第一篇：人工智能在高?；旌鲜浇虒W中的應用導論

人工智能在高校混合式教學中的應用導論

摘要：混合式教學是將線上與線下教學相結合，是一種計算機網絡支持的信息化教學方法。人工智能在其中的應用具有較好的前景。本文探析人工智能在高?；旌鲜浇虒W中的應用，以促進我國高校智慧教學和教育信息化的發(fā)展。

關鍵詞：人工智能；高校；混合式教學；MOOC

一、前言

人工智能是在機器上實現(xiàn)人類智能的技術科學，有著廣泛的應用和深刻的影響。將人工智能與高?；旌鲜浇虒W相結合，不僅可以實現(xiàn)對信息資源的充分利用，還能有效的改善教學效果，提高學習效率，是高校智慧教學建設的有機部分。

二、人工智能與混合式教學相關概念

（一）人工智能概念

人工智能，是涉及計算機、神經科學和認知科學等多學科的模擬人類智能的技術科學。借助于計算能力以及神經網絡方面研究的突破，人工智能特別是深度學習在近年來取得了顯著的進步，被應用到工業(yè)、醫(yī)學、交通、金融、法律等等領域。人工智能在教育領域的應用更是方興未艾，其核心是基于計算機支持的智能教學系統(tǒng)，在理解學習過程的基礎上，融合教育、認知、計算機、信息科學和心理學等學科，用人工智能來改善教學過程，實現(xiàn)精準教學和智慧教學。

（二）混合式教學（Blended Learning）

混合式教學基于網絡和移動教學平臺，將在線學習和現(xiàn)場課堂教學相結合，加強師生互動，并引導學生自主學習，是一種以學習者為中心的新型教學模式。混合式教學結合線上與線下的活動，能夠基于學生學習行為的大數(shù)據分析，為學生提供學習建議，幫助改進教學方案，改善教學效果。

（三）混合式學習內容

1.學習理論的混合

混合式教學之所以能夠滿足不同主體的學習要求，重點在于“混合”。在理論上，實現(xiàn)了虛擬與現(xiàn)實的有效結合，在拓展學生學習思維的同時，還能夠構建起良好的教學情境，使學生對學習內容始終保持新鮮感，從而更積極地參與到學習活動當中。

2.學習資源的混合

混合學習能夠實現(xiàn)線上與線下資源的有效結合，教師在網絡上收集盡可能多的教學資源，為學生構建起系統(tǒng)的學習的平臺，使隱性知識顯性化，顯性知識系統(tǒng)化，實現(xiàn)對教學資源的優(yōu)化管理，此外，混合式學習利用計算機為主要學習工具，為資源共享奠定了良好的基礎。

3.學習環(huán)境的混合

與傳統(tǒng)課堂教學不同，混合式學習為學生提供了更加豐富的學習環(huán)境，且學習不會受到時間與空間上的限制，一切學習內容都以學生為主體，學生只需要利用計算機或移動手機等網絡設備就可以隨時隨地的觀看教學視頻。此外，網絡平臺還具備評價功能，教師可及時地了解學生的反饋情況，對教學內容進行優(yōu)化配置，進一步提升教學效率。

三、人工智能在高?；旌鲜浇虒W中的應用

最近，挪威管理學院引入人工智能作為助教，幫助教師更快捷地回答學生的問題。清華大學基于MOOC（大規(guī)模在線開放課程）教學方式，開展了一百多門課程的混合式教學實踐，并在將近千萬注冊者的教學大數(shù)據基礎上做了深度學習分析的探索。人工智能在MOOC中應用，可以為用戶進行個性化建模和建議，能夠自動分析課程以及知識點之間的關聯(lián)，在前兩者基礎上與用戶進行互動。人工智能基于對MOOC學習大數(shù)據分析，可以用積極心理學的方法介入在線教學環(huán)節(jié)，提高學員學習動力和效率。人工智能在高校教學中會有越來越廣泛和深入的應用。

（一）智能評測

所謂智能評測，就是對學生的學習過程進行自主測評的過程，并對測評的結果進行分析，最終整理出個性化的反饋內容的一系列過程。在人工智能的支持下進行測評，將學生進行群體劃分，對其學習情況進行綜合測算，在此基礎上對個人學習成果進行再次分析，最終得出個性化的反饋結果，做到“因類施教”。

教師也可以利用人工智能中的語音識別技術來審核學生的口語表達能力，并在系統(tǒng)中自動生成分數(shù)，極大地提升了學生考核的效率?；谌斯ぶ悄苤械淖匀徽Z言處理技術的主觀題和論文自動評分系統(tǒng)也有了探索性的發(fā)展。

（二）個性化教學

因材施教向來是我國教育的重點內容，通過利用人工智能，網絡教學平臺可以自主的測算出學生的學習興趣與偏好科目，并推薦學生可能感興趣的書籍，使教學工作更具有針對性，更能夠滿足現(xiàn)代教學的實際需求。

（三）智能導學

基于對網絡數(shù)據平臺上的學生學?過程數(shù)據分析，人工智能可以進行智能導學。對學生近期的練習內容以及解答情況進行掃描評估，找到學生不擅長的領域，并為學生規(guī)劃學習路徑，提供學習指南等，使學生的學習更具有針對性。當學生進入到新課程的學習時，系統(tǒng)還可以對知識點進行掃描分析，將知識點與舊知識內容進行有效結合，幫助學生系統(tǒng)地掌握學習內容。系統(tǒng)綜合分析學生的做題情況，協(xié)助教師了解學生的學習水平，為后續(xù)的教學方案的改進提供合理依據。

（四）智能在線考試

將人工智能引擎加入混合式教學的網絡教學平臺中，能完成測評與考試等大量的復雜性工作內容。通過設置了一定的閱卷標準，可以快速地進行試卷批改，并準確的找出雷同卷，防止作弊現(xiàn)象的發(fā)生。此外，人工智能可以幫助教師進行試卷內容的分析和評閱，實現(xiàn)對數(shù)據的深入挖掘，有助于教師改進教學方案。人工智能還可以與云計算、物聯(lián)網以及大數(shù)據的有效結合，為教師分擔繁重的批改工作，實現(xiàn)線上與線下教學工作的良好結合。

四、結語

綜上所述，人工智能在混合式教學中的應用，能夠有效地改善現(xiàn)代高校教育體制中存在的不足，實現(xiàn)對教學資源的靈活運用，提升教學效果，有助于建設智慧教學系統(tǒng)，實現(xiàn)高校精準教學的發(fā)展。

參考文獻：

[1]郝兆杰，潘林.高校教師翻轉課堂教學勝任力模型構建研究――兼及“人工智能+”背景下的教學新思考[J].遠程教育雜志，2017，35（6）：66-75.[2]Jing X，Tang J.Guess you like： course recommendation in MOOCs[C].Proceedings of the International Conference on Web Intelligence.ACM，2017： 783-789.[3]張均勝，石崇德.一種基于短文本相似度計算的主觀題自動閱卷方法[J].圖書情報工作，2014，58（19）：31-38.[4]冀俊忠.落實科學發(fā)展觀，深化“人工智能”課程的教學改革[J].計算機教育，2009（24）：105-107.作者簡介：王晟，浙江省杭州市，杭州電子科技大學生儀學院。

第二篇：混合式教學在通識課《現(xiàn)代生命科學導論》中的應用探索

混合式教學在通識課《現(xiàn)代生命科學導論》中的應用探索

摘要：《現(xiàn)代生命科學導論》是本科教育階段重要的通識課，是一門適應素質教育、拓寬學生知識面、增強學生創(chuàng)新能力的課程。由于生命科學涉及的領域非常廣泛，如何在有限學時內精選課程內容、優(yōu)化教學方法、并凸顯本校學科優(yōu)勢，均是當前該課程建設中亟待解決的難題。研究者在教學實踐中引入了混合式教學模式，將傳統(tǒng)課堂教學與網絡教學相結合，并在教學方法和教學手段、課堂組織形式、考核方式等方面進行了改革和探索，獲得了較好的教學效果。本研究為綜合類高校中生命科學類通識課的建設進行了有益的探索。

關鍵詞：混合式教學模式;現(xiàn)代生命科學導論;通識課;考核方式

中圖分類號：G642.0

文獻標志碼：A

文章編號：1674-9324（2018）20-0170-02

《現(xiàn)代生命科學導論》是一門適應素質教育、拓寬學生知識面、增強學生創(chuàng)新能力的校級課程[1-2]。課程覆蓋知識面廣，具有一定的理論深度，頗受學生喜愛。我們在長期的教學過程以及學生的反饋意見中，發(fā)現(xiàn)該課程存在一些比較突出的問題。例如，教學內容中過度強調生物學系統(tǒng)知識，一些章節(jié)理論性較強，內容比較枯燥，難以激發(fā)理工科為主的學生群體的學習興趣。另外，成績考核始終采用課程論文+日?？记?，學生參與度非常低。鑒于此，研究者對本課程嘗試進行了教學改革，希望將其準確定位于通識教育，篩選學生真正感興趣的生命科學熱點問題，將授課重心放在告訴學生現(xiàn)代生命科學是做什么，而不是讓學生掌握現(xiàn)代生命科學怎么做，授課內容圍繞基礎知識+趣味性+前沿性，吸引學生選課和學習。其次，在成績評定中，大力提高平時成績占比，提高學生的課堂參與度。

混合式教學（Blending Leaching）是一種將傳統(tǒng)課堂中的面對面授課模式和學生基于網絡教學平臺的自主學習相結合的教學模式，有望實現(xiàn)二者的優(yōu)勢互補。隨著信息技術對高校教學環(huán)境和教學條件的巨大改變，從傳統(tǒng)課堂教學到網絡教學E-learning，再到混合式教學，需要教師在教學理念上加以更新，自覺地運用和實施現(xiàn)代的教學手段。

