2.4.3 高速公路RBF神经网络限速控制器
梁新荣等人将RBF神经网络用于高速公路限速控制器的设计，得到了好的试验效果。
采用有效的交通控制方法对交通流进行科学的组织与管理，充分发挥交通网络的通行潜力，在最大程度上使交通流做到有序流动，成为解决交通拥挤的好办法。
改善高速公路交通拥挤的方法主要有主线控制、人口匝道控制、路网集成控制和收费控制等。主线控制就是对高速公路主线的交通进行调节、诱导和警告。主线控制的基本目标是改善高速公路运行的安全和效率，缓解主线上交通拥挤和交通瓶颈对交通的影响，这种控制对常发性拥挤和突发性拥挤都是有效的。主线控制技术包括主线限速控制、车道使用控制及驾驶信息系统。主线限速控制是通过设置可变速度标志来限制行车速度，从而使主线交通流的速度能随车辆数目以及路面状态、气象条件等的改变而变化，保证交通流均匀稳定，减少交通事故，同时还能提高道路通行能力。国外的运行试验证明了这些效果。
高速公路RBF神经网络限速控制方法是：充分利用与高速公路交通密切相关的信息，如路面状况、气象条件、路段上车辆数目等，建立主线交通流速度控制RBF神经网络模型；利用训练样本数据对网络描述输入、输出的映射规律；根据实时检测到的路段上车辆数目以及当前的路面状况、气象条件等，由训练后的网络得到最佳速度目标值；在入口匝道附近的高速分路主线上设立交通信息指示牌，对高速公路路段的行车速度提出限制。
RBF神经网络控制器的输出为高速公路路段的车辆行驶速度限制值。，。的取值范围为35km/h-160km/h。控制器的输入有两个，分别为单位长度路段上的车辆数n和路面性能评价值g/n的取值范围为0-80辆/km，它可由车辆计算器测出，也可由超声波检测器等测出。
为了提高RBF神经网络的建模精度，获得良好的通用能力，网络的训练数据不能太少。结合高速公路管理人员实践、专家知识和驾驶人员的实际经验，高速公路管理处提供90组样本数据作为训练数据，使用上述训练算法对网络进行训练，训练前对样本数据进行了归一化处理。仿真试验表明：RBF神经网络具有快的收敛速度、很好的泛化能力，网络的输出非常合乎规律，这表明所建的RBF神经网络模型是成功的，它正确描述了输入、输出的映射规律。
高速公路限速控制是一种非线性控制，难以用数学模型准确建模。结合高速公路主线上车辆数目以及路面状况、气象条件等信息，采用RBF神经网络对高速公路限速控进行了研究。利用RBF神经网络学习速度快、自适应性强、泛化能力好等优点，实现一种高效的限速控制。研究表明：该方法切实可行，具有实用价值，可使交通更加均匀、稳定，同时还能提高道路通行能力，对改善高速公路的运行和安全效率具有重要意义。
……
展开
