|

Нейроадаптивное управление транспортными потоками в сети городских дорог

Авторы: Дивеев А.И., Софронова Е.А., Михалев В.А. Опубликовано: 09.02.2018
Опубликовано в выпуске: #1(118)/2018  
DOI: 10.18698/0236-3933-2018-1-49-58

 
Раздел: Информатика, вычислительная техника и управление | Рубрика: Математическое моделирование, численные методы и комплексы программ  
Ключевые слова: нейроадаптивное управление, оптимальное управление, транспортный поток, искусственная нейронная сеть, теория управляемых сетей

Рассмотрена задача адаптивного управления транспортными потоками в сети городских дорог. Использована расширяемая модель транспортных потоков, построенная на основе теории управляемых сетей. Для уточнения параметров сети, пропускных способностей участков дорог и распределений потоков применена искусственная нейронная сеть. Разработана специальная структура нейронной сети. Обучение сети выполнено алгоритмом обратного распространения ошибки. Приведен пример работы адаптивной системы оптимального управления транспортными потоками в сети дорог, состоящей из четырех перекрестков

Литература

[1] Ligthill M.J., Whitham F.R.S. On kinetic waves II. A theory of traffic flow on crowded roads // Proc. of the Royal Society Ser. A. 1955. Vol. 229. Iss. 1178. P. 317–345. DOI: 10.1098/rspa.1955.0089

[2] Mauro V. Road network control // Concise Encyclopedia of Traffic and Transportation Systems. Advances in Systems, Control in Information Engineering. Pergamon Press, 1991. P. 361–366.

[3] Ardekani S.A., Herman R. Urban network-wide variables and their relations // Transportation Science. 1987. Vol. 21. No. 1. P. 1–16.

[4] Assad A.A. Multicommodity network flows — a survey // Networks. 1978. Vol. 8. Iss. 1. P. 37–91. DOI: 10.1002/net.3230080107

[5] Peter T. Modeling nonlinear road traffic networks for junction control // Int. J. of Applied Mathematics and Computer Sciences. 2012. Vol. 22. Iss. 3. P. 723–732. DOI: 10.2478/v10006-012-0054-1 URL: https://www.degruyter.com/view/j/amcs.2012.22.issue-3/v10006-012-0054-1/v10006-012-0054-1.xml

[6] Chao K.-H., Lee R.-H., Wang M.-H. An intelligent traffic light control based on extension neural network // Proc. 12th Int. Conf. KES 2008. Part I. 2008. Springer-Verlag. P. 17–24.

[7] Hu J., Zhao D., Zhu F. Neural network based online traffic signal controller design with reinforcement training // Proc. 14th Int. IEEE Conf. on Intelligent Transportation Systems (ITSC). 2011, IEEE. P. 1045–1050.

[8] Дивеев А.И. Управляемые сети и их приложения // Журнал вычислительной математики и математической физики. 2008. Т. 48. № 8. С. 1510–1525.

[9] Diveev A.I., Sofronova E.A. Synthesis of intelligent control of traffic flows in urban roads based on the logical network operator method // Proc. European Control Conf. (ECC 2013). 2013, IEEE. P. 3512–3517.

[10] Diveev A.I., Sofronova E.A., Mikhalev V.A. Model predictive control for urban traffic flows // Proc. 2016 IEEE Int. Conf. on Systems, Man, and Cybernetics (SMC 2016). 2016, IEEE. P. 3051–3056.

[11] Фомин В.Н., Фрадков А.Л., Якубович В.А. Адаптивное управление динамическими объектами. М.: Наука, 1981. 448 с.

[12] Терехов В.А., Ефимов Д.В., Тюкин И.Ю. Нейросетевые системы управления. М.: Высшая школа, 2002. 183 с.

[13] Каллан Р. Основные концепции нейронных сетей. М.: Вильямс, 2003. 288 с.

[14] Вентцель Е.С., Овчаров Л.А. Теория вероятностей и ее инженерные приложения. М.: Академия, 2003. 464 с.