本文研究者將混合式教學模式引入了《現(xiàn)代生命科學導論》的教學中，通過與有經驗的前輩教師進行教學經驗和教學資料交流，吸納教研組同事意見和建議，優(yōu)化了課程內容;設計了課程問卷，分析調研數(shù)據，對授課內容進行進一步篩選。與學生課堂和教學網站加強交流，根據學生反饋靈活調整授課內容，強化師生互動;研究者加強了課程教學網站的建設，將教學課件、短知識點教學視頻、課程簡介、教學大綱、授課計劃等教學資料均上傳至教學網站上供學生瀏覽和學習。教師在線布置課程作業(yè)并進行批改，在線發(fā)布課程相關熱點問題引導學生進行討論，并鼓勵學生獨立發(fā)布討論主題。課程期末考核采用課程論文，由學生在生命科學領域獨立選擇感興趣的題目來完成。教師對學生在課程網站的留言和站內信息及時回復，保證了一對多的有效溝通，大大改變了教師與外學院選課學生交流溝通不暢的問題。在課堂教學中，力求選取本最新的案例引入教學，使學生感受到最新動態(tài)與經典知識的碰撞，引導學生調動原有學科背景、多方位多角度理解和分析復雜的生命科學問題。對于原來較為陳舊的圖片和章節(jié)進行更新，提升多媒體時間占比，調動學生的學習熱情。

經過課改建設后，目前本課程精選了日本福島核電站事故、艾滋病的職業(yè)暴露、WHO與埃博拉病毒等案例，并把教師講授時間控制在課堂教學時間的60%，剩余時間交給多媒體播放以及答疑，引導學生主動思考;課程充分利用網絡教學平臺和手機APP，上傳了本課程的全部教學課件和短知識點視頻，供學生課下自學。由于學生較多，課程討論采用課下在線討論的形式進行，教師發(fā)布課程相關的熱點問題，同時鼓勵學生發(fā)布原創(chuàng)問題。以選課人數(shù)107人的課改班為例，學生參與討論人數(shù)為73人，總數(shù)達到158人次。

課堂教學模式由傳統(tǒng)課堂教學向混合式教學的改變需要考核方式的改革進行支撐。課改前，本課程綜合成績來自于課堂考勤（占比60%）和課程論文（占比40%）。引入混合式教學法后，單一的課堂考勤變更為課堂考勤（30%）+在線作業(yè)（20%）+討論（10%），即平時成績的50%應來自于在線作業(yè)和討論，要求學生必須更加主動地進行課下學習。其次，將課程論文提交方式由紙質版改為在網絡教學平臺在線提交，給學生創(chuàng)造更多機會熟悉和使用網絡教學平臺。針對考核方式的變化，8%的學生認為作業(yè)和討論在平時成績中的占比偏高，15%認為偏低，而77%的同學認為比例合適。課改實施一輪后，我們分別對課改班和對照班的成績進行了分析，兩個班成績均呈正態(tài)分布，說明我們的成績評價體系比較合理。統(tǒng)計可知課改班平均分為84.38，標準差為7.46，對照班平均分為85.49，標準差為5.68。進一步對成績分布區(qū)間進行比較可知課改班成績分布更加合理，且體現(xiàn)出較大的區(qū)分度，高分段和低分段人數(shù)都有增加，而對照班由于成績考核手段單一，成績主要集中于個別區(qū)間。以上結果提示，課改后的教學模式更依賴于學生學習的自主性。

生命科學通識教育可提高學生用現(xiàn)代生物學的觀點來分析和解決問題的能力[3]。我們在校通識課《現(xiàn)代生命科學導論》中引入了混合式教學模式，對授課內容、教學手段、課堂組織形式、考核方式等都進行了改革。課改后，本課程取得了良好的教學效果，有效提升了學生的課程參與度，基本達到了課程建設的預期目標。本研究為綜合類高校中生命科學類通識課的建設進行了有益的探索。

參考文獻：

[1]明鳳，常芳，李捷.互動式的“教與學”――“現(xiàn)代生命科學導論”課程授課方法初探[J].高校生物學教學研究：電子版，2013，3（4）：10-13.[2]李巖，趙懿琛，趙德剛.貴州大學“生命科學導論”課程教學內容的研究與實踐[J].教育教學論壇，2016，（46）：129-130.[3]李冰.《生命科學導論》核心?n程建設之初探索[J].青島大學醫(yī)學院學報，2016，（4）：482-483.

第三篇：人工智能在教學中的應用與實現(xiàn)

人工智能在教學中的應用與實現(xiàn)

隨著現(xiàn)代科技的飛速發(fā)展，多媒體計算機在教育領域得到了廣泛應用，并對教育、教學過程產生著深刻影響。為了使教學改革能與之相適應，需要引入先進的教學手段，而使用計算機輔助教學系統(tǒng)(Computer Aided Instruction, CAI)可以提供理想的教學環(huán)境，容易激發(fā)學習者的學習積極性和主動性，從而顯著提高教學效果。多媒體技術的日益發(fā)展以及與其它領先技術的結合，必然促進CAI的進一步發(fā)展。人工智能(Artificial Intelligence, AI)是20世紀50年代中期興起的一門新興邊緣科學，它既是計算機科學的一個分支，又是計算機科學、控制論、信息論、語言學、神經生理學、心理學、數(shù)學、哲學等多種學科相互滲透而發(fā)展起來的綜合性學科。人工智能又稱為智能模擬，是用計算機系統(tǒng)模仿人類的感知、思維、推理等思維活動。它研究和應用的領域包括模式識別、自然語言理解與生成、專家系統(tǒng)、自動程序設計、定理證明、聯(lián)想與思維的機理、數(shù)據智能檢索等。例如，用計算機模擬人腦的部分功能進行學習、推理、聯(lián)想和決策；模擬醫(yī)生給病人診病的醫(yī)療診斷專家系統(tǒng)；機械手與機器人的研究和應用等。本文針對CAI的發(fā)展前景，重點論述人工智能技術對CAI，尤其是對智能化CAI產生的重大影響，并通過一個實例說明實現(xiàn)的思路與設想。計算機輔助教學系統(tǒng)及其現(xiàn)狀 1 計算機輔助教學系統(tǒng)

計算機輔助教學(CAI)即利用計算機代替教師進行教學，把教學內容編成各種“課件”，學習者可以根據自己的程度選擇不同的內容進行學習，從而使教學內容多樣化、形象化，便于因材施教。如各種教學軟件、試題庫、專家系統(tǒng)等。CAI無論是在普通教育、高等教育還是在繼續(xù)教育中都扮演著重要的角色。在國外，CAI課件已經廣泛應用于學校和家庭中，并收到了很好的效果。在我國，盡管CAI的研究起步較晚，但發(fā)展很快，自上世紀80年代起，已有一批實力雄厚的高等院校把CAI的發(fā)展列為重點研究課題。2 計算機輔助教學的現(xiàn)狀

CAI的實現(xiàn)需要應用AI技術及編制復雜的程序，如自然語言理解、知識表示、推理方法等，一些AI技術的特殊應用成果，如代數(shù)說明、符號合成、醫(yī)療診斷及理論證明等均被應用于CAI系統(tǒng)，以提高其智能性和實用性。

早期絕大多數(shù)CAI課件大都使用決策理論和隨機學習的模式，它極大地簡化了學習過程的表達形式。例如早期的地質教學系統(tǒng)(SCHOCAR)等。后來，隨著人工智能技術的發(fā)展，CAI系統(tǒng)中添加了學生的學習行為及訓練策略，同時AI技術被應用于建立學習顧問模塊(存放所要教課程的問題和技能)。這種方法能控制訓練策略并給出適合學生的學習內容。目前為了獲取對課程知識表示和控制的靈活性和模塊性，有些CAI系統(tǒng)還用AI技術來表示訓練計劃和策略。例如多數(shù)程序設計語言的CAI均屬此例。

到目前為止，所使用的絕大多數(shù)傳統(tǒng)的CAI都是將全部教學信息以編程方式預置于課件中，這樣的CAI課件一旦制作完成，任何較大的教學改動都會給維護工作帶來極大的不便。因此現(xiàn)有的CAI系統(tǒng)面臨許多挑戰(zhàn)，它主要存在以下幾方面的問題。（1）缺乏開放性

不具有開放性是目前CAI課件最大的缺點。使用者無法對課件進行任何修改，只能利用已有資源按設定的路線進行教學。其弊端在于：①

固定內容的局限性使課件的適用面狹窄；② 設定的運行路線使授課缺乏自主性；③ 授課的針對性不強；④ 無法利用新出現(xiàn)的資源在較高起點上進行二次開發(fā)。（2）缺乏人機交互能力

現(xiàn)有CAI大多以光盤作為信息的載體，將教材中的內容以多媒體的形式展現(xiàn)出來，教學信息是按預置的教學流程機械式地提供給學習者，學習者使用CAI課件學習是完全被動的。在課堂教學中，一般只能通過教師按預定的課件流程進行操作，無論學生還是教師都不能很好地參與教與學的過程，因此人機交互沒有很好地實現(xiàn)。（3）忽視課程本身的特點

各門課程在教學上有不同的要求，但現(xiàn)有課件對于這些不同要求完全不予理會。例如很多課程都要涉及到大量的曲線或曲面，對有些課程來說，將這些曲線或曲面給出一個簡單的展示就足夠了，而有些課程這樣的展示不能達到教學目的的要求。例如：在講授計算機圖形學中各種曲線或曲面的生成算法時，如果能在課件中直接動態(tài)地展示這些圖形的生成過程，充分發(fā)揮計算機輔助教學的優(yōu)點，無疑會使計算機圖形學的教學更具有吸引力，從而大大提高教學效率。

