期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于模糊C均值聚类和神经网络的短时交通流预测方法
被引量:
19
1
作者
杨世坚
贺国光
《系统工程》
CSCD
北大核心
2004年第8期83-86,共4页
短时交通流预测是动态交通控制和诱导的前提。提出一种模糊C均值聚类和神经网络相结合的短时交通流预测方法。用同一组实测数据对比计算了该方法与BP神经网络预测方法、模糊神经网络预测方法分别得到的预测结果。计算结果表明:所提出的...
短时交通流预测是动态交通控制和诱导的前提。提出一种模糊C均值聚类和神经网络相结合的短时交通流预测方法。用同一组实测数据对比计算了该方法与BP神经网络预测方法、模糊神经网络预测方法分别得到的预测结果。计算结果表明:所提出的方法的预测准确性明显地高于其他两种方法。
展开更多
关键词
交通
控制
与
诱导
短时
交通
流预测
模糊C均值聚类
BP神经网络
下载PDF
职称材料
基于CPS理论的城市交通控制与诱导融合框架
被引量:
12
2
作者
龚
李苏剑
《公路交通科技》
CAS
CSCD
北大核心
2012年第5期114-120,共7页
以避免交通拥堵和提高交通效率为目标,同时满足交通用户要求和交通系统交通流均衡要求,对城市交通控制与诱导融合框架进行研究。分析城市交通控制与诱导系统和信息物理融合系统(CPS)的特性及两者关联。探讨CPS理论应用于城市交通控制与...
以避免交通拥堵和提高交通效率为目标,同时满足交通用户要求和交通系统交通流均衡要求,对城市交通控制与诱导融合框架进行研究。分析城市交通控制与诱导系统和信息物理融合系统(CPS)的特性及两者关联。探讨CPS理论应用于城市交通控制与诱导系统的各项技术要求。根据动态城市交通流诱导系统和城市交通信号控制系统的内容,针对两者相关性、冲突性与解决方法,考虑信息物理融合系统的人机系统特点,提出一种基于信息物理融合系统理论的城市交通控制与诱导融合框架。该框架包含计算部分、通讯部分、控制部分和物理世界部分,增强了城市交通流诱导系统和城市交通信号控制系统的融合度,侧重从技术层面分析两者深度融合的可行性,为智能交通系统中交通控制与诱导融合的实施提供理论依据。
展开更多
关键词
智能运输系统
交通
控制
与
诱导
信息物理融合系统
融合框架
原文传递
基于多智能体的城市交通流控制原型系统
被引量:
7
3
作者
赵建有
赵丽平
《交通运输工程学报》
EI
CSCD
2003年第3期101-105,共5页
对中国目前的城市交通流控制系统存在的问题进行了分析。针对原系统结构中的不足提出了构建基于多智能体的智能城市交通流控制系统的思路,并研究了该系统的基本框架和实现途径及方法,同时探讨了该系统中各个交通智能体的结构以及它们的...
对中国目前的城市交通流控制系统存在的问题进行了分析。针对原系统结构中的不足提出了构建基于多智能体的智能城市交通流控制系统的思路,并研究了该系统的基本框架和实现途径及方法,同时探讨了该系统中各个交通智能体的结构以及它们的协调合作关系,为基于多智能体的智能城市交通流控制系统的最终实现提供了理论指导和方法依据。
展开更多
关键词
交通
工程
城市
交通
控制
与
诱导
多智能体
分布式
控制
实时
控制
下载PDF
职称材料
基于Q-学习算法的交通控制与诱导协同模式的在线选择
被引量:
3
4
作者
杨庆芳
杨朝
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2010年第5期1215-1219,共5页
采用Q-学习算法实现了交通控制与诱导协同模式的在线选择。首先,采用Q-学习算法训练多智能体,根据多智能体内部的推理得到不同交通状态下的最优协同模式,最终实现交通控制与交通诱导协同模式的在线选择与转换。仿真结果表明,本文提出的...
