基于遺傳神經網絡的交通燈控制算法設計與仿真.pdf

1、隨著我國城市化進程的加快，城市機動車數量的快速增長，使得城市交通擁堵更加嚴重，城市交通問題亟需解決。由于交通系統的非線性、復雜性和隨機性的特點，傳統的交通信號燈控制方式不能滿足根據交通流的變化而自動調整交通信號燈配時的要求，使得交叉口通行效率低，容易造成交通堵塞。
　　在交通信號燈控制算法研究中，模糊控制不需要建立精準的數學模型，而是通過隸屬度函數與模糊控制規(guī)則之間的映射，輸出相關的決策，適應于交通系統的特點。以往對模糊控制技術的

2、研究多數將排隊長度或車流量作為單一的輸入參數，并且模糊控制本身依賴經驗數值，缺乏有效的系統學習機制。因此，本文提出基于遺傳算法和神經網絡模糊控制器的交通信號燈控制算法，采用排隊長度、平均車速和車流量作為控制的輸入參數，利用遺傳算法為神經網絡模糊器的自學習篩選可靠數據，通過對神經網絡模糊控制器的隸屬度函數和模糊控制規(guī)則的訓練，使得神經網絡模糊控制器具備自學習功能。
　　針對交通信號燈控制算法仿真方法的不足，搭建基于交通仿真軟件Vis

3、sim、Matlab與Visual Basic的交通信號燈控制仿真平臺。在Vissim軟件下創(chuàng)建交叉口模型并設定相關參數，運行交叉口模型后，Visual Basic主控程序將獲得的排隊長度、平均車速和車流量交通參數傳遞給Matlab軟件;在Matlab下根據獲得的交通參數和所設計的遺傳神經網絡模糊控制算法計算綠燈時長，Visual Basic主控程序將其回傳給Vissim軟件，再進行下一個周期的仿真。
　　通過在本文設計的仿真平臺