（4）缺乏教師與學生的互動

現(xiàn)有CAI課件在學生自學以及進行操作使用時，如何學習都是學生自己的事。教師不能完全了解學習者的情況，學生在碰到問題時不能向教師求助，師生之間互相封閉，談不上師生互動，因此課件所起的效果大打折扣。同時由于缺乏網絡支持，現(xiàn)有的絕大多數(shù)CAI課件都是在單機環(huán)境下運行的，它們無法利用網絡的優(yōu)勢使知識內容快速更新，當然更無法提供便捷的學習討論空間、隨時隨地的師生交流方式以及遠程教學實現(xiàn)的條件。（5）缺乏教學策略

在課件的開發(fā)過程中實際上離不開教學策略的設計，但課件的制作者往往并未意識到這一點。例如：現(xiàn)有的絕大多數(shù)課件都是單一的展播式的，這樣的課件制作“精美”，但它不可逆、不能互動。實際上運用課件教學只是手段而不是目的，應該在教學設計理論的指導下講求課件的實效性，著眼點在于對學生學習新知識、掌握新技術、培養(yǎng)各種能力有幫助，而不是表面上的制作“精美”。（6）缺乏智能性

現(xiàn)有的CAI課件系統(tǒng)不能對不同程度的學生進行有針對性的教育，學生的學習是被動的，不能由系統(tǒng)自動提供助學信息而使學生有選擇地學習。對教師而言，其教學不能積極地參與其中，不能根據系統(tǒng)提供的信息按照學生的認知模型為其準備最適合的學習內容，更不能給予不同方式的教學模式與方法，因此不具有智能性。

綜上所述，現(xiàn)有的CAI存在許多問題，隨著新技術的不斷出現(xiàn)，這些問題將使CAI越來越不能適應新的要求。因此以智能CAI為代表的新的計算機輔助教學系統(tǒng)將成為教育技術上需要不斷探求、努力實現(xiàn)的發(fā)展方向。3 智能化計算機輔助教學系統(tǒng)(ICAI)智能計算機輔助教學系統(tǒng)(Intelligent Computer Aided Instruction, ICAI)以認知學為理論基礎，將AI技術應用于CAI，是智能化的CAI。在ICAI系統(tǒng)中，學生的學習可以借助于智能化計算機對大量知識進行選擇、判斷、處理，使學習內容更有針對性，從而提高學習效果。

教學過程是一個復雜的教與學的思維過程。它需要教師以其專門知識和經驗為依據，經過吸收、講解、推理、示例、綜合等多個步驟才能較好地完成。一個教學型專家系統(tǒng)的任務是根據學生的特點、弱點和基礎知識，以最適當?shù)慕虒W方案和教學方法對學生進行教學和輔導。因此，從AI的角度看，計算機輔助教學實際上是一個由計算機系統(tǒng)輔助教師進行教學及學生進行學習并得以實現(xiàn)的“專家系統(tǒng)”。因而，在CAI中引人AI思想，即使用專家系統(tǒng)的方法、工具，構建智能CAI(即ICAI)。這樣構建成的專家系統(tǒng)的主要特點是具有診斷和調試修改功能、具有良好的人機界面。

在智能CAI中，教學思想、方法、學習內容可用知識形式表示，如何解決知識的形式化表示以及知識的訪問與調用問題，是AI的核心技術之一，也是將AI引入教育技術領域中所要面臨的一個問題。知識庫是實現(xiàn)知識推理與專家系統(tǒng)的基礎，可以用知識庫作為智能CAI的構建環(huán)境，在知識庫中，教學內容等的有關知識可以用事實與規(guī)則表示，并存儲于知識庫內。教學與學習過程即是對知識庫中的知識進行推理，并最終得出所需結果的過程。由于專家系統(tǒng)主要是由知識庫與推理機組成的，因此，它也是智能計算機輔助教學系統(tǒng)的核心技術。

第四篇：“混合式教學”在經濟法教學過程中的應用探討

“混合式教學”在經濟法教學過程中的應用探討

【摘要】經濟法是法學本科生專業(yè)必修課程之一，在市場經濟飛速發(fā)展的今天，他從企業(yè)組織關系、市場管理關系、宏觀經濟調控關系等方面為我國市場經濟運行起著協(xié)調作用。越來越多的學生審時度勢著重關注經濟法課程，也有的學生以經濟法為以后職業(yè)生涯的方向，因此，經濟法課程的教學的改革也成為教學改革的熱議話題。隨著互聯(lián)網的深入普及，傳統(tǒng)的經濟法課程教學模式也被重重擊醒，各網絡平臺的經濟法課程相繼推出，對原本單一的課堂教學模式提出了新的挑戰(zhàn)?，F(xiàn)代互聯(lián)網和傳統(tǒng)的教學方法相結合才能豐富課堂，滿足學生的需要，“混合式教學”是一種將傳統(tǒng)與網絡平臺優(yōu)勢互補的教學模式，運作良好的話可以成為經濟法課堂教學的改革的風向標。

【關鍵詞】經濟法課堂教學混合式教學

經濟法傳統(tǒng)的課堂教學方式是以教師為中心，學生為聽眾的方式組織課堂。而“混合式教學”將網絡平臺教學的優(yōu)勢融入了傳統(tǒng)教學的課堂，以學生為中心，以教師為引導的新型教學模式，更有利于學生個性化自主學習。“混合式教學”模式其實在教學實踐工作中已經被廣泛應用，很多教師都對這一模式在經濟法課程教學改革中進行了探索，本文通過學習和實踐教學經驗的總結就經濟法課程教學中“混合式教學”模式的應用進行了相關探討。

一、關于“混合式教學”概述

（一）“混合式教學”的概念及特征

“混合式教學”又稱混合學習，或融合學習。在“混合式教學”活動中，傳統(tǒng)的課堂教學和利用互聯(lián)網教學是兩種最基本的教學形式，既包括教師在課堂上的講授形式，也學生課后的網絡平臺學習?！盎旌鲜浇虒W”模式既重視“教學的主導性”，也強調了“學生是課堂的主人”的理念，同時“混合式教學”模式的順利進行也離不開教學資源和教學環(huán)境?；旌辖虒W模式最大的亮點是將面授的優(yōu)點和網上教學的優(yōu)點很好的進行了結合，在教學實踐中既能顯示出老師的主導作用，又能顯示出學生的主體地位，使學生在教師的幫助下積極主動地獲取知識，最終完成教學目標的要求。

（二）經濟法課程教學中“混合式教學”的現(xiàn)狀分析

大學生的學習方式在信息技術的影響下正以驚人的速度發(fā)生著改變，從效率和資源節(jié)省的角度也曾有人大膽的提出逐步廢除課堂教學，由此引起了一陣熱議。當?shù)谝惠喚W絡平臺學習完全可以替代傳統(tǒng)課堂學習的討論熱潮退去之后，越來越多的教育專家開始就這個問題上趨于理性，網絡平臺在線學習的方式具有豐富一些優(yōu)勢固然無疑質疑，但不可能完全替代教師的課堂教學，缺乏了學校的組織，老師的參與，師生之間，學生之間面對面的交流和溝通，學習效果是無法達到預期理想的。網絡平臺學習本身所具有的優(yōu)越性是無可否定的，但它也存在著難以避免的缺陷，這些缺陷只有與傳統(tǒng)課堂教學相結合，相互補充才能相得益彰。

網絡平臺是大學生獲取知識的主要途徑之一，學生通過網絡平臺的學習增加了知識的信息量，同時也加快了獲取相關知識的速度。教師針對這種情況，通過分析學生需求、教學內容、實際教學環(huán)境等，據此充分利用在線教學和課堂教學的優(yōu)勢互補來提高學生的認知效果?；旌鲜綄W習的核心就是要將傳統(tǒng)課堂教學和數(shù)字化學習的優(yōu)勢相結合，有效地提高學生的學習效果。

二、在經濟法課程教學改革中“混合式教學”模式的必要性分析

（一）經濟法課程的學習特點

從某個層面上來看，經濟法的學習是動態(tài)的。教材的基本理論知識是固定的，枯燥的，條款式的。經濟法課程學習的特點是體系龐大、結構松散、綜合性強、時效性快等。從學生自身的差異來看，學生對學習的興趣和分析解決問題的能力也不完全相同，學生對各種網絡平臺學習的適應程度也存在著一定的差異，同樣的學習內容和問題往往有著不同的處理方式，解決這些差異最有效的方式就是在課堂上引進“混合式教學”。這種傳統(tǒng)教學與現(xiàn)代信息技術相結合的“混合”，使每個學生能夠根據自身的實際情況和“個體性”特點選擇最適合自己的學習方案，讓網絡學習成為課堂學習重要的輔助工具。

（二）經濟法課程教學的現(xiàn)狀

隨著網絡信息的發(fā)展，單一的傳統(tǒng)教學模式或者說課堂教學已經不能完全滿足和適應現(xiàn)代學生的需要了，經濟法課程的傳統(tǒng)課程教學模式突出表現(xiàn)在內容較為大綱化，信息時代性跟不上。經濟法課程作為法學專業(yè)的必修課，考核的方式基本上是以考試為主，所以在每個學期開學之初，教室爆滿，然后學生出勤越來越差，靠出勤率占成績比例來維持到課率，到期末的時候，學生最期待的就是老師劃重點，因為成績是依靠期末一張卷來體現(xiàn)的，這種只注重學生對基本理論知識掌握情況的考核方式，不重視學生的能力和素質的考試的結果，忽視了學生的學習過程，因此學生只能靠臨時短期的強化記憶來應付，傳統(tǒng)教學模式的弊端這就凸顯出來了。

