)絡(luò)去處理突發(fā)性交通事故的災(zāi)變模糊神經(jīng)網(wǎng)絡(luò)模型，此模型避免了計(jì)算量大，計(jì)算復(fù)雜等問題。文中還給出該模型的算法，對發(fā)生突發(fā)性交通事故時的研究具有重要的理論意義和現(xiàn)實(shí)意義。17圖2神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練的均平方誤差曲線圖18考慮氣象條件的模糊神經(jīng)網(wǎng)絡(luò)模型

氣象條件惡劣,為了正確判斷特定氣象條件下路段的通行能力，需要對氣象條件進(jìn)行監(jiān)測或手工輸入條件，使用模糊評估方法，評估氣象條件，組成交通通行能力分析儀，通過對交通流量較長時間的檢測、記錄，可以獲得特定氣象條件下道路的通行能力。有了這些特定氣象條件下對道路通行能力，匝道控制系統(tǒng)就可以對匝道處交通流量作出相應(yīng)的控制。

19

交通通行能力分析儀20模糊逼近神經(jīng)網(wǎng)絡(luò)攝動系統(tǒng)的結(jié)構(gòu)

監(jiān)測手段模糊神經(jīng)網(wǎng)絡(luò)模糊逼近網(wǎng)絡(luò)攝動系統(tǒng)系統(tǒng)結(jié)構(gòu)逼近特性穩(wěn)定性抗干擾性閉環(huán)穩(wěn)定單純逼近全局穩(wěn)定畸變F信息21匝道優(yōu)化設(shè)計(jì)的模糊神經(jīng)

網(wǎng)絡(luò)評價系統(tǒng)

針對匝道控制的動態(tài)演變過程，在模糊逼近神經(jīng)網(wǎng)絡(luò)攝動系統(tǒng)的基礎(chǔ)上，給出了匝道優(yōu)化設(shè)計(jì)的模糊神經(jīng)網(wǎng)絡(luò)評價系統(tǒng)。在反復(fù)迭代學(xué)習(xí)過程中，給出了匝道優(yōu)化設(shè)計(jì)的目標(biāo)。

22交通事故的人的因素識別模式

由于人的因素而導(dǎo)致的交通事故是經(jīng)常發(fā)生的。我們在大量問卷調(diào)查的基礎(chǔ)上