采用Q-学习算法实现了交通控制与诱导协同模式的在线选择。首先,采用Q-学习算法训练多智能体,根据多智能体内部的推理得到不同交通状态下的最优协同模式,最终实现交通控制与交通诱导协同模式的在线选择与转换。仿真结果表明,本文提出的基于Q-学习算法的协同模式选择方法在一般交通拥挤状态下具有较好的协同控制效果,对比离线式模式选择方法更能适应交通状态的不断变化,从而达到有效避免严重交通拥堵、改善路网性能的目的。
展开更多
关键词
交通
运输工程
交通
控制
与
诱导
协同
模式选择
Q-学习算法
回报函数
下载PDF
职称材料
题名
基于模糊C均值聚类和神经网络的短时交通流预测方法
被引量:
19
1
作者
杨世坚
贺国光
机构
天津大学系统工程研究所
出处
《系统工程》
CSCD
北大核心
2004年第8期83-86,共4页
文摘
短时交通流预测是动态交通控制和诱导的前提。提出一种模糊C均值聚类和神经网络相结合的短时交通流预测方法。用同一组实测数据对比计算了该方法与BP神经网络预测方法、模糊神经网络预测方法分别得到的预测结果。计算结果表明:所提出的方法的预测准确性明显地高于其他两种方法。
关键词
交通
控制
与
诱导
短时
交通
流预测
模糊C均值聚类
BP神经网络
Keywords
Traffic Control and Guidance
Short-term Traffic Flow Forecasting
Fuzzy C-mean Clustering
Back-propagation(BP) Neural Network
分类号
U491 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
基于CPS理论的城市交通控制与诱导融合框架
被引量:
12
2
作者
龚
李苏剑
机构
北京科技大学机械工程学院
出处
《公路交通科技》
CAS
CSCD
北大核心
2012年第5期114-120,共7页
文摘
以避免交通拥堵和提高交通效率为目标,同时满足交通用户要求和交通系统交通流均衡要求,对城市交通控制与诱导融合框架进行研究。分析城市交通控制与诱导系统和信息物理融合系统(CPS)的特性及两者关联。探讨CPS理论应用于城市交通控制与诱导系统的各项技术要求。根据动态城市交通流诱导系统和城市交通信号控制系统的内容,针对两者相关性、冲突性与解决方法,考虑信息物理融合系统的人机系统特点,提出一种基于信息物理融合系统理论的城市交通控制与诱导融合框架。该框架包含计算部分、通讯部分、控制部分和物理世界部分,增强了城市交通流诱导系统和城市交通信号控制系统的融合度,侧重从技术层面分析两者深度融合的可行性,为智能交通系统中交通控制与诱导融合的实施提供理论依据。
关键词
智能运输系统
交通
控制
与
诱导
信息物理融合系统
融合框架
Keywords
ITS
traffic control and route guidance
cyber-physical system
fusion framework
分类号
U491.1 [交通运输工程—交通运输规划与管理]
原文传递
题名
基于多智能体的城市交通流控制原型系统
被引量:
7
3
作者
赵建有
赵丽平
机构
长安大学汽车学院
西南交通大学电气工程学院
出处
《交通运输工程学报》
EI
CSCD
2003年第3期101-105,共5页
文摘
对中国目前的城市交通流控制系统存在的问题进行了分析。针对原系统结构中的不足提出了构建基于多智能体的智能城市交通流控制系统的思路,并研究了该系统的基本框架和实现途径及方法,同时探讨了该系统中各个交通智能体的结构以及它们的协调合作关系,为基于多智能体的智能城市交通流控制系统的最终实现提供了理论指导和方法依据。
关键词
交通
工程
城市
交通
控制
与
诱导
多智能体
分布式
控制
实时
控制
Keywords
traffic engineering
urban traffic control and induction
multi-agent
distributed control
real-time control
分类号
U491.54 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
基于Q-学习算法的交通控制与诱导协同模式的在线选择
被引量:
3
4
作者
杨庆芳
杨朝
机构
吉林大学汽车动态模拟国家重点实验室
吉林大学交通学院
出处
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2010年第5期1215-1219,共5页
基金
'863'国家高技术研究发展计划项目(2007AA12Z242)
文摘
采用Q-学习算法实现了交通控制与诱导协同模式的在线选择。首先,采用Q-学习算法训练多智能体,根据多智能体内部的推理得到不同交通状态下的最优协同模式,最终实现交通控制与交通诱导协同模式的在线选择与转换。仿真结果表明,本文提出的基于Q-学习算法的协同模式选择方法在一般交通拥挤状态下具有较好的协同控制效果,对比离线式模式选择方法更能适应交通状态的不断变化,从而达到有效避免严重交通拥堵、改善路网性能的目的。
关键词
交通
运输工程
交通
控制
与
诱导
协同
模式选择
Q-学习算法
回报函数
Keywords
engineering of communications and transportation
collaboration of traffic control and route guidance
mode selection
Q-learning algorithm
reward function
分类号
U491 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于模糊C均值聚类和神经网络的短时交通流预测方法
杨世坚
贺国光
《系统工程》
CSCD
北大核心
2004
19
下载PDF
职称材料
2
基于CPS理论的城市交通控制与诱导融合框架
龚
李苏剑
《公路交通科技》
CAS
CSCD
北大核心
2012
12
原文传递
3
基于多智能体的城市交通流控制原型系统
赵建有
赵丽平
《交通运输工程学报》
EI
CSCD
2003
7
下载PDF
职称材料
4
基于Q-学习算法的交通控制与诱导协同模式的在线选择
杨庆芳
杨朝
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2010
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部