（三）“混合式教學”模式是經濟法教學的不二選擇

在經濟法的教學實踐中，也許我們并沒有去考量“混合式教學”是一種什么教學模式，只是根據實際情況很自然而然地運用上了這種教學模式。最初，每次在上新課之前都會布置一些網上閱讀資料或者視頻，這樣讓學生對所涉及到的知識點有初步的了解之后，在課堂講授本理論時，學生能夠提出問題，教師及時找到學生的興趣所在，尤其是一些關于社會熱點的經濟法問題，這樣就能很好的調動不同的學生的積極性，課堂進展會更順利。同時教師在課前也會有意識的去關注一下網絡課程的教學內容，例如：《商標法》的理解和掌握，應該通過網絡平臺搜集相關商標的實際案例，在課堂教學上融合知識點的學習，放射性擴展所涉知識點，深入分析后，再通過網絡查看相關爭論的焦點做出客觀的判斷。而經濟法的課程教學的“混合式教學”模式在考核方式也有其特點，開放式的考核形式，更注重對學生知識的考查轉向注重對學生能力和素質的考查，一改過去單一的紙筆考查模式，轉向了基于網絡的現(xiàn)代化的考查方式，這樣加大了對學生學習過程的重視，同時化解了期末考試的風險。

三、經濟法教學中“混合式教學”模式的完善

在經濟法教學中引用“混合式教學”的模式是以優(yōu)化學生學習效果和提高教育資源的利用效率為目的的，對于經濟法課程的“混合式教學”模式的完善提出淺見如下：

（一）“混合式教學”貫穿于經濟法的教與學的全過程

經濟法的培養(yǎng)目標集中表現(xiàn)對基本理論知識的掌握和應用能力的培養(yǎng)，這里尤為重要的一點就是處理好網絡平臺與傳統(tǒng)課堂的關系。在經濟法教學過程中把傳統(tǒng)的課堂教學中系統(tǒng)的理論知識與網絡平臺所涉的新技術、新知識和新思維緊密的結合，以信息技術為平臺，把專業(yè)理論知識融入新的案例，與社會接軌，與時俱進，以此來探索和尋求“混合式教學”的最大價值。

（三）經濟法的“混合式教學”以課堂教學和網絡平臺學習并列進行。

網絡平臺的學習在盡顯其優(yōu)勢之外，卻忽略了人與人之間的語言交流和目光交流，久而久之，學生學習的自覺性和注意力會減弱，也不利于學生隨堂思考和分析經濟法所涉及的一些基本問題，學生在學習過程中容易產生惰性。經濟法的教學需要相互討論，甚至辯論，教學過程中教師隨時關注學生的學習態(tài)度，做出調整和帶動，同時師生雙方之間的互動也是尤其必要的。目前我國網絡平臺的教學還處在發(fā)展階段，其優(yōu)點和缺點并存，基于經濟法教學的特點，“混合式教學”是既重視傳統(tǒng)課堂學習又合理利用網絡平臺學習的新型教學模式。

（四）“混合式教學”過程中，教師應及時關注經濟法新的動態(tài)，學生應及時進行總結應用

網絡平臺的學習能為學生提供豐富多彩，圖文并茂的學習信息資源，給傳統(tǒng)的課堂教學帶來了競爭和可比較的對手，所以經濟法教師必須不斷的融合網絡平臺的學習優(yōu)勢，引導學生進行總結對比，同時要及時關注新法動態(tài)，及時更新知識才能滿足學生在信息化環(huán)境下對知識的掌握，學生通過“混合式學習”也能督促提高教師不斷的閱讀與專業(yè)相關的書籍，查閱與經濟法相關的案例，促使科研能力和分析問題的能力得到很好的提高。

參考文獻

[1]于夕真《教師主導與學生主體相結合的英語教學模式.構建》.《教育探索》2007年9期.[2]葛輝.《混合學習在“數(shù)據庫應用技術”教學中的應用實踐》.新疆廣播電視大學學報，2014年1期.[3]羅濱《.網絡教學和傳統(tǒng)課堂教學優(yōu)勢互補設計研究》.《科技創(chuàng)新與應用》，2012年3期.[4]蔣麗珠.《混成學習的教學設計與策略》.《河南商業(yè)高等專科學校學報》，2006年4期.[5]李秀霞.《“跨文化交際”的教學模式探索》.《考試周刊》，2009年6期.作者簡介：唐淑艷（1978-），女，漢，湖南邵陽人，湖南涉外經濟學院文法學院講師，主要研究方向為商經法。

第五篇：人工智能在城市交通信號控制中的應用

五邑大學智能交通讀書報告

人工智能在城市交通信號控制中的應用

五邑大學信息工程學院

2012年4月

目錄

摘要

Abstract 第一章緒論

1.1研究背景

1.2智能交通系統(tǒng)簡介

1.3城市交通信號控制概述

1.4國內外城市交通信號控制的發(fā)展歷程

1.5城市交通信號燈控制的發(fā)展方向

第二章 城市智能交通控制的基本理論

2.1模糊邏輯(Fuzzy Logic)

2.2人工神經網絡(Artificial Neural Networks)

2.3遺傳算法(Genetic Algorithm)

2.4蟻群算法(Ant Colony Optimization)

2.5粒子群算法(Particle Swarm Optimization)

2.6多智能體技術(Multi-agent)第三章 多智能體技術介紹

3.1智能體(Agent)

3.2 Agent的結構

3.3 Agent的分類

3.4多智能體系統(tǒng)在交通控制領域的優(yōu)越性

第四章

基于RBF神經網絡的單交叉口自學習控制系統(tǒng)

4.1引言

4.2問題描述

4.3控制器的設計及其算法

4.3.1基于神經網絡的單交叉口模型 4.3.2 RBF神經網絡 4.3.3神經網絡自學習方案

4.4仿真分析

第五章結論與展望

5.1 總結

5.2 展望

摘要

隨著社會的進步，城市化進程加快，城市人口和車輛日益增多，城市交通問題日益突出，嚴重影響城市發(fā)展。先進的城市交通信號控制系統(tǒng)能提高現(xiàn)有道路的通行能力，改善交通狀況，達到疏導交通、保證交通安全、暢通，智能交通系統(tǒng)就是其中之一，智能交通系統(tǒng)的發(fā)展，城市交通信號控制己成為最重要的研究方向。由于城市交通的復雜性，采用傳統(tǒng)的控制方法己無法有效地解決交通信號控制問題，本文研究人工智能控制的方法在城市交通信號控制中的應用。

關鍵詞: 交通信號控制，人工智能，ITS,神經網絡，模糊理論，相序優(yōu)化

第一章

緒論 1.1研究背景

城市交通是城市經濟活動的命脈，對城市經濟的發(fā)展，人民生活水平的提高起著十分重要的作用。從1886年第一輛小汽車在德國問世，增加了人類在交通領域的機動性，便捷性，同時促進了城市道路和高速公路的發(fā)展。隨著汽車工業(yè)的迅速發(fā)展，汽車己經成為人們日常生活中必不可少的交通工具?，F(xiàn)在，人類社會的科學技術和經濟力己經發(fā)展到了相當高的水平，機動車輛迅速增加，有關資料表明:1978年至1995年全國城市機動車的保有量的增長速度是道路增長速度的80倍。從70年代末起，我國城市汽車擁有量以每年平均12%-14%的速度增長。1978年，我國民用汽車總量僅有135.84萬輛，到2001年超過1845萬輛，機動車總數(shù)達到6852萬輛。其中，私人汽車由1985年的28.45萬輛增加到770萬輛，這些民用汽車特別是私人汽車，多集中在我國的城市地區(qū)，而且增長趨勢迅猛。

汽車工業(yè)雖然給人們帶來各種便利，但是也給城市交通帶來了沉重負擔，城市道路交通供需的嚴重不平衡已經成為各大中城市所共同面對的嚴重問題，特別是在大城市，交通堵塞現(xiàn)象時有發(fā)生，這不僅影響城市的正常運轉，而且明顯降低了人們的日常工作效率。據統(tǒng)計，現(xiàn)在全國32個百萬人口以上的城市中，有27個城市的人均道路面積低于全國平均水平。每年由交通堵塞造成的直接經濟損失大約1600億元;相當于國內生產總值的3.2%121.由此產生了一系列的問題，如環(huán)境污染、交通擁擠、交通事故頻發(fā)等，給人們的生命和財產帶來了很大的損失。

2001年，全國共發(fā)生交通事故70多萬起，10萬多人死亡，受傷人數(shù)50萬人，直接經濟損失達30億元。近五年，全國道路交通事故起數(shù)上升了32.5%，死亡人數(shù)上升了85%，受傷人數(shù)上升了42%。目前，機動車污染己經上升為我國城市大氣和噪聲的主要污染源。例如，北京市汽車排放的一氧化碳、碳氫化合物、氮氧化物已占總排放的40%-75%。廣州市與交通有關的排放占一氧化碳總排放的87%和二氧化氮的67%。據國際衛(wèi)生組織1998年公布的調查報告，在全球空氣污染最嚴重的10個城市中，我國就占了7個，包括太原、北京、烏魯木齊、蘭州、重慶、濟南、石家莊.為了解決上述交通問題，修建更多的道路是最直接和最有效的方法。然而，修建新路的巨額資金和城市有限空間的嚴格限制，使這一方法的有效性大打折扣。近年來，世界各國都非常重視日益嚴重的交通問題，投入大量人力物力對道路交通運輸系統(tǒng)的管理與控制技術進行開發(fā)，相繼出現(xiàn)了許多不同的交通控制手段和系統(tǒng)，為緩解交通擁擠發(fā)揮了巨大的作用。

