مدل سازی و کنترل نظارتی شبکه های ترافیک شهری ابعاد وسیع با استفاده از پتری نت های هایبرید
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 2,550
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
TTC12_328
Index date: 13 June 2013
مدل سازی و کنترل نظارتی شبکه های ترافیک شهری ابعاد وسیع با استفاده از پتری نت های هایبرید abstract
با افزایش روزافزون جمعیت شهری و وسایل نقلیه به خصوص در شهرهای بزرگ، ترافیک به یکی از مسائل و مشکلات مهم تبدیل شده است. در این مقاله، هدف طراحی یک ساختار کنترلی است که بتواند سیگنالهای کنترلی مناسب جهت عملکرد بهینه شبکه ترافیک و کاهش ازدحام ترافیکی را تولید کند. یکی از مهمترین سیگنالهای کنترلی شبکه های ترافیک شهری، مدتزمان چراغهای راهنمایی است که بهینه بودن مقدار آنها، تاثیر زیادی بر روی عملکرد شبکه دارد. نگاه ما به شبکه ترافیک شهری از دید یک سیستم رخدادگسسته است که دارای متغیرهای پیوسته نیز میباشد. از این رو از پترینتهای هایبرید به عنوان ابزار ریاضی جهت مدلسازی استفاده میشود و شبکه ترافیک شهری، با هر تعداد و انواع از عناصر ترافیکی، با کمک یک روش سیستماتیک و ماژولار مدلسازی میشود. سپس با ارائه روشهایی جهت کاهش مرتبه مدل شبکه ترافیک و همچنین تجزیه آن به زیرشبکهها با استفاده از شبکه های عصبی، به طراحی یک ساختار کنترلی سلسله مراتبی مبتنی بر MPC جهت بهینه سازی تابع هدف مجموع زمانهای تلف شده در شبکه ترافیک میپردازیم. ساختار کنترل سلسله مراتبی مبتنی بر MPC، سیگنالهای کنترلی بهینه برای کل شبکه ترافیک شهری ابعادوسیع را تولید میکند و در نتیجه باعث افزایش عملکرد بهینه شبکه و کاهش ازدحام ترافیکی آن میشود.
مدل سازی و کنترل نظارتی شبکه های ترافیک شهری ابعاد وسیع با استفاده از پتری نت های هایبرید Keywords:
مدل سازی و کنترل نظارتی شبکه های ترافیک شهری ابعاد وسیع با استفاده از پتری نت های هایبرید authors
سجاد امینی
دانشجوی کارشناسی ارشد، دانشکده برق، دانشگاه صنعتی امیرکبیر (پلی تکنی
علی دوست محمدی
استادیار، دانشکده برق، دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :