智能交通信号灯毕业设计外文翻译

《智能交通信号灯毕业设计外文翻译》由会员分享，可在线阅读，更多相关《智能交通信号灯毕业设计外文翻译（8页珍藏版）》请在毕设资料网上搜索。

1、 智能交通信号灯 Intelligent traffic lights 摘要：信号控制是一种必要的措施以确保的质量和安全 ,交通循环。现在的信号控制的进一步发展具有极大的潜力来减少运行时间、车辆、事故成本和整车排放。检测的发展和计算机技术改变了交通信号控制从定时开环规定自适应反馈控制。目前的自适应控制方法 ,像英国、瑞典 MOVA SOS)和英国 (孤立的信号 (area-wide 又控制 ),采用数学优化与仿真技术来调整信号波动的时间观察到的交通流实时的。优化是通过改变时间和周期长度的绿色的信号。在 area-wide 交 叉口控制偏移是之间也发生了变化。已经开发为几种方法确定最优周期长度和

2、最小延迟在十字路口 ,但基于不确定性和严格的交通信号控制的本质 ,全局最优是不可能找到的。 1 引文： 由于越来越多的公众意识的环境影响道路交通许多当局现在所追求的政策来 :，管理供求 拥挤，影响模式和路径选择 ；贯彻“三个代表”重要思想 ,提高公共汽车 有轨电车和其他公共服务车辆 ；设施提供更好的、更安全 ,骑自行车和行人的道路使用者等脆弱 ；降低汽车排放 、噪声和视觉入侵 ；为所有道路改善安全 用户群。 在自适应交通信号控制的弹性增强的增加的数量在 周期层叠的绿色阶段 ,从而使数学优化非常复杂和困难。因为这个原因 ,自适应信号控制在大多数情况下不是建立在精确的优化上 ,而是建立在绿色的扩展

3、原理。在实践中 ,遵循的均匀性是最主要的交通信号控制安全的原因。这一规定的限制的周期时间和相位的安排。因此 ,在实践中是交通信号控制的针对性的解决方案和调整的基础上由交通规划者。现代可编程信号控制器以大量的可调参数是非常适合这一过程。对于好的结果 ,一个经验丰富的策划人和微调领域中是必要的。模糊控制已经被证明是成功的 ,在这些问题中 ,精确的数学建模是困难的或不可能的 ,但一名有经验的 人可以控制的工艺操作。因此 ,交通信号控制是一种适合于任务特别为模糊控制。事实上 ,最古老的文化之一的潜力的例子是一个模拟的模糊控制在一个 inter-section 交通信号控制的两个单向的街道。即使在这个非

4、常简单的情况下 ,模糊控制是至少在作为一个良好的传统的自适应控制。一般而言 ,模糊控制是发现在复杂问题都优于用多目标决策。在交通信号控制多种交通流竞争来自同一时间和空间 ,而且不同的优先选择往往不同交通流或车辆组。此外 ,优化标准 ,包括几个同时喜欢平均和最大车辆和行人延误、最大队列长度和百分比停止的车辆。所以 ,它很可 能是很有竞争力的模糊控制在复杂真实的十字路口的地方传统的优化方法的使用是有问题的。 2模糊逻辑：介绍了模糊逻辑 ,并成功地应用于大范围的自动控制任务。最大的好处模糊逻辑是有机会模型与不确定的模糊决策。此外 ,模糊逻辑有能力理解语言指令和控制策略的基础上产生的先验的沟通。这一点

5、在利用模糊逻辑来控制理论的基础上 ,是模仿人类专家控制的知识 ,而不是为了构建过程本身。的确 ,模糊控制已经被证明是成功的 ,在这些问题中 ,精确的数学建模是困难的或不可能的 ,但一名有经验的操作员可以控制的过程。一般而言 ,模糊控制是发现在复杂问题都 优于多目标决策。 目前 ,有大量的基于模糊推论系统技术。不过它们当中的主要部分 ,受含糊不清的根基 ；即使它们大都是古典数学方法表现更好 ,他们还带有黑色的盒子 ,如德模糊化 ,这是很难证明数学或逻辑的。例如 ,如果 -然后模糊规则 ,它们在核心的模糊推理系统 ,经常报道的工作方式 ,是 Ponens 概括规则推理机制的经典 ,但随便起来就不是

6、这样的 ,这之间的关系 ,这些规则和多值逻辑是任何已知的复杂和人工。此外 ,专家系统的性能应相当于人类专家 :它应该得到同样的结果 ,专家给 ,但提醒当控制问题是如此模糊 ,专家是不确定适当的行为。现有的模糊 专家系统很少满足这第二种情况。 然而 ,很多研究观察 ,模糊推理的方法是基于相似。 Kosko,举个例子 ,写的模糊隶属代表的相似性定义对象特性的 imprecisely。以这句话严重 ,我们学习系统的多值等价 ,即模糊相似度。原来 ,从 Lukasiewicz 多值逻辑的定义 ,我们能构建出一个模糊推理方法的表演 ,依赖于专家知识推理和只在定义的逻辑概念。所以 ,我们不需要任何人造的解

7、模糊化方法确定 (如重心 )决定最后输出的推断。我们基本的观察是 ,任何的模糊集的生成一个模糊相似度 ,这些相似之处可以结合到一个模糊关系 ,变成了一个模 糊相似度 ,太。我们把这称为诱导模糊关系总模糊相似度。如果 -然后模糊推论系统实际上是选择 :比较了每一个问题的 IF-part 规则库以一实际输入值 ,找到最相似案例和火相应的 THEN-part；如果它并非是独一无二的 ,使用一个标准赋予了一位专家来进行。基于多值逻辑 Lukasiewicz welldefined,我们展示如何使用该方法可以正式实施。 假设和原则模糊交通信号控制交通信号控制是用来最大限度地提高效率的现有交通系统。然而

8、,交通系统的效率 ,甚至可以模糊。通过提供时间分离的权利的方式接近流动 ,交通信号产生深刻影 响了效率的交通流。它们能操控的优势或者劣势的车辆和行人的 ；取决于权利的分配方式。因此 ,正确的应用、设计、安装、操作和保养维护 ,交通信号的关键 ,是安全、高效有序的交通十字路口的运动。 在交通信号控制的 ,我们都能找到某种中不确定性的许多层面。交通信号控制的输入是不准确的 ,而且这也意味着我们无法处理的交通方式的确切位置。可能性是复杂的控制 ,并处理这些可能性是一个极其复杂的任务。安全、最小化最大化 ,减少延迟环境方面的一些目标的控制 ,但这是很难处理大家聚在一起 ,传统的交通信号控制。 caus

9、econsequence -关系的解释也不可能在交通信号控制。这些都是典型特征的模糊控制。 基于模糊逻辑控制器的设计来捕获的关键因素 ,而不需要控制过程中许多详细的数学公式。由于这个事实 ,他们有许多优势 ,在实时应用。有一个简单的运算的控制器结构 ,因为它们不需要很多的数值计算。他们的 IFTHEN 逻辑推理规则不需要很多的计算时间。同时 ,控制器能够进行了大范围的输入 ,因为不同的控制规则可适用于他们。如果系统相关知识是为代表的 IFTHEN 简单模糊控制器的规则 ,fuzzy-based 可以控制系统具有效率及减轻。的主要目标是确保交通信号控制交叉 口安全系统通过保持冲突交通流分开。最优

10、性能的十字路口相结合的系统工程 ,环境影响时间价值和交通安全。我们的目标是优化系统 ,但是我们需要来决定什么属性和重量将被用来判断最优。 整个的知识的过程中 ,系统设计者对交通信号控制在这种情况下 ,被控制的能量储存在规则知识库。有一个基本的规则从而影响系统的闭环的行为 ,因此它们应该是获得了彻底。规则的发展是很耗时 ,设计师经常需要为他翻译过程知识转化为合适的规则。 Sugeno提到的四种方法 ,推导出恶化模糊控制规则 : 1.运营商经验 2:控制工程师的知识 2,3,6,7,11,14 3；该主算子的来讲模糊建模的控制措施 4.模糊建模的过程 5.酥脆的建模过程 6；髓启发式的设计规则 7

11、；往往在线改编的规则。 通常一个组合这些现象的一些方法是必要的 ,以获得较好效果。在常规控制经验 ,增加设计的模糊控制器 ,导致减少开发时间。 项目的主要目标是 FUSICO-research 理论分析的模糊交通信号控制 ,广义模糊规则的交通信号控制使用语言变量 ,验证了模糊控制原理和校准的隶属度函数 ,并发展了一种模糊自适应信号控制器。 vehicle-actuated控制的策略 ,如 SOS,MOVA和 LHOVRA是控制算法 ,对第一代。 模糊控制算法 ,该算法可以之一的第二代 ,代的人工智能 (AI)。摘要模糊控制是有能力处理多目标的、多维的和复杂的交通状况 ,如交通信号。模糊控制的典

12、型优点是简单的流程 ,有效控制 ,提高产品质量 。 3 FUSICO： FUSICO-project 塑造出的经验的警察。这个规则库的发展是在 1996 年秋季。 j . they Kari 正常 ,经验丰富的交通信号规划师 ,工作时在赫尔辛基理工大学在这个时间。每天工作小组讨论 ,他的经验帮助我们模型对我们的规则。 在特定情况下病理交通拥堵或 很少有车辆在循环 ；在那里 first-in-first-out 是唯一合理的控制策略。该算法寻找最相似的实际 IF-part 输入值 ,并给出了相应的 THEN-part 然后被解雇了。交通信号控制系统三个现实的方法来构造算法和仿真模型检验他们的表现

13、。要解决问题 ,类似的仿真 Mamdani non-fuzzy 和古典风格的模糊推理系统 ,也是。结果对车辆和行人延误或平均平均车辆延误 ,在大多数情况下更好的在模糊相似度为基础的控制比在其他的控制系统。比较模糊相似度为基础的模糊控制的控制和 Mamdani 风格也强度的假定 ,在近似推理过 程中时 ,一个基本概念是多值之间的相似的对象 ,而不是一种概括规则的推理方式 ,Ponens 经典。 FUSICO 项目结果 这个计画的结果表明 ,模糊信号控制的潜力是孤立交叉口控制的一种方法。比较结果的Pappis-Mamdani 控制、模糊孤立的人行过街和模糊两阶段的控制是很不错的。结果表明 ,孤立的

14、人行过街的模糊控制提供了有效的两种对立的目标妥协 ,最低行人延误和最小的车辆的延误。结果对两相控制和 Pappis-Mamdani 控制表明 ,模糊控制应用领域很广。改进的最大延时超过 20%,这意味着模糊控制的效率可以比传统的 vehicle-actuated 控制的效率。 根据这些结果 ,我们可以说 ,模糊信号控制可以多目标和更有效率 ,比常规自适应信号控制现在。最大的好处 ,或许 ,达到更复杂的十字路口和环境。这 FUSICO-project 仍在继续。目的是将一步步的更复杂的交通信号 ,并继续对模糊控制理论著作。第一个例子将公共交通优先考虑的问题。 原文： Intelligent tr

15、affic lights Abstract： Signal control is a necessary measure to maintain the quality and safety of traffic circulation. Further development of present signal control has great potential to reduce travel times, vehicle and accident costs, and vehicle emissions. The development of detection and comput

16、er technology has changed traffic signal control from fixed-time open-loop regulation to adaptive feedback control. Present adaptive control methods, like the British MOVA, Swedish SOS (isolated signals) and British SCOOT (area-wide control), use mathematical optimization and simulation techniques t

17、o adjust the signal timing to the observed fluctuations of traffic flow in real time. The optimization is done by changing the green time and cycle lengths of the signals. In area-wide control the offsets between intersections are also changed. Several methods have been developed for determining the

18、 optimal cycle length and the minimum delay at an intersection but, based on uncertainty and rigid nature of traffic signal control, the global optimum is not possible to find out. 1.Citation： As a result of growing public awareness of the environmental impact of road traffic many authorities are now pursuing policies to: manage demand and congestion；