在以上諸多交通問題中，城市交通問題是困擾城市發(fā)展、制約城市經濟建設的重要因素。隨著城市中的交通線承擔了更大量的交通負荷，現(xiàn)有的設施、道路，特別是交通線中承受著高負荷的交叉口，已經很難適應這種發(fā)展速度，變得越來越擁擠，成為道路交通的瓶頸，因此采用先進的科學技術手段對城市交叉路口的交通燈實施合理優(yōu)化控制，對改善城市交通狀況有很大的作用。1.2智能交通系統(tǒng)簡介

近年來，迅速發(fā)展起來的智能交通系統(tǒng)(Intelligent Transportation Systems，簡稱I ONTSj有別于傳統(tǒng)的交通改善技術，它是國際上對運用當代高新科技(計算機、信息、通信、自動控制、電子、系統(tǒng)工程等)提高交通運輸效率、增強交通安全性的一系列先進技術或技術集成(交通控制與線路導行系統(tǒng)、車輛行駛安全控制系統(tǒng)、交通運輸信息服務系統(tǒng)等)的一個統(tǒng)稱。

作為基礎設施，道路交通運輸支撐著人們的日常生活和經濟活動，對社會發(fā)展起著十分重要的作用;然而不斷發(fā)生的交通事故、持續(xù)的交通擁擠以及交通發(fā)展所引起的空氣污染、環(huán)境破壞也逐漸成為倍受關注的嚴重社會問題。智能交通系統(tǒng)被認為是緩解這一問題的極具潛力的方法。發(fā)達國家從20世紀60年代就開始從事這一領域的研究和開發(fā)，并取得了不少有價值的成果。據統(tǒng)計，智能交通運輸系統(tǒng)技術的應用可以減少10%的廢氣排量，20%的交通延時，30%的停車次數(shù)。美國Los Angels地區(qū)和Texas州在智能交通系統(tǒng)方面投資的效益一成本比率分別是16:1和22:1，收益非常顯著。而這一切，都是在基本上沒有進行道路改建和引入新的高速車道的情況下取得的。投資ITS所帶來的收益可見一斑。

智能交通系統(tǒng)開發(fā)的領域主要包括:居民出行與貨物運輸需求智能誘導系統(tǒng)、交通流優(yōu)化與運輸組織智能化方案生成系統(tǒng)、綜合交通樞紐協(xié)調疏導信息系統(tǒng)、先進的交通管理系統(tǒng)、車輛運營智能調度管理系統(tǒng)、智能公共交通系統(tǒng)、智能大城市公共交通運輸服務系統(tǒng)、貨物運輸智能型配載運輸服務等

我國在20世紀70年代末就已經開始在交通運輸和管理中應用電子信息技術。此后的20多年里，在政府的支持與堅持自主開發(fā)的基礎上通過廣泛的國際交流與合作，在ITS領域進行了初步的理論研究、產品開發(fā)和示范應用，并取得了一定的成果。一批從事ITS研究 開發(fā)的研究中心和生產企業(yè)通過理論與實踐相結合正在成長。國家科技部1999年批準建立了國家ITS工程技術研究中心(ITSC)2000年又批準建立了國家鐵路智能運輸系統(tǒng)工程技術研究中心。許多大學和研究機構也紛紛組建ITS研究中心，從事ITS的理論研究和產品研發(fā)，例如東南大學ITS研究中心、武漢理工大學ITS研究中心、吉林大學ITS研究中心、北京交通大學ITS研究中心、同濟大學ITS研究中心、華南理工大學ITS研究中心等[121。中國交通領域和IT行業(yè)的很多企業(yè)被ITS巨大的高新技術市場所吸引，紛紛涉足ITS領域進行其產品的開發(fā)研究和推廣應用，將先進的智能控制技術、信息融合技術、智能信息處理技術與交通工程結合起來，己成為一個嶄新的研究方向

為協(xié)調和引導中國ITS的發(fā)展，2001年初國家科技部會同當時的國家計委、經貿委、公安部、鐵道部和交通部等部門，聯(lián)合成立了全國ITS協(xié)調指導小組及辦公室，并成立了ITS專家咨詢委員會負責組織研究中國的ITS發(fā)展總戰(zhàn)略、技術政策和技術標準，積極支持有 關部委、地方、企業(yè)及科研單位，根據行業(yè)和地區(qū)特點開展ITS的關鍵技術研究與應用示范工程，促進ITS研究成果的產業(yè)化。1.3城市交通信號控制概述 按照控制原理的不同，傳統(tǒng)的交通信號控制分為定時控制和感應控制.定時控制按事先設定的配時方案運行，根據交通量歷史數(shù)據進行配時;感應控制是某相位綠時可根據車流量的變化而改變的一種控 制方式，其中車流量可由安裝在平面交義日進日道上的車輛檢測器測量.一者的控制策略均是基于簡單的數(shù)學模型，由于城市交通系統(tǒng)中被控對象的不確定性、隨機性和過程機理復雜性，現(xiàn)場車輛檢測存在 誤差，建立精確的數(shù)學模型非常困難，這就造成了算法本身就有一定的缺陷.除此之外，即使經多次簡化建立的數(shù)學模型，它的求解還須簡化計算才可完成.對于交通系統(tǒng)這樣時變的復雜系統(tǒng)而言其效果往往差強人意.隨著人工智能研究熱潮的興起，人工智能方法為智能交通系統(tǒng)的研究提供了堅實的理論基礎.針劉傳統(tǒng)交通控制的固有缺陷和局限性，許多學者將模糊邏輯、神經網絡、遺傳算法、蟻群算法、多智能體技術等人工智能基礎研究方法同傳統(tǒng)的交通控制方法結合應用.一方面，交通系統(tǒng)結構復雜、影響因素多、隨機性很強的，利用數(shù)學方法解決交通問題的難度很大，所建立的模型往往過于復雜，難于求解，同時交通流系統(tǒng)的多樣性也很難用一種或兒種模型來體現(xiàn);另一方面，交通系統(tǒng)又是一個動態(tài)的時變系統(tǒng)，交通竹理與控制的實時性要求非常高.因此，從實際情況出發(fā)，基于數(shù)學描述的交通竹理控制方法難以滿足在線實時控制的要求，可操作性較差.而人工智能的方法(包括模糊邏輯、人工神經網絡、遺傳算法等)，借鑒人類求解問題的方法，通過知識的表達、推理和學習解決復雜的問題，將以往用純數(shù) 學來描述交通系統(tǒng)轉變?yōu)橛弥R或知識與數(shù)學模型相結合來描述.1.4國內外城市交通信號控制的發(fā)展歷程

1868年英國在倫敦市首次使用了燃汽信號燈，用于管理城市交通，這種信號根據鐵路信號顯示方式由紅燈與綠燈組成，這標志著城市交通信號使用的開始[[141。這時交通警察大多使用手提式照明燈來指揮交通。1914年，美國在克利夫蘭城安裝使用了人工操作的電氣照明信號燈，六年后被日本采用，十年后被英國采用，這種信號設置在交叉口中央的信號塔上，四個方向均有直徑為37.5cm的紅、綠、黃三色的圓形投光器。許多國家采用后又逐漸給予了改進。1926年，世界上第一臺自動控制街道交叉路口的交通信號機在英國研制成 功并開始使用，它采用固定周期控制方式，隨后又出現(xiàn)多時段固定周期控制方式。1928年，美國研制成功車輛感應式交通信號燈，使用橡皮管氣壓式檢測器。幾年后被英國、日本采用。在交通信號不斷改進和發(fā)展的同時，用于多個路口協(xié)調統(tǒng)一控制的交通信號控制方式 也在不斷進步。1917年，美國鹽湖城安裝使用了人工控制的干道信號協(xié)調系統(tǒng)。1922年，美國休斯敦市建立了一個采用電子計時器的干道信號協(xié)調系統(tǒng)。1928年，美國研制成功一種靈活的步進式定周期干道信號定時系統(tǒng)，由于其技術簡單，可靠性高，價格低廉，很快 被英國、前聯(lián)邦德國、日本等國廣泛應用。

隨著交通信號感應控制技術和電子計算機技術的發(fā)展，1952年在美國丹佛城出現(xiàn)了采用模擬電子計算機的交通信號控制系統(tǒng)，該系統(tǒng)將單一交叉路口的交通感應控制概念應用于街道交通信號化網絡，并用車輛檢測器向控制中心輸入交通流數(shù)據，用模擬電子計算機 進行數(shù)據處理，然后再調整各交叉路口的交通信號程序。在隨后的11年間，美國建立了100個這種信號控制系統(tǒng)。1963年加拿大多倫多市投入了由IBM650型計算機控制的交通信號協(xié)調控制系統(tǒng)，這標志著城市道路交通控制系統(tǒng)進入了一個新的階段。其后，美國、英國、前聯(lián)邦德國、日本、澳大利亞等國家相繼建成數(shù)字電子計算機區(qū)域交通控制系統(tǒng)，這種系統(tǒng)一般還配合交通監(jiān)視系統(tǒng)組成交通管制中心。到八十年代初，全世界建有交通管制中心的城市有300多個。1.5城市交通信號燈控制的發(fā)展方向

越來越多的資料顯示表明，城市交通信號控制的研究主要體現(xiàn)在以下三個方面:

(1)人工智能(AI)在城市交通信號控制問題中的應用有利于提高當前交通信號控制系統(tǒng)的性能

最近，越來越多的人們開始把注意力集中在人工智能技術應用于交通工程問題上。城市交通信號控制系統(tǒng)在操作方面分為三個重要階段，即交通數(shù)據采集、數(shù)據分析與處理、判斷與控制。從數(shù)據采集和處理，到確定最好的控制動作，以及到動作的實施，關鍵是全面提高信息決策過程的質量。這些都和相當多的專門知識有關，在很大程度上涉及相關的規(guī)章制度，并且受限于現(xiàn)實中的實際約束。歸納上述問題，用AI途徑來提高相應的基本職能是可能的。綜合起來，難題集中于精確交通信號方案選擇體系，交通信號方案選擇體系在歐洲己經被廣泛用于UTCS田rban Traffic Control System)中。(2)利用離散時間、滾動區(qū)域法(rolling horizon)研究交通信號控制系統(tǒng)

滾動區(qū)域法利用最近檢測到的數(shù)據，對系統(tǒng)現(xiàn)行狀態(tài)(主要是各個路口的現(xiàn)行排隊長，進行估計，為滾動區(qū)域的持續(xù)時間內搜尋一種優(yōu)化信號控制方案。滾動區(qū)域的時間必須足夠長，時間分為兩部分，前一段時間執(zhí)行滾動區(qū)域法的優(yōu)化方案。在滾動區(qū)域法的最后一 段時間內，以終端代價函數(shù)的形式驗證滾動區(qū)域法基礎上優(yōu)化的信號方案。若滿足要求，則繼續(xù)執(zhí)行該方案，否則停止執(zhí)行，重新優(yōu)化信號方案。Robertson和Bretherton于1974年最初提出了離散時間滾動區(qū)域法，至今該領域的主要研究及發(fā)展，大多在歐洲國家。用戶網絡的離散時間、滾動區(qū)域法信號控制系統(tǒng)有待于研究。

(3)分散控制系統(tǒng)仍是未來的一個研究方向

分散控制系統(tǒng)相對集中控制系統(tǒng)來說可以減少信道負載，減少網絡控制中災難性失效。因此，這種控制系統(tǒng)仍是未來研究和發(fā)展的一個重要方向。

第二章 城市智能交通控制的基本理論

從應用上來看，日前具有代表性的城市交通控制系統(tǒng)中，英國的SCOOT屬于集中式控制系統(tǒng)，澳大利亞的SCAT和德國的MOTION為遞階分層分布式控制系統(tǒng)，但這些系統(tǒng)及其體系結構未考慮到如 何實現(xiàn)控制方式或控制模式多元化及其傳統(tǒng)控制方法與人工智能技術集成的問題.西班牙的D.M.Aymerich和法國的G.S cemama對這些問題分別進行了有益的研究和探索，但這些系統(tǒng)的體系結構只強調繼承和利用現(xiàn)有的交通系統(tǒng)而不能自成體系，難以體現(xiàn)系統(tǒng)的分層遞階特征，有一定的局限性.從理論研究上來看，傳統(tǒng)的城市智能交通控制方法是通過對城市交通系統(tǒng)建立一定的數(shù)學模型，然后運用最優(yōu)控制理論來求解控制變量.在這類方法中，為了簡化問題和解決某些數(shù)學技術上的具體限制，在建模時通常需要對模型進行理想化和一些不確定條件的人為設定，而這些簡化與現(xiàn)代城市，尤其是特大型城市的交通系統(tǒng)所具有的非線性、動態(tài)時變性等特點是相矛盾的，因此造成了所用最優(yōu)方法在實際 中并非最優(yōu)，或者面對大規(guī)模城市無法對交通數(shù)據進行實時有效的計算等缺點.新的技術和方法的引入顯得十分必要和非常迫切，計算機的出現(xiàn)和廣泛應用促成了人工智能研究熱潮的掀起，而這又必然會導 致包括系統(tǒng)體系結構及控制策略等各方面的調整和改進.許多專家學者從智能控制的角度出發(fā)，利用模糊邏輯、人工神經網絡等理論來研究這個問題.2.1模糊邏輯(Fuzzy Logic)

模糊邏輯是一種處理不確定性、非線性等問題的有力工具，它與人類思維的某些特征相一致，因此，嵌入到推理技術中具有良好效果.模糊邏輯不需要獲取模型中的復雜關系，不需要建立精確的數(shù)學模型，是一種基于規(guī)則的智能控制方式，特別適用于具有較大隨機性的城市交通控制系統(tǒng).1976年，Pappis和Mamdani就將模糊邏輯用于單路日的交通控制，其仿真結果表明比用傳統(tǒng)的控制方法平均減少車輛延誤7%左右.我國學者徐冬玲等人則把模糊邏輯用于單路日信號月‘控制，并用神經網絡實現(xiàn)模糊控制，仿真表明控制結果合理、迅速.崔寶俠等在雙模糊控制器隴調控制交通信號的基礎上，采用模糊推理來替代函數(shù)模型，根據輸入輸出量的大小改變模糊控制器的輸入輸出變量的論域范圍;該算法更加方便地實現(xiàn)了控制器自調整和自適應，車輛平均延誤時間改善4.68%至12.24 %.當車流量有突變時，改善效果更明顯 2.2人工神經網絡(Artificial Neural Networks)人工神經網絡是模擬生物的神經結構及其處理信息方式的一種算法.它具有自適應、自組織和自學習能力，在認知處理、模式識別等方面有很強的優(yōu)勢，最顯著特點是具有學習功能.人工神經網絡適用于非線性時變性系統(tǒng)的模擬與在線控制，I I適合于交通控制系統(tǒng)這一非線性、時變系統(tǒng)。

1991年，Nahatsuji和Terutoshi通過訓練的一個神經網絡使其給出某單個交義日的最優(yōu)綠信比，后來又把研究工作打一展到3個交義日上.C.J.Barnard等利用BP網絡模型，分別以交通流密度和不同相位的綠時作為輸人、輸出，直接建立起交通模式與信號方案之間的內在聯(lián)系，從而實現(xiàn)了以交通流最優(yōu)化為日標的二相位孤立交義路日的自學習動態(tài)適應性控制系統(tǒng)[}}}.C.Ledoux則提出了基于神經元網絡的實時適應性城市交通信號控制系統(tǒng)的交通仿真模型[lob.許倫輝等針對城市交義日交通流的分布特點，考慮相鄰車道上車輛排隊長度，利用多層BP神經網絡實現(xiàn)了道路交義日多相位模糊控制，給出一種自適應交義日多相位控制算法，仿真結果表明，模糊神經網絡控制器能有效的減少交義日平均車輛延誤，具有較強的學習和泛化能力[f51.張康等提出了“車流阻塞參數(shù)，的概念，用模糊神經網絡訓練其信號控制規(guī)則，仿真結果表明，控制效果有明顯提高flll.日前越來越多的路日采用了多相位信號控制，而目控制規(guī)則一經確定就不再改變，即不具備實時學習的功能.因此，對于交通狀況復雜的多相位路日，很難取得滿意的效果.2.3遺傳算法(Genetic Algorithm)

遺傳算法是運用仿生原理實現(xiàn)在解空間的快速搜索，廣泛應用于解決大規(guī)模組合優(yōu)化問題.它是一種比較先進的參數(shù)尋優(yōu)算法，對于不易建立數(shù)學模型的場合其實用價值較為突出，是以同樣適用于交通系統(tǒng)。

1997年，Kiseok和Michael等應用遺傳算法對交通網絡內的交義日信號相位進行設計，在交義日形成的沖突點，結果顯示該方法給出的相位方案要優(yōu)于TRANSYT給出的方案.同年，C Q Memon等人給出了利用遺傳算法進行信號配時方案設計的研究結果.陳小鋒針對典型的多車道雙向交義路日的交通流分布，建立四相位控制的動態(tài)交通控制模型，采用遺傳算法同時對信號周期時長和相位綠月‘持續(xù) 時間進行優(yōu)化’.承向軍對到達車輛數(shù)日進行模糊分類，將不同數(shù)量車輛的信號控制決策方案以規(guī)則集形式存儲在知識庫中，利用改進的遺傳算法，對交義日信號模糊控制器的模糊規(guī)則進行優(yōu)化，建立了 新的優(yōu)化算法.顧榕等將免疫遺傳學思想運用到交通信號控制中，提出一種新的相位配時優(yōu)化算法，將平均延誤時間由76.7S降至36.4S，實驗結果充分驗證了該算法處理交通配時優(yōu)化問題的可行性和有效性.李艷利用改進的遺傳算法對交義日信號模糊控制器進行優(yōu)化，建立新的配時優(yōu)化算法，仿真結果比Pappis方法性能提高了21%}IB}.2.4蟻群算法(Ant Colony Optimization)蟻群算法是一種模擬進化算法，它是一種求解組合最優(yōu)化問題的新型通用啟發(fā)式方法，該方法具有，反饋、分布式計算和富于建設性的貪婪啟發(fā)式搜索的特點.聞育應用蟻群算法搜索各路日的最優(yōu)信號燈相位序列，對算法復雜度作了理論分析，并通過仿真實驗與單路日感應式信號控制技術進行比較，結果表明效果較好，總停車時間降低7.2%}19}.聞育還提出 一種基于改進蟻群算法的降階滾動優(yōu)化算法，基于宏觀交通流模型建立了區(qū)域交通控制滾動優(yōu)化模型，在蟻群算法中設計了層狀解結構圖，應用降階方法將大規(guī)模區(qū)域分解為一系列了區(qū)域，仿真結果顯示，區(qū)域滾動優(yōu)化控制比感應式控制的總停車時間下降了8.2% 2.5粒子群算法(Particle Swarm Optimization)粒了群優(yōu)化算法是由Eberhart博士和kennedy博士于1995年提出，是基于對鳥群、魚群捕食的行為模擬研究而來.同其他基于群智能((Swarm Intelligence)的隨機優(yōu)化算法相比，PSO算法具有收斂速度 快、設置參數(shù)少、程序實現(xiàn)異常簡潔、具有深刻的智能背景等特點。

瞿高峰以交義日車輛平均延誤和停車次數(shù)最小為日標，建立信號控制交義日配時模型，運用粒子群優(yōu)化算法求解該模型，結果表明比傳統(tǒng)方法更優(yōu)，車輛停車次數(shù)略有增加，通行能力略有下降，但停車延誤時間大大下降低，由23.97S下降至14.27 S }22}.這表明運用粒子群優(yōu)化算法解決交義日配時問題是有效和可行的.付紹呂，黃輝先提出在自適應粒子群算法中引入變異算子建立離散交通信號控制模型，以更新粒了群算法的個體極值點和全局極值點，仿真表明該混合算法可解決易陷入局部收斂的缺陷并能有效實現(xiàn)交通信號優(yōu)化控制傅惠等提出了基于粒子群優(yōu)化的城市關聯(lián)交義日群信號控制策略，根 據粒了群優(yōu)化思想求解信號控制參數(shù).仿真實驗證實，基于粒了群優(yōu)化的關聯(lián)交義日群信號控制策略有效 2.6多智能體技術(Multi-agent)智能體技術由M insky在1986年首次提出，一般認為:智能體指駐留在某一環(huán)境下，能持續(xù)自卞地發(fā)揮作用，具備駐留性、反應性、社會性、卞動性等特征的計算實體.隨著車輛數(shù)和城市路網規(guī)模的增 大，信號控制系統(tǒng)的復雜性增大，同時由于交通流在信息、控制方面固有的分布性，采用多智能體系統(tǒng)構建城市交通控制系統(tǒng)的計算環(huán)境己成為交通系統(tǒng)隴調控制的熱點

國外對智能體在交通中的應用早有報道，如B urmeiste:提出多智能體在交通運輸中應用的思路。Roozemond分析了智能體、神經網絡和分布式人工智能在城市交通控制應用的前景和價值Goldman提出了一個基于多智能體的增量4.補學習的路日控制器[28].Choy等采用一種復雜的模糊神經網絡進化混合系統(tǒng)來構造分層分布式交通控制多智能體系統(tǒng)，各個智能體利用模糊系統(tǒng)的推理能力、神經網絡的學習能力來進行實時決策.各層智能體的感知過程能通過在線強化學習進行調整.國內一些學者也對智能體在交通控制中的應用作了一些嘗試性研究，馬壽峰等提出了單個路日的基于Q學習的交通信號控制Agent，并在此基上研究了基于對策論和社會規(guī)則的多智能體隴調方法陶志祥對基于Agent的分層遞階控制結構進行了概述。高海軍以博弈論為基礎，提出了交通控制Agent之間的區(qū)域隴調模型及算法[[32].李瑞敏結合城市交通控制與誘導系統(tǒng)集成的特點，研究了基于多智能

體系統(tǒng)的城市交通信號控制與動態(tài)誘導集成化的系統(tǒng)結構和兩類相b_作用的智能體模型結構.趙建有等提出了人、車、路、交通竹理系統(tǒng)的交通系統(tǒng)Agent結構，并提出了路日Agent-區(qū)域控制中心Agent-卞控制中心Agent的二級交通控制結構郭建鋼、伍雄斌等提出了基于遺傳算法和多智能體技術的交通系統(tǒng)隴調控制的建模方法以及建模過程應注意的問題，并實例驗證，得到可降低車均延誤12%,縮短周期時長27.2%的結論[[35-37].劉虹秀等提出了基于多智能體的隴調方法，該隴調方式能適應牢時今什的奪誦環(huán)靖，曲調方式誦信普川高的缺占.第三章 多智能體技術介紹

3.1智能體(Agent)隨著計算機技術和人工智能的發(fā)展，集中式系統(tǒng)己不能完全適應復雜大系統(tǒng)研究的發(fā)展需要.并行計算和分布式處理技術(包括分布式人工智能)應運而生，并在過去20多年中獲得快速發(fā)展.近10年來，智能體和多智能體系統(tǒng)的研究成為分布式人工智能研究的一個熱點，引起多種不同等領域科技工作者的濃厚興趣，為分布式系統(tǒng)的綜合、分析、實現(xiàn)和應用開辟了一條新的有效途徑，促進了人工智能和計算 機軟件的發(fā)展 3.2 Agent的特點

有關Agent的概念可追溯到1977年Hewitt提出的并發(fā)的演員(actox)模型，在該模型中，Hewitt提出了自我包含、相勻_作用、并發(fā)執(zhí)行的對象一演員，該對象中具有某些被封裝的內部狀態(tài)并可對來自其它類似對象的消息進行響應.而Agent一詞最早可能由M.Minsky所提出，他在1986年出版的”Societyof Mind”中引入了“society“III”Soclal Behavor”的概念.認為個體存在于社會中，社會中的個體在有矛盾的前提下可通過隴商或者競爭的方法對問題進行求解，并將這些個體被稱為‘`Agent".日前，普遍認為Agent是一個持續(xù)、自治運行的實體，按照Y.S hoham的觀點，Agent是一個包含諸如知識(knowledge)、信念(beliefs、承諾(commitments蹄I I能力(capabilities)等精神狀態(tài)(mental-state)的 實體.雖然不同的研究者對Agent有著這種或那種的解釋，但其卞要具有以下特點: 1）自治性(autonomy）Aegnt能根據外界環(huán)境的變化，而自動地對自己的行為和狀態(tài)進行調整，而不是僅僅被動地接受外界的刺激，具有自我竹理自我調節(jié)的能力.2)反應性(xeactive)與面向對象的方法相似，agent能對外界的激勵作出反應的能力.3)卞動吐(pxoactive）

對于外界環(huán)境條件的改變，agent能卞動采取活動的能力.4)社會性(social）

Agent所具有的與其它Agent或人進行合作的能力，不同的Agent可根據各自的日的意圖與其它Agent進行交流，以達到問題解決的日的.除了以上的基本特性，Agent還包括一些其他的屬性:

推理能力:Agent AJ以根據當前的知識和經驗，以理性的、可再生的方式推理或推測.規(guī)劃能力:Agent A丁以根據日標、環(huán)境等的要求，至少對自己的短期行為做出規(guī)劃，具有生成規(guī)劃的能力.學習和適應能力:Agent A丁以根據過去的經驗積累知識，并目修改其行為以適應新的環(huán)境.3.2 Agent的結構

建立Agent的結構是應用Agent技術的基礎，關于Agent模型結構的研究是日前卞要的研究領域之一對于Agent的模型構成，存在著各種不同的觀點.一般認為一個Agent應包括感知器、決策控制器、精神狀態(tài)、知識庫、通信器等兒部分組成.BDI模型是一被普遍接受的Agent精神狀態(tài)模型，它認為Agent的精神因素包括信念(belie、愿望(desire)、意圖等部分組成，其本質上要解決的問題是如何確定Agent的目標以及如何實現(xiàn)這個目標。3.3 Agent的分類

Agent作為一種新興的計算機軟件開發(fā)方法，是一個相當大的范疇，從普通的人、動物、社會機構乃至普通的物體根據實際應用的不同，都可被抽象為Agent.根據Agent的功能和應用的不同，一般將Agent分為以下兒種類型: 合作Agent:卞要用在多Agent系統(tǒng)中，為完成自己的任務，能自動地與其它成員進行談判、信息交流等活動

界面Agent:強調自治性與學習能力，用于與用戶交4_的操作界面上，能自動地根據用戶的喜好特點，進行個性化設置，并能為用戶的操作提供必要的幫助.活動Agent:可以自由地在計算機網絡上移動，并與其它的計算機相4_作用，其卞要應用于計算機通訊方面.信息Agent:卞要用于網絡信息收集、查詢、整理，它將比日前使用的搜索工具更強大，能根據用戶的不同要求，提供詳細完備的資料.反應Agent:不包括任何內部符號處理模型，只是簡單地對外界刺激發(fā)生反應，卞要用于一些底層的、簡單的系統(tǒng)中.混合Agent:指具有兩種以上上述Agent的復雜Agent，由于結構復雜，日前應用相對較少.3.4多智能體系統(tǒng)在交通控制領域的優(yōu)越性

多智能體系統(tǒng)是分布式人工智能研究的新領域.盡竹MAS在理論上還有很多值得深入研究的課題，然而它己經獲得十分廣泛的應用，涉及機器人、過程控制、柔性制造、遠程通信、網絡竹理、交通控制、電子商務、數(shù)據庫、遠程教育和遠程醫(yī)療等.其中將智能體系統(tǒng)技術用于交通控制是一個新的方向[0.由于交通控制拓撲結構的分布式特性，使其很適合于應用多智能體技術.運用多智能體系統(tǒng)進行交通系統(tǒng)調控制的優(yōu)點有如下兒個方面:

(1)多智能體系統(tǒng)采用“由下向上”的設計方法，符合交通系統(tǒng)的形成規(guī)律.多智能體系統(tǒng)在原理上首先定義分散自卞的智能體，然后研究怎樣完成一個或多個實體的任務求解，所以多智能體系統(tǒng)采用了由底向上的設計方法.交通系統(tǒng)是一個包含了交通工具、交通設施、交通控制中心等多元素多層次的復雜系統(tǒng).因此多智能體系統(tǒng)的設計方法完全符合交通系統(tǒng)的形成規(guī)律.(2)多智能體系統(tǒng)從功能上按層次化結構劃分的特點，符合交通系統(tǒng)的分布式特征.構成多智能體系統(tǒng)的不同種類的智能體從功能上按照層次化結構劃分，承擔不同的任務，相辦作完成系統(tǒng)的整體目標.交通系統(tǒng)的各組成元素分布在不同空間位置，按照層次化結構劃分.因此，多智能體系統(tǒng)適合交通系統(tǒng)這樣具有分布式特征的復雜系統(tǒng)的模擬研究.第四章

基于RBF神經網絡的單交叉口自學習控制系統(tǒng)

4.1引言

由于城市化速度的加快，機動車量的迅速增加，人們在賺取由機動車輛所帶來的巨額利潤以及充分享受汽車巨大便利的同時，也越來越受到交通擁擠和交通安全的困擾。隨著城市中的交通線上車流量的日益增加，現(xiàn)有的設施、道路，特別是交通線中承受著高負荷的道路交叉口，己經很難適應這種發(fā)展速度，變得越來越擁擠，成為道路交通的瓶頸，因此采用先進的科學技術手段對城市交叉路口的交通燈實施合理優(yōu)化控制，對改善城市交通狀況具有很大的作用。

對于交叉口的信號控制，通常有兩種控制方式:一種是定時控制，即根據統(tǒng)計資料算出交通量，給出一個或多個(用于不同時段)控制方案，這種控制方法在交通流不大且較穩(wěn)定的情況下是簡單有效的。但在交通擁擠且變化較大時，定時控制的效果比較差。另一種是感應控制，即根據布置在交叉口的傳感器感應到的車輛排隊長度來設置控制參數(shù)，感應控制在當車流量較小且無規(guī)律時，容易產生綠時分配不合理的現(xiàn)象，同樣也會降低路口的通行能力。而當車流量較大時則容易退化成定周期控制，從而失去感應能力。由于這些常用控制方法的缺點，一些人工智能的方法愈來愈引起人們的重視。

針對多相位單交叉口的神經網絡控制方法，已經有文獻提及。本章提出了一種利用RBF神經網絡來模擬交警控制思維的智能控制方法，并且加入了對控制狀況進行修正的評價準則，在模擬控制過程中，RBF神經網絡根據評價準則進行實時調節(jié)，因此這種神經網絡具有自學習功能。

仿真研究結果表明基于RBF神經網絡的交叉口自學習控制系統(tǒng)學習速度快，能有效提高多相位路口的通行能力，對車流的變化具有很強的適應性。4.2問題描述

城市單交叉路口的交通流如圖4-1所示，東、南、西、北四個方向，每個方向均存在左行、直行、右行三個車道車流。

圖4-1單交叉口交通流分布

考慮這個十字形的平面交叉路口具有四相位。每個相位對應的車流流向如圖4-2所示。

圖4-2四相位交叉口交通流控制圖

假設一位交通警察在該路口指揮交通，他可以根據這四個相位的車量排隊長度作為依據，按順序給各個相位分配通過時間。由于各相位在不同的時間段里到達車流量具有隨機性，根據交通情況，交警給各個相位分配的時間也會不斷變化。

由此可見，模擬交警的思維實際上可以將四相位的車輛排隊長度為輸入，以對應的信號周期時間和各個相位的綠信比為輸出構造一個神經網絡，然后將交警指揮某些具體交通流情況下的輸入輸出作為樣本訓練神經網絡。

4.3控制器的設計及其算法

4.3.1基于神經網絡的單交叉口模型

根據對四相位交叉口信號控制問題的描述可以確定神經網絡結構如圖3-3所示。該網絡由四個輸入分別對應四個相位的車輛排隊長度Ii，四個輸出分別對應信號周期T和各相位的綠信比(j =1, 2, 3, 4)

圖4-3神經網絡學習結構模型 4.3.2 RBF神經網絡

徑向基函數(shù)(Radial Basis Function, RBF)神經網絡由三層組成其結構如圖4-4所示。

圖4-4徑向基函數(shù)RBF神經網絡

隱層節(jié)點中的作用函數(shù)稱為基函數(shù)，一般采用的基函數(shù)形式為高斯函數(shù):

式中:，x是n維輸入向量;

c，是第i個基函數(shù)的中心，與x具有相同維數(shù)的向量;

?

是第1個感知的變量，它決定了該基函數(shù)圍繞中心點的寬度;

m是感知單元的個數(shù);4.3.3神經網絡自學習方案

(1)原始樣本的獲取

首先將已知的交警指揮經驗用符合上述神經網絡的樣本形式表示出來，然后用這些樣本訓練神經網絡，這樣該網絡就具備初步的控制交通的能力，可以將其用于實際交通控制中，但由于此時的網絡學習規(guī)則不具有遍歷性，所以需要有一個評價準則來對網絡的控制效果作出評價，并修改重新學習。

(2)評價準則

對于投入實際交叉口控制的神經網絡，評價準則要對其配時方法的控制效果作出評價，并修正信號周期和各相位的綠信比。設六個信號周期為一個評價周期，l為第1個信號周期結束時第.1個相位中所有方向車流的排隊長度之和;1'為一個信號周期結束時的J相位總的排隊長度;習為第i個信號周期內第.7個相位中所有方向放行的車輛總數(shù);r;'為第i個信號周期內第J個相位中所有方向到達的車輛總數(shù);所以，式中:當括號內的數(shù)小于0時，z=0，否則z=1，且有

一個信號周期過后J相位各個排隊長度:

一個信號周期過后四相位累計排隊長度:

然后計算這種交通情況下各相位的綠信比:

最后依據平均排隊長度的大小L，來確定周期T的增量△T，這里將設定5個檔次: L ,55, 55> L ,35, 35> L ,15, 15> L ,5, L <5對應的△T分別為15s, lose 5s, Os和一Sso

根據以上的評價過程，可以得到新的輸入輸出樣本，神經網絡對新樣本進行再學習。4.4仿真分析

本章按照前面所述的RBF神經網絡自學習控制方法，在Matlab語言環(huán)境中編程進行了仿真。在通過調查采集到的實際數(shù)據的基礎上分析交警指揮單交叉路口信號的控制規(guī)律，并從中選出在不同車流量情況下具有代表性的信號控制模式，形成40個神經網絡學習樣本，然后用RBF算法對神經網絡進行訓練，再用服從二項分布的隨機數(shù)來描述車流的到達情況。仿真研究時，取直行車道的飽和流量為1200PCUlh，左轉和右轉車道的飽和流量為1000 PCU/h。車流到達路口后，左轉、直行和右轉的比例分別為30%, 40%和30%。由上述學好的網絡進行控制，確定6個信號周期為一個評價周期，得到一個新的樣本。每隔20個評價周期，將得到的20個新樣本加入總的學習樣本集進行再學習。

訓練RBF網絡時，將網絡誤差設置為o.01，并通過自動增加徑向基神經元的方法來不斷減少網絡誤差，從仿真過程中可以看到，在神經元個數(shù)接近樣本個數(shù)時網絡收斂。

為驗證本章提出的RBF神經網絡自學習控制方案的控制效果，仿真運行中將其與定時控制方法以及BP神經網絡學習方法的控制效果進行了比較，結果如表3-1所示。可以看出，隨著車流量的增大，BP神經網絡與RBF神經網絡的控制效果明顯優(yōu)于普通的定時控制方法。

神經網絡自學習控制方法效果比較

該仿真中也將BP神經網絡與RBF神經網絡的學習性能進行了對比，對于得到的不同樣本，RBF神經網絡都能快速學習，而BP神經網絡對于某些樣本的學習會陷入局部最優(yōu)，達不到學習要求。這說明由于本文提出的RBF神經網絡信號控制方案具有自學習和逐步優(yōu)化能力，因而其控制效果優(yōu)于一般的智能信號控制方案。

第五章結論與展望 5.1 總結

城市交通信號的優(yōu)化配時己經成為當前智能交通系統(tǒng)研究的熱點之一，由于交通系統(tǒng)是一個復雜時變的非線性系統(tǒng)，對其進行精確建模比較困難，因此采用各種智能優(yōu)化算法來實現(xiàn)對城市交通信號的控制己成為一個比較熱門的研究方向。

本文以城市交通為研究背景，分別對單交叉口和交通干線的信號采用智能優(yōu)化的方法來實現(xiàn)控制，取得了一些結果: 本文采用RBF神經網絡建立交叉口模型實現(xiàn)了單交叉口自學習信號控制系統(tǒng)。

系統(tǒng)通過模擬交警指揮交通的思維過程，能夠根據四相位交叉口各相位車輛的排隊長度，實時對各個相位的綠信比和總的信號周期進行分配，并且隨著交通狀況的變化，可以對信號配時效果作出調整，具有自學習功能。通過仿真與定時控制相比較，證明了基于RBF 神經網絡的單交叉口自學習控制系統(tǒng)的優(yōu)越性。該方法能夠更好的適應實際交通狀況，提高交叉口的通行能力。5.2 展望

本文對城市智能交通信號控制系統(tǒng)進行了研究，取得了一定的成果。由于時間緊迫、本人的水平有限，研究工作需要進一步地深入，今后的工作將圍繞以下幾方面展開:

1.由于實際城市交通的控制問題，是一個區(qū)域的控制問題，所以，應進一步將智能優(yōu)化算法應用到城市交通信號區(qū)域層面上的控制中去，即采用智能優(yōu)化算法實現(xiàn)面控。

2.城市快速公交系統(tǒng)控制是當前的一個熱點，將城市交通信號控制與城市快速公交控制以及路徑引導結合起來研究將是一個很好的研究方向。

3.將所設計的控制算法真正應用到實際的城市交通信號中進行控制，以實際效果來檢驗算法的優(yōu)劣。