基于流形學習算法的城市交通控制理論與應用研究.pdf

1、城市交通的智能控制是當前交通工程領域和控制領域的研究熱點之一。隨著人工智能、自動控制技術、計算機技術和通訊技術的迅速發(fā)展及其在智能交通中的應用，各種交通控制方式和方法層出不窮，新的理論和研究成果不斷出現(xiàn)，并已在實際工程應用中顯示出很大的作用和發(fā)展?jié)摿Α?在實際應用中用高維數(shù)據(jù)來表示的觀測點可以模擬成低維非線性流形上的樣本點或者逼近這些樣本點。因此，數(shù)據(jù)降維，尤其是非線性降維成為數(shù)據(jù)挖掘的一個重要手段，降維的目的是為了從高維空間中

2、找出隱藏的低維結構。城市交通系統(tǒng)是一個具有嚴重非線性、隨機性、時變性、不確定性并有多種影響因素的復雜系統(tǒng)。交通流數(shù)據(jù)集是一種數(shù)據(jù)量大、維數(shù)高、隨機性強、具有規(guī)律性但某種程度上非線性特征明顯的數(shù)據(jù)集。假設高維交通流量數(shù)據(jù)集存在低維嵌入，在盡可能的保證數(shù)據(jù)間的幾何關系和距離測度不變的前提下，將原始數(shù)據(jù)對應的高維空間的流形映射至低維空間的流形，不僅能為相關計算減少數(shù)據(jù)量，也能找出關鍵特征維，去除噪聲的干擾，全面提高感應控制的時間效率。

3、 本文提出了利用流形學習算法對交通流數(shù)據(jù)集進行維數(shù)約簡的方法，使交通控制系統(tǒng)的輸入數(shù)據(jù)更易處理和使用。論文研究重點是流形學習算法在城市交通控制中的理論和應用研究。論文根據(jù)幾種流形學習算法的優(yōu)缺點，決定用等距映射算法實現(xiàn)交通量數(shù)據(jù)集的維數(shù)約簡工作。 本文的主要工作內容有： 1.通過對城市智能交通系統(tǒng)和交通流的分析，發(fā)現(xiàn)交通控制中的關鍵問題：數(shù)據(jù)集的高維非線性；提出了解決這一問題的方法：用流形學習算法約簡數(shù)據(jù)維數(shù)。

4、2.介紹了五種主要的流形學習算法，包括多維尺度變換、等距映射算法、局部線性嵌入、拉普拉斯特征映射法和局部切空間排列方法，并分析了它們各自的優(yōu)缺點，提出利用其中的等距映射算法約簡交通量數(shù)據(jù)集維數(shù)的思路。 3.提出了單路口的交通多時段定時控制中的時段劃分方法。首先用等距映射算法約簡檢測數(shù)據(jù)集的維數(shù)，然后用K-均值聚類算法對降維后的數(shù)據(jù)聚類，最后根據(jù)聚類結果確定路口的時段劃分方案。結果表明此方法得到的時段劃分方案與人工劃分法、基于遺傳

5、算法的分級聚類方法和人工免疫算法劃分方法基本一致，但它克服了人工劃分方法的主觀不合理性，提高了分類效率，避免了它們的不足。 4.實現(xiàn)了交通網絡上的交通量數(shù)據(jù)集的維數(shù)約簡?？紤]到等距映射算法一般需要較大的數(shù)據(jù)量，并要求不同類別的數(shù)據(jù)在空間不能分散得過于獨立這一特點，論文在城市交通網絡上實驗了等距映射算法的降維功能，得到了嵌入維數(shù)，實現(xiàn)了數(shù)據(jù)集的約簡，并與主成分分析算法的結果做了對比。 等距映射算法能夠有效約簡交通流維數(shù)、找