12、智能交通：城市基础设施的升级之道

智能交通：城市基础设施的升级之道

1. 智能交通系统中的实际问题解决方法

提升任何交通系统的经济效率，离不开解决列车自动调度规划和牵引设施维护管理的问题。为确保运输过程的正常运行，需为运营车队的维护创造合适条件，保证在规定时间内提供所需的牵引资源。而在规划牵引资源维护时，交通流量的行为会影响模拟系统，这三个任务相互关联，是构建现代智能交通系统的基础。

2. 交通流量预测问题

以往对交通流量建模进行了诸多研究，采用过回归模型、概率方法等，但由于该领域缺乏精确模型，现有方法效果欠佳。人工智能领域的方法可作为替代，与传统确定性统计方法相比，它们更灵活、可靠，适合在高度不确定的条件下解决问题。此外，将各种人工智能方法与优化方法结合，在处理实际大规模任务时能更高效、灵活。

若将交通流描述为不可压缩流体，主要预测的宏观参数如下：
- 流量：单位时间内列车上的总人数。
- 密度：列车每个单位上的人数。

基于此，乘客流量密度将作为模型的输出参数。研究的问题可表述为：已知某列车上一时期的乘客流量密度，需预测当前时期的乘客流量密度。流量密度 $N(t)$ 是当前时间 $t$ 列车单位面积上的乘客数量，据此可优化当前时间间隔内所需的牵引资源量。

许多现代技术过程的控制系统基于数学建模和预测构建，但技术过程和系统具有复杂性、非线性、系统内部连接了解不足、高惯性、存在滞后和干扰、不稳定等特点，标准的确定性建模方法可能不再适用。解决此问题的一种方法是引入高质量信息，可结合模糊逻辑、神经网络和分析算法来构建决策系统的结论规则。这里使用基于高木 - 关野统计模糊模型构建的模糊差分模型 TSK（TS 模型）来模拟运输过程：