[发明专利]基于自适应神经模糊推理系统的道路交通状态评价方法

摘要

本发明涉及一种基于自适应神经模糊推理系统的道路交通状态评价方法，包括训练阶段与测试阶段；其中，训练阶段包括：读取输入变量与输出变量的历史数据；将历史数据输入到自适应神经模糊推理系统中，得到自适应神经模糊推理系统的输出结果；基于反传思想的参数学习规则，结合自适应神经模糊推理系统的输出结果对参数进行调整，得到经过参数调整后的自适应神经模糊推理系统；计算参数调整后的自适应神经模糊推理系统的最小均方差，判断该值是否达到一指定阈值，如果达到，意味着训练阶段结束；测试阶段包括：读取测试数据；将测试数据输入到经由训练阶段训练得到的自适应神经模糊推理系统中，得到用于描述道路交通状态的服务水平的值。

主权项

1.一种基于自适应神经模糊推理系统的道路交通状态评价方法，包括训练阶段与测试阶段；其中，所述训练阶段包括以下步骤：步骤101)、读取输入变量与输出变量的历史数据；所述输入变量包括流量、占有率和速度，所述输出变量包括服务水平值；步骤102)、将步骤101)所输入的历史数据输入到自适应神经模糊推理系统中，得到自适应神经模糊推理系统的输出结果；基于反传思想的参数学习规则，结合所述自适应神经模糊推理系统的输出结果对自适应神经模糊推理系统的参数进行调整，得到经过参数调整后的自适应神经模糊推理系统；其中，所述自适应神经模糊推理系统的参数包括前提参数、结论参数、为输入变量设定的权重参数、为规则设定的权重参数；所述前提参数由推理前件的隶属度函数形状决定；所述结论参数由推理后件的隶属度函数形状决定；步骤103)、计算步骤102)所得到的参数调整后的自适应神经模糊推理系统的最小均方差，判断该值是否达到一指定阈值，如果达到，意味着训练阶段结束；否则，执行下一步；步骤104)、读取一组新的关于输入变量与输出变量的历史数据，然后重新执行步骤102)；所述测试阶段包括以下步骤：步骤201)、读取测试数据，所述测试数据包括：流量、占有率和速度的历史数据；步骤202)、将测试数据输入到经由训练阶段训练得到的自适应神经模糊推理系统中，得到用于描述道路交通状态的服务水平的值；所述自适应神经模糊推理系统包括五层，分别为：第一层：模糊层，用于将精确输入模糊化；O1,i＝μAi(x),i＝12或其中，O_j,i表示第j层的第i个结点输出，μ_Ai、为前件的隶属度函数，这两个前件隶属度函数用广义钟形MF来定义：或其中的ai、bi、ci为前提参数；第二层，推理层，用于计算每条规则的激励强度wi；其中，i＝1、2，μ_i表示每个输入的权重，第三层，隐含层，用于计算每条规则的有效后件MF；其中，i＝1、2；C_i推理后件；表示隐含算子；第四层，聚合层，用于计算所有规则有效后件MF的总和；其中，i＝1、2；τ_i表示每条规则的权重；聚合算子采用choquet积分；第五层，去模糊层，用于计算系统的精确输出；其中，D表示去模糊算子，其计算采用中心去模糊化法实现。