数据驱动的交通诱导实时鲁棒预测控制研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61074138
  • 项目类别：
    面上项目
  • 资助金额：
    32.0万
  • 负责人：
    周永华
  • 依托单位：
    北京交通大学
  • 学科分类：
    F0302.控制系统与应用
  • 结题年份：
    2013
  • 批准年份：
    2010
  • 项目状态：
    已结题
  • 起止时间：
    2011-01-01 至2013-12-31

项目摘要

将实时交通分配纳入到基于预测控制的计算机控制与管理框架下，以满足实时交通诱导的需求。建立可检测和可估计数据驱动的、闭环反馈滚动优化调节的交通诱导实时鲁棒预测控制的理论体系。采用粒子滤波技术，基于新形势下的交通流可检测数据（导航车辆位置、速度数据），进行交通流不完全信息估计，解决交通诱导预测控制所需充分数据的获取问题。采用机会约束规划和贝叶斯估计解决考虑交通需求、交通传播和导航车辆随机扰动的鲁棒诱导策略的产生问题。应用Web 服务（Services）技术解决交通诱导预测控制的并行实时优化问题。本项目的研究为建立城市现代化的、智能的交通指挥调度平台提供一种理论与技术支撑。

结项摘要

目前交通诱导主要采取反应式方法，诱导策略的给出是通过对当前交通状况的分析而得出的。反应式交通诱导的缺点是如果所有车辆都沿着当前时间最短路径运行，也可能产生道路拥挤。集中预测型交通诱导通过预测交通流的运行得出最佳诱导方案，能够提前将拥堵防范于未然。本项目的主要目标是建立交通诱导预测控制的理论和方法，为建立城市交通指挥调度平台提供一种理论与技术支撑。本项目的主要研究成果如下：.（1）研究了宏观、中观和微观交通流预测模型。提出了一种中观交通流模型，在该模型中，车辆速度的更新考虑其前方路段交通流密度和与前方相邻车辆的距离。将反馈控制（feedback control， FC）行为及其多样性引入到元胞自动机（cellular automata, CA）交通流模型中，提出了一种新型的微观交通仿真模型CA-FC。所提出的模型能够对交通传播作更加细致的描述。.（2）研究了基于宏观和微观交通流模型的交通流不完全信息估计技术。通过对导航车辆位置和速度的观测，采用粒子滤波方法辨识非导航交通流信息。提出了基于微观交通流模型和粒子滤波的交通流不完全信息估计方法，为交通流充分数据的获取提供一种解决方案。.（3）研究了交通诱导预测控制的体系、优化模型和算法。建立了预测型用户均衡和预测型系统最优模型，建立了道路网络和用户性能的折衷优化模型，提出了结合遗传算法和交通流模拟运行的求解算法，提出了数据驱动的非解析迭代求解算法。.（4）研究了交通诱导预测控制的多台计算机并行求解算法。设计了集中控制式和分布控制式并行遗传算法，提出了染色体变异的可行方向法，提高进化求解的效率和效果。.（5）在并行计算平台上，对交通诱导预测控制系统的性能进行了分析和综合。研究了性能指标、伪给定参数、预测时域和加权因子对控制性能的影响，以及交通诱导预测控制的鲁棒性。

项目成果

期刊论文数量（15）
专著数量（0）
科研奖励数量（0）
会议论文数量（1）
专利数量（0）
Modeling and simulation of train movements under scheduling and control for a fixed-block railway network using cellular automata
使用元胞自动机对固定闭塞铁路网调度和控制下的列车运行进行建模和仿真
  • DOI：
    10.1177/0037549713487403
  • 发表时间：
    2013-06
  • 期刊：
    Simulation-Transactions of the Society for Modeling and Simulation International
  • 影响因子：
    1.6
  • 作者：
    Zhou, Yonghua;Mi, Chao
  • 通讯作者：
    Mi, Chao
High-speed train control based on multiple-model adaptive control with second-level adaptation
基于二级自适应多模型自适应控制的高速列车控制
  • DOI：
    10.1080/00423114.2014.887209
  • 发表时间：
    2014-05
  • 期刊：
    Vehicle System Dynamics
  • 影响因子：
    3.6
  • 作者：
    Yonghua Zhou, Zhenlin Zhang
  • 通讯作者：
    Yonghua Zhou, Zhenlin Zhang
Modeling Train Movement for Moving-Block Railway Network Using Cellular Automata
使用元胞自动机对移动闭塞铁路网的列车运动进行建模
  • DOI：
    10.3970/cmes.2012.083.001
  • 发表时间：
    2012
  • 期刊：
    Computer Modeling in Engineering & Sciences
  • 影响因子：
    --
  • 作者：
    Zhou, Yonghua;Mi, Chao
  • 通讯作者：
    Mi, Chao
State Estimation of Unequipped Vehicles Utilizing Microscopic Traffic Model and Principle of Particle Filter
利用微观交通模型和粒子滤波器原理估计无装备车辆的状态
  • DOI：
    10.3970/cmes.2012.089.497
  • 发表时间：
    2012-12
  • 期刊：
    Computer Modeling in Engineering & Sciences
  • 影响因子：
    --
  • 作者：
    Zhou, Yonghua;Yang, Xun;Mi, Chao
  • 通讯作者：
    Mi, Chao
High-Speed Train Adaptive Control Based on Multiple Models
基于多模型的高速列车自适应控制
  • DOI：
    10.1007/978-3-642-30126-1_53
  • 发表时间：
    2012
  • 期刊：
    Advances in Intelligent and Soft Computing
  • 影响因子：
    --
  • 作者：
    Yonghua Zhou;Chao Mi;Yaqin Yin
  • 通讯作者：
    Yaqin Yin

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于RS技术和 TVDI 指数的 广西西江流域春旱遥感监测研究
  • DOI：
    --
  • 发表时间：
    2017
  • 期刊：
    中国农村水利水电
  • 影响因子：
    --
  • 作者：
    周永华;胡宝清;王钰
  • 通讯作者：
    王钰
不同施肥情况下甘蔗叶片的光谱特征分析及叶绿素含量检测(英文)
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    农业工程学报
  • 影响因子：
    --
  • 作者：
    李修华;陈晓;周永华;农梦玲;刘小阳;艾矫燕
  • 通讯作者：
    艾矫燕
基于 Gillespie 算法及膜系统的藻类生长建模
  • DOI：
    --
  • 发表时间：
    2019
  • 期刊：
    计算机仿真
  • 影响因子：
    --
  • 作者：
    张雄雄;周永华;艾矫燕
  • 通讯作者：
    艾矫燕
青蒿琥酯对日本血吸虫诱导的早期肝纤维化小鼠热休克蛋白47表达影响的研究
  • DOI：
    10.12140/j.issn.1000-7423.2019.02.001
  • 发表时间：
    2019
  • 期刊：
    中国寄生虫学与寄生虫病杂志
  • 影响因子：
    --
  • 作者：
    周永华;徐辰;杨莹莹;周春刚;梅丛进;赛雪;许永良;杨俊齐;沈丽娟
  • 通讯作者：
    沈丽娟
日本血吸虫诱导小鼠肝纤维化进程中TGF-β1和HSP47的作用机制研究
  • DOI：
    10.16250/j.32.1374.2018208
  • 发表时间：
    2019
  • 期刊：
    中国血吸虫病防治杂志
  • 影响因子：
    --
  • 作者：
    周永华;徐辰;杨莹莹;梅丛进;董盼盼;赛雪;许永良;范小琳;杨俊齐;沈丽娟
  • 通讯作者：
    沈丽娟

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

周永华的其他基金

城轨列车协同节能运行计划基于深度强化学习的智慧调控
  • 批准号：
    62373037
  • 批准年份：
    2023
  • 资助金额：
    50 万元
  • 项目类别：
    面上项目
高速铁路网络列车运行基于模型预测和证据推理的安全预测与冲突防范
  • 批准号：
    61673049
  • 批准年份：
    2016
  • 资助金额：
    62.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码