快速路系统密度控制器设计与参数辨识

doi:10.3778/j.issn.1002-8331.2009.20.056

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (20): 192-194.DOI: 10.3778/j.issn.1002-8331.2009.20.056

快速路系统密度控制器设计与参数辨识

谢劲松，范炳全

上海理工大学管理学院，上海 200093

收稿日期:2008-07-29 修回日期:2009-03-24 出版日期:2009-07-11 发布日期:2009-07-11
通讯作者: 谢劲松

Density controller design and parameter identification of freeway systems

XIE Jin-song，FAN Bing-quan

School of Management，University of Shanghai for Science and Technology，Shanghai 200093，China

Received:2008-07-29 Revised:2009-03-24 Online:2009-07-11 Published:2009-07-11
Contact: XIE Jin-song

摘要/Abstract

摘要： 车辆之间密度、车头时距的不均匀分布，导致快速路系统效率降低。为了提高其效率，提出了密度控制器设计方法。它能控制车辆按恰当的速度行驶，能使快速路各段密度指数收敛于期望密度，从而获得均匀的密度、车头时距分布。然后通过仿真实例来辨识模型参数，结果表明当所辨识的模型参数接近1时，系统在此控制器作用下能获得平稳的交通流。由此说明所提控制器设计能提高系统效率、指导实践。

关键词: 快速路系统', 密度控制器设计, 均匀分布, 指数收敛, 参数辨识

Abstract: The density and headway’s non-uniformity distribution between vehicles in the freeway system caused its low efficiency.To improve the efficiency，a density controller design was put forward.It could control the vehicles’ operation by appropriate speed and make each section’s density exponentially converge to desired density.Uniform distribution of density and headway was obtained.The model parameters were identified by simulative examples.The simulative results demonstrate the freeway system will obtain smooth and stable traffic flow under this controller when identified parameters are approaching 1.Therefore the proposed controller can improve the system efficiency and guide practice.

Key words: freeway systems, density controller design, uniform distribution, exponentially convergent, parameter identification

谢劲松，范炳全. 快速路系统密度控制器设计与参数辨识[J]. 计算机工程与应用, 2009, 45(20): 192-194.

XIE Jin-song，FAN Bing-quan. Density controller design and parameter identification of freeway systems[J]. Computer Engineering and Applications, 2009, 45(20): 192-194.

[1]	徐恭贤，邱添，贾府生，魏顺行. 一类生物系统的参数辨识方法及其应用[J]. 计算机工程与应用, 2020, 56(4): 163-167.
[2]	沈艳，尹金姗，韩帅，韩煜. 基于数值积分公式的GM（1，1）模型优化研究[J]. 计算机工程与应用, 2019, 55(24): 41-45.
[3]	刘举胜1，何建佳1，2，李鹏飞1 . 基于CAS理论的改进PSO算法[J]. 计算机工程与应用, 2017, 53(5): 57-63.
[4]	贠今天1，2，孟宪全1，2，桑宏强2，杨向红2. 实时上肢参数辨识的康复机器人力控制研究[J]. 计算机工程与应用, 2015, 51(17): 233-237.
[5]	李安平1，2，刘国荣3，沈细群3. 不同阶分数阶混沌系统的同步与参数辨识[J]. 计算机工程与应用, 2013, 49(4): 245-248.
[6]	徐志成1，王树青2. 基于菌群优化算法的非线性系统模型参数辨识[J]. 计算机工程与应用, 2013, 49(1): 46-49.
[7]	丁学明，沈业茂，张久忠. T-S模型全局优化辨识[J]. 计算机工程与应用, 2012, 48(36): 151-154.
[8]	毛军军1，2，姚登宝1，王翠翠1，吴涛1，3. α-优势关系下的概率粗糙模型及其应用[J]. 计算机工程与应用, 2012, 48(18): 48-52.
[9]	游源¹，齐欢¹，胡祥恩². 树状模型中EM算法的矩阵形式[J]. 计算机工程与应用, 2011, 47(5): 32-34.
[10]	于永胜. 差异演化算法辨识微生物连续发酵动力学参数[J]. 计算机工程与应用, 2010, 46(28): 236-239.
[11]	丛爽,陆婷婷,戴谊. 递归神经网络的设计与应用[J]. 计算机工程与应用, 2009, 45(4): 79-81.
[12]	王志刚，李腊元，李春林. 一种新的无线传感器网络均匀分簇路由协议[J]. 计算机工程与应用, 2009, 45(31): 81-84.
[13]	谢劲松,范炳全,何胜学,梁超. 快速路系统控制器构造与算法设计[J]. 计算机工程与应用, 2008, 44(34): 200-203.
[14]	韦卫星,磨少清,覃春芳,廖义奎,文勇. 基于BP神经网络的模糊参数辨识[J]. 计算机工程与应用, 2008, 44(18): 44-47.
[15]	宫召华. 基于PSO算法的微生物间歇发酵动力学参数辨识[J]. 计算机工程与应用, 2007, 43(27): 193-195.

快速路系统密度控制器设计与参数辨识

Density controller design and parameter identification of freeway systems

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics