• <nav id="22ogq"><source id="22ogq"></source></nav><option id="22ogq"></option>
  • <xmp id="22ogq"><wbr id="22ogq"></wbr>
  • 聯系我們

    聯系電話:0731-88250666

     0731-88382379

    E - mail:jhzn2007@vip.163.com

    生產廠區:長沙市望城經開區烏山鎮中小企業園興工一路一號

    行業新聞
    首頁  >  行業新聞

    深度 | 智能交通信息物理融合云控制系統

    智能交通云控制系統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;然后基于數據采集、傳感器、網絡傳輸等技術,將獲取的動態信息即時發送到智能交通網絡綜合數據處理云控制平臺上,再通過云控制平臺對獲取的信息數據系統性、智能化處理運算,得到系統預測結果以及調控方案,然后發送到智能交通終端,實現對整個智能交通路網的統一監控、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,目前現代智能交通信息物理融合路網建設中主要存在難題:

    (1)對象種類復雜;

    (2)采集數據量大;

    (3)傳輸及計算需求高;

    (4)實時調度控制能力弱。

    針對以上難題,基于云控制系統理論,以現代智能交通控制網絡為研究對象,設計了智能交通信息物理融合云控制系統方案,包括智能交通邊緣控制技術和智能交通網絡虛擬化技術?;谥悄芙煌鞔髷祿?,在云控制管理中心服務器上利用深度學習和超限學習機等智能學習方法對采集的交通流數據進行訓練預測計算,能夠預測城市道路的短時交通流和擁堵狀況。進一步在云端利用智能優化調度算法得到實時的交通流調控策略,用于解決擁堵路段交通流分配難題,提高智能交通控制系統動態運行性能。

    從控制視角分析,智能交通信息物理融合系統的復雜性使得難以對其進行建模。云端和終端間網絡時延以及網絡帶寬飽和會使系統無法實時處理海量數據,造成系統性能的損失。為解決這兩個難題,可利用云控制與邊緣控制結合的云端協同控制方式,提高控制系統實時性和可用性,實現控制即服務(Control as a service, CaaS) 的目的。CaaS 面向系統管理員、開發人員、系統普通用戶,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、專業控制軟件、網絡和存儲等配置的控制開發平臺,具有極高的系統整合率和經濟性。另外,任何一個遠程終端上的控制應用都可以通過網絡來運行。用戶只要接上網絡,通過瀏覽器就能調節修改運行在云端上的控制器,免去高昂的硬件投入??刂平K端將控制系統采集數據上傳到云端,云控制器通過計算得到所需的控制系統參數和調節指令。對于系統模型不確定的控制終端,CaaS 可依托強大的數據存儲和計算能力,利用智能學習算法為控制終端提供數據驅動的模型優化學習、模型預測控制、故障診斷與系統維護以及控制系統優化調度決策等服務。對于系統模型確定的控制終端,CaaS 可根據控制算法和實時上傳的系統數據,提供控制算法資源池優化和控制參數實時自動調節服務,為實際控制系統省去專業調試維護人員。CaaS 能夠保證控制系統數據的完整性、可靠性和可管理性,能更好地調度和管理控制系統,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包括交通大數據云計算、交通流智能預測、交通流云控制調度等核心技術。其中云控制的核心思想是將大量用網絡連接的計算資源統一管理和調度,構成一個計算資源池向交通路網設備以及終端用戶提供按需服務。

    本文主要貢獻:

    (1)面向交通控制網絡智能化發展的技術需求,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的實現問題,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中的云端交通數據處理的難題,引入了深度信念網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),實現了智能交通云控制系統的短時交通流精準預測。

    (4)針對智能交通路網大規模交通流調控的難題,在云端設計了智能交通信息物理融合云控制系統預測交通流分配方案,進行基于交通流短時預測大數據的優化調度。

    本文對智能交通信息物理融合云控制系統的結構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點的整體路網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化調度,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度策略在資源優化整合的智能交通云端運行,避免了傳統智能交通設備的計算存儲局限性,可預防設備故障,并節約智能交通系統建設和維護成本。事實上,當前云控制技術還在發展階段,, 本文提出的智能交通信息物理融合云控制系統是云控制技術的初步應用,如何對復雜交通數據在云端進行高效的分類處理,得到最優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研究需要解決的技術難點。



    小SAO货叫大声点奶真大,啊好痛好深别进去了视频,肉到失禁高H视频在线观看,粗大的内捧猛烈进出动态图
  • <nav id="22ogq"><source id="22ogq"></source></nav><option id="22ogq"></option>
  • <xmp id="22ogq"><wbr id="22ogq"></wbr>