日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

智能交通云控制系統(tǒng)的核心在于為行駛者、交通工具、交通基礎(chǔ)設(shè)施建立起以身份信息為核心、唯一對應(yīng)的標識；然后基于數(shù)據(jù)采集、傳感器、網(wǎng)絡(luò)傳輸?shù)燃夹g(shù), 將獲取的動態(tài)信息即時發(fā)送到智能交通網(wǎng)絡(luò)綜合數(shù)據(jù)處理云控制平臺上, 再通過云控制平臺對獲取的信息數(shù)據(jù)系統(tǒng)性、智能化處理運算, 得到系統(tǒng)預測結(jié)果以及調(diào)控方案, 然后發(fā)送到智能交通終端, 實現(xiàn)對整個智能交通路網(wǎng)的統(tǒng)一監(jiān)控、管理、決策和控制服務(wù)。

智能交通的需求隨著社會生活水平提升日益緊迫，目前現(xiàn)代智能交通信息物理融合路網(wǎng)建設(shè)中主要存在難題：

（1）對象種類復雜；

（2）采集數(shù)據(jù)量大；

（3）傳輸及計算需求高；

（4）實時調(diào)度控制能力弱。

從控制視角分析, 智能交通信息物理融合系統(tǒng)的復雜性使得難以對其進行建模。云端和終端間網(wǎng)絡(luò)時延以及網(wǎng)絡(luò)帶寬飽和會使系統(tǒng)無法實時處理海量數(shù)據(jù), 造成系統(tǒng)性能的損失。為解決這兩個難題, 可利用云控制與邊緣控制結(jié)合的云端協(xié)同控制方式, 提高控制系統(tǒng)實時性和可用性, 實現(xiàn)控制即服務(wù)(Control as a service, CaaS) 的目的。CaaS 面向系統(tǒng)管理員、開發(fā)人員、系統(tǒng)普通用戶, 用戶可以從供應(yīng)商那里獲得所需要的虛擬機或者存儲等資源來裝載相關(guān)的控制計算軟件。CaaS 同時提供給用戶包含基礎(chǔ)操作系統(tǒng)、專業(yè)控制軟件、網(wǎng)絡(luò)和存儲等配置的控制開發(fā)平臺, 具有極高的系統(tǒng)整合率和經(jīng)濟性。另外, 任何一個遠程終端上的控制應(yīng)用都可以通過網(wǎng)絡(luò)來運行。用戶只要接上網(wǎng)絡(luò), 通過瀏覽器就能調(diào)節(jié)修改運行在云端上的控制器, 免去高昂的硬件投入。控制終端將控制系統(tǒng)采集數(shù)據(jù)上傳到云端, 云控制器通過計算得到所需的控制系統(tǒng)參數(shù)和調(diào)節(jié)指令。對于系統(tǒng)模型不確定的控制終端, CaaS 可依托強大的數(shù)據(jù)存儲和計算能力, 利用智能學習算法為控制終端提供數(shù)據(jù)驅(qū)動的模型優(yōu)化學習、模型預測控制、故障診斷與系統(tǒng)維護以及控制系統(tǒng)優(yōu)化調(diào)度決策等服務(wù)。對于系統(tǒng)模型確定的控制終端, CaaS 可根據(jù)控制算法和實時上傳的系統(tǒng)數(shù)據(jù), 提供控制算法資源池優(yōu)化和控制參數(shù)實時自動調(diào)節(jié)服務(wù), 為實際控制系統(tǒng)省去專業(yè)調(diào)試維護人員。CaaS 能夠保證控制系統(tǒng)數(shù)據(jù)的完整性、可靠性和可管理性, 能更好地調(diào)度和管理控制系統(tǒng), 保證其高效運行。CaaS 平臺會以API 的形式將各種各樣的控制服務(wù)集成提供給用戶, 采用多用戶機制, 能夠支撐龐大的控制終端規(guī)模, 并且提供定制化服務(wù)以滿足用戶的特殊需求。

智能交通信息物理融合云控制系統(tǒng)包括交通大數(shù)據(jù)云計算、交通流智能預測、交通流云控制調(diào)度等核心技術(shù)。其中云控制的核心思想是將大量用網(wǎng)絡(luò)連接的計算資源統(tǒng)一管理和調(diào)度, 構(gòu)成一個計算資源池向交通路網(wǎng)設(shè)備以及終端用戶提供按需服務(wù)。

本文主要貢獻：

（1）面向交通控制網(wǎng)絡(luò)智能化發(fā)展的技術(shù)需求, 首次提出智能交通信息物理融合云控制系統(tǒng)設(shè)計方案, 給出了云控制理論在智能交通領(lǐng)域的示范性應(yīng)用。

（2）針對智能交通信息物理融合云控制系統(tǒng)的實現(xiàn)問題, 基于云計算和人工智能等技術(shù), 提出了智能交通邊緣控制技術(shù)、智能交通網(wǎng)絡(luò)虛擬化技術(shù)、交通流云端智能預測技術(shù)。

（3）為解決智能交通系統(tǒng)中的云端交通數(shù)據(jù)處理的難題, 引入了深度信念網(wǎng)絡(luò)支持向量回歸算法(Deep belief network support vector regression, DBN-SVR) 并且提出基于反向傳播的雙端超限學習機算法(Back propagation bilateral extreme learning machine, BP-BELM), 實現(xiàn)了智能交通云控制系統(tǒng)的短時交通流精準預測。

（4）針對智能交通路網(wǎng)大規(guī)模交通流調(diào)控的難題, 在云端設(shè)計了智能交通信息物理融合云控制系統(tǒng)預測交通流分配方案, 進行基于交通流短時預測大數(shù)據(jù)的優(yōu)化調(diào)度。

本文對智能交通信息物理融合云控制系統(tǒng)的結(jié)構(gòu)和核心技術(shù)進行了設(shè)計分析, 探討了云控制技術(shù)在智能交通信息系統(tǒng)中的應(yīng)用模式, 推廣了云控制技術(shù)在智能交通領(lǐng)域的應(yīng)用示范。利用深度學習和超限學習預測算法, 對含有大量交通檢測節(jié)點的整體路網(wǎng)交通流進行準確預測, 對交通擁堵狀況進行預判。利用交通流分配算法對交通流進行智能優(yōu)化調(diào)度, 可改善各交通道路的運行擁堵狀況。另外, 智能學習算法和交通流調(diào)度策略在資源優(yōu)化整合的智能交通云端運行, 避免了傳統(tǒng)智能交通設(shè)備的計算存儲局限性, 可預防設(shè)備故障, 并節(jié)約智能交通系統(tǒng)建設(shè)和維護成本。事實上, 當前云控制技術(shù)還在發(fā)展階段, 本文提出的智能交通信息物理融合云控制系統(tǒng)是云控制技術(shù)的初步應(yīng)用, 如何對復雜交通數(shù)據(jù)在云端進行高效的分類處理, 得到最優(yōu)的智能交通實時云控制方案, 仍然是智能交通信息物理融合云控制系統(tǒng)研究需要解決的技術(shù)難點。

作者簡介