作者：李宏伟; 黎英宏观基本图边界控制偶发性事件迭代学习神经网络
摘要：为了应对时变交通中偶发性事件对宏观交通流的影响,针对现有城市路网边界控制器迭代次数多,响应速度慢的问题,提出了基于宏观基本图(MFD)的城市交通区域边界的最优控制方法。在迭代学习控制边界控制器基础上加入BP神经网络算法,根据误差对控制器的微分增益进行在线学习调节。通过2种不同偶发性事件下的交通模拟仿真,结果表明:新的城市交通区域边界的最优控制方法不仅在正常路网中具有更好的跟踪精度和更快的迭代速度,并且当发生偶发性事件时,也能自适应跟踪期望曲线,保持较快的误差学习收敛速率,满足实际交通受限变化的需要。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
