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、交通基礎設施建立起以身份信息為核心、唯一對應的標識；然后基于數(shù)據(jù)采集、傳感器、網(wǎng)絡傳輸?shù)燃夹g, 將獲取的動態(tài)信息即時發(fā)送到智能交通網(wǎng)絡綜合數(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。

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)絡時延以及網(wǎng)絡帶寬飽和會使系統(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(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, 用戶可以從供應商那里獲得所需要的虛擬機或者存儲等資源來裝載相關的控制計算軟件。CaaS 同時提供給用戶包含基礎操作系統(tǒng)、專業(yè)控制軟件、網(wǎng)絡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用都可以通過網(wǎng)絡來運行。用戶只要接上網(wǎng)絡, 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。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, 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。其中云控制的核心思想是將大量用網(wǎng)絡連接的計算資源統(tǒng)一管理和調(diào)度, 構(gòu)成一個計算資源池向交通路網(wǎng)設備以及終端用戶提供按需服務。

本文主要貢獻：

（1）面向交通控制網(wǎng)絡智能化發(fā)展的技術需求, 首次提出智能交通信息物理融合云控制系統(tǒng)設計方案, 給出了云控制理論在智能交通領域的示范性應用。

（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, 提出了智能交通邊緣控制技術、智能交通網(wǎng)絡虛擬化技術、交通流云端智能預測技術。

（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)和核心技術進行了設計分析, 探討了云控制技術在智能交通信息系統(tǒng)中的應用模式, 推廣了云控制技術在智能交通領域的應用示范。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)智能交通設備的計算存儲局限性, 可預防設備故障, 并節(jié)約智能交通系統(tǒng)建設和維護成本。事實上, 當前云控制技術還在發(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)是云控制技術的初步應用, 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難點。

作者簡介