基于群决策理论的协调控制子区划分方法

广西师范大学学报（自然科学版） ›› 2014, Vol. 32 ›› Issue (4): 18-25.

基于群决策理论的协调控制子区划分方法

陈思溢¹, 罗强², 黄辉先³

1.华南理工大学自动化科学与工程学院,广东广州510640;
2. 广州大学土木工程学院, 广东广州510006;
3. 湘潭大学信息工程学院,湖南湘潭411105

收稿日期:2014-09-03 发布日期:2018-09-26
通讯作者: 罗强(1986-),男,江西高安人,广州大学讲师,博士。E-mail: luoqiang0617@yeah.net
基金资助:
国家自然科学基金资助项目(61174184)

Division Method of Coordinated Control Sub-areas Based on Group Decision Making Theory and Support Vector Machine

CHEN Si-yi², LUO Qiang¹, HUANG Hui-xian³

1. College of Civil Engineering, Guangzhou University, Guangzhou Guangdong 510006, China;
2. College of Automation Science and Engineering, South China University of Technology, Guangzhou Guangdong 510640, China;
3.College of Information Engineering, Xiangtan University, Xiangtan Hunan 411105, China

Received:2014-09-03 Published:2018-09-26

摘要/Abstract

摘要： 本文针对城市交通信号控制中的子区动态划分问题,利用群决策理论和支持向量机算法,综合考虑相邻交叉口间距、路段交通饱和度和信号配时参数等4个因素的影响,提出用于表示子区划分判断依据的“分离/合并系数”的概念,建立了协调控制子区划分模型。最后给出算例分析,运用MATLAB编程计算对控制子区的动态划分过程进行了描述。

关键词: 交通工程, 子区划分, 群决策, 多目标规划, 支持向量机, 分离/合并系数

Abstract: According to the sub-areas division problems for urban traffic signal control, this paper uses group decision making theory and support vector machine algorithm and considers four factors such as the distance between adjacent intersections, road traffic saturation and signal timing parameters and then proposes “separation/merge factor” concept to represent judgment basis for sub-area division and establishes coordinated control model for sub-area division. Finally, an example is analyzed and programming calculation with MATLAB is introduced to described the dynamic division process of cont rolling sub-area.

Key words: traffic engineering, sub-area division, group decision making, multi-objective programming, support vector machine, separation/merge factor

中图分类号:

U491

陈思溢, 罗强, 黄辉先. 基于群决策理论的协调控制子区划分方法[J]. 广西师范大学学报（自然科学版）, 2014, 32(4): 18-25.

CHEN Si-yi, LUO Qiang, HUANG Hui-xian. Division Method of Coordinated Control Sub-areas Based on Group Decision Making Theory and Support Vector Machine[J]. Journal of Guangxi Normal University(Natural Science Edition), 2014, 32(4): 18-25.

参考文献

[1] 徐建闽. 交通管理与控制[M]. 北京:人民交通出版社,2007.
[2] 尚德申,石建军. 交通控制区域动态划分研究[J]. 道路交通与安全,2007,7(1):27-29.
[3] 杨庆芳,陈林. 交通控制子区动态划分方法[J]. 吉林大学学报:工学版,2006,36(S2):139-142.
[4] 段后利,李志恒. 交通控制子区动态划分模型[J]. 吉林大学学报:工学版,2009,39(S2):13-18.
[5] 李瑞敏,陆化普,史其信. 交通信号控制子区模糊动态划分方法研究[J]. 武汉理工大学学报:交通科学与工程版,2008,32(3):381-384.
[6] 卢凯,徐建闽,李轶舜. 基于关联度分析的协调控制子区划分方法[J]. 华南理工大学学报:自然科学版,2009,37(7):6-10.
[7] 徐泽水,赵华. 偏好信息为模糊互反判断矩阵的模糊多属性决策法[J]. 模糊系统与数学,2004,18(4):115-121.
[8] 邓乃杨,田英杰. 数据挖掘中的新方法:支持向量机[M]. 北京:科学出版社,2004.
[9] 王媛,杨兆升. 基于层次支持向量机的区域战略交通控制策略优化方法[J]. 吉林大学学报:工学版,2009,39(1):38-44.
[10] 董婷. 支持向量机分类算法在MATLAB环境下的实现[J]. 榆林学院学报,2008,18(4):94-96.
[11] ALIREZAL T, FABIOL D F, CRISTINA C, et al. Neural networks and support vector machine algorithms for automatic cloud classsification of whole-sky ground-based images [J]. IEEE Geoscience and Remote Sensing Letters, 2014. 12(3): 666-670.
[12] JUTAROPL R,. BHUSANA P., PRACHYA K., et al. Modeling of mean-field ising-hysteresis behavior: A support vector machine classification [J]. Integrated Ferroelectrics, 2009 155(1):66-70.

相关文章 8

[1]	朱勇建, 彭柯, 漆广文, 夏海英, 宋树祥. 基于机器视觉的太阳能网版缺陷检测[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 105-112.
[2]	吕凯晨, 闫宏飞, 陈翀. 基于沪深300成分股的量化投资策略研究[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 1-12.
[3]	李子彦, 刘伟铭. 一种基于局部HOG特征的运动车辆检测方法[J]. 广西师范大学学报（自然科学版）, 2017, 35(3): 1-13.
[4]	刘艳红, 罗晓曙, 陈锦, 郭磊. 宫颈细胞图像的特征提取与识别研究[J]. 广西师范大学学报（自然科学版）, 2016, 34(2): 61-66.
[5]	邝先验, 吴赟, 曹韦华, 吴银凤. 城市混合非机动车流的元胞自动机仿真模型[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 7-14.
[6]	左信, 黄海龙, 刘建伟. 非凸共轭梯度p范数正则化SVM分类算法[J]. 广西师范大学学报（自然科学版）, 2013, 31(3): 51-58.
[7]	王世明, 徐建闽, 李日涵. 城市快速路入口匝道控制算法的改进[J]. 广西师范大学学报（自然科学版）, 2012, 30(2): 1-6.
[8]	严晓明, 郑之. 基于混合仿生算法的SVM参数优化[J]. 广西师范大学学报（自然科学版）, 2011, 29(2): 114-118.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed