带有丢失数据补偿的高速公路入口匝道MFAC方案

来源 :公路交通科技 | 被引量 : 0次 | 上传用户:myfarm
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在智能交通控制中,数据丢失会造成道路使用效率降低、道路交通拥堵等现象,导致道路的控制效果降低.针对高速公路入口匝道控制中由于车辆密度数据丢失所造成的交通拥堵问题,提出了高速公路入口匝道数据补偿的MFAC方案.首先,在考虑到高速公路入口匝道控制中的建模难、建模不精确等问题的前提下,将无模型自适应控制(MFAC)应用于宏观交通流模型,对于高速公路入口匝道控制中的车辆密度数据丢失问题,通过伯努利分布来描述高速公路车辆密度数据的丢失率,以0-1定义车辆密度数据的丢失情况,即车辆密度数据丢失记为0,车辆密度数据未丢失记为1.然后,通过历史车辆密度、伪梯度估计值、入口匝道流量等数据来构建补偿方程,基于补偿方程对在高速公路入口匝道控制中丢失车辆密度的数据进行实时补偿,提出带有车辆密度数据丢失补偿的高速公路入口匝道MFAC方案.MATLAB仿真结果表明,当高速公路入口匝道控制系统出现车辆密度数据丢失的情况下,带有丢失数据补偿的MFAC方案的控制效果明显优于传统的MFAC方案,且在仿真验证中分别设置了70%和80%的数据丢失率来验证补偿算法的普遍性.结果表明,在高速公路入口匝道控制中当出现数据丢失的情况时,该方案能够对丢失的车辆密度数据进行有效的补偿.
其他文献
  随着基因组测序技术的不断发展,采用现代生物学技术对功能发酵制品生产菌种进行改造己成为该领域的研究热点之一。南开大学环境微生物与微生物合成研究开展了门多萨假单胞
为了及时有效地识别道路交通状态,提出了基于自编码器与k-means聚类的视频交通状态自动识别方法。首先,通过交叉试验的方式对输入数据维度、隐藏层数量与降维数据维度等结构参数进行合理优化,建立自编码器备选模型;然后,构建了样本量为1 500~4 500的3个图像数据集,对备选模型进行训练测试,利用准确率、召回率、F_1值比选出最优自编码器AE*;最后,将AE*与k均值聚类(k-means)、支持向量
本文统计和分析了2020年度国家自然科学基金委员会工程与材料科学部无机非金属材料科学处(E02)基金项目的申请受理和资助情况,并介绍了按照科学属性试点分类评审的改革措施,