智能交通信息物理融合云控制系統(tǒng)

智能交通云控制系統(tǒng)的核心在于為行駛者、交通工具、交通基礎(chǔ)設(shè)施建立起以身份信息為核心、唯一對應(yīng)的標(biāo)識；然后基于數(shù)據(jù)采集、傳感器、網(wǎng)絡(luò)傳輸?shù)燃夹g(shù)，將獲取的動(dòng)態(tài)信息即時(shí)發(fā)送到智能交通網(wǎng)絡(luò)綜合數(shù)據(jù)處理云控制平臺上，再通過云控制平臺對獲取的信息數(shù)據(jù)系統(tǒng)性、智能化處理運(yùn)算，得到系統(tǒng)預(yù)測結(jié)果以及調(diào)控方案，然后發(fā)送到智能交通終端，實(shí)現(xiàn)對整個(gè)智能交通路網(wǎng)的統(tǒng)一監(jiān)控、管理、決策和控制服務(wù)。智能交通智能交通的需求隨著社會(huì)生活水平提升日益緊迫，目前現(xiàn)代智能交通信息物理融合路網(wǎng)建設(shè)中主要存在難題：（1）對象種類復(fù)雜；（2）采集數(shù)據(jù)量大；（3）傳輸及計(jì)算需求高；（4）實(shí)時(shí)調(diào)度控制能力弱。智能交通云功能針對以上難題，基于云控制系統(tǒng)理論，以現(xiàn)代智能交通控制網(wǎng)絡(luò)為研究對象，設(shè)計(jì)了智能交通信息物理融合云控制系統(tǒng)方案，包括智能交通邊緣控制技術(shù)和智能交通網(wǎng)絡(luò)虛擬化技術(shù)?；谥悄芙煌鞔髷?shù)據(jù)，在云控制管理中心服務(wù)器上利用深度學(xué)習(xí)和超限學(xué)習(xí)機(jī)等智能學(xué)習(xí)方法對采集的交通流數(shù)據(jù)進(jìn)行訓(xùn)練預(yù)測計(jì)算，能夠預(yù)測城市道路的短時(shí)交通流和擁堵狀況。進(jìn)一步在云端利用智能優(yōu)化調(diào)度算法得到實(shí)時(shí)的交通流調(diào)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(tǒng)動(dòng)態(tài)運(yùn)行性能。智能交通云控制系統(tǒng)示意圖從控制視角分析，智能交通信息物理融合系統(tǒng)的復(fù)雜性使得難以對其進(jìn)行建模。云端和終端間網(wǎng)絡(luò)時(shí)延以及網(wǎng)絡(luò)帶寬飽和會(huì)使系統(tǒng)無法實(shí)時(shí)處理海量數(shù)據(jù)，造成系統(tǒng)性能的損失。為解決這兩個(gè)難題，可利用云控制與邊緣控制結(jié)合的云端協(xié)同控制方式，提高控制系統(tǒng)實(shí)時(shí)性和可用性，實(shí)現(xiàn)控制即服務(wù)(Controlasaservice,CaaS)的目的。CaaS面向系統(tǒng)管理員、開發(fā)人員、系統(tǒng)普通用戶，用戶可以從供應(yīng)商那里獲得所需要的虛擬機(jī)或者存儲等資源來裝載相關(guān)的控制計(jì)算軟件。CaaS同時(shí)提供給用戶包含基礎(chǔ)操作系統(tǒng)、專業(yè)控制軟件、網(wǎng)絡(luò)和存儲等配置的控制開發(fā)平臺，具有極高的系統(tǒng)整合率和經(jīng)濟(jì)性。另外，任何一個(gè)遠(yuǎn)程終端上的控制應(yīng)用都可以通過網(wǎng)絡(luò)來運(yùn)行。用戶只要接上網(wǎng)絡(luò)，通過瀏覽器就能調(diào)節(jié)修改運(yùn)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(tǒng)采集數(shù)據(jù)上傳到云端，云控制器通過計(jì)算得到所需的控制系統(tǒng)參數(shù)和調(diào)節(jié)指令。對于系統(tǒng)模型不確定的控制終端，CaaS可依托強(qiáng)大的數(shù)據(jù)存儲和計(jì)算能力，利用智能學(xué)習(xí)算法為控制終端提供數(shù)據(jù)驅(qū)動(dòng)的模型優(yōu)化學(xué)習(xí)、模型預(yù)測控制、故障診斷與系統(tǒng)維護(hù)以及控制系統(tǒng)優(yōu)化調(diào)度決策等服務(wù)。對于系統(tǒng)模型確定的控制終端，CaaS可根據(jù)控制算法和實(shí)時(shí)上傳的系統(tǒng)數(shù)據(jù)，提供控制算法資源池優(yōu)化和控制參數(shù)實(shí)時(shí)自動(dòng)調(diào)節(jié)服務(wù)，為實(shí)際控制系統(tǒng)省去專業(yè)調(diào)試維護(hù)人員。CaaS能夠保證控制系統(tǒng)數(shù)據(jù)的完整性、可靠性和可管理性，能更好地調(diào)度和管理控制系統(tǒng)，保證其高效運(yùn)行。CaaS平臺會(huì)以API的形式將各種各樣的控制服務(wù)集成提供給用戶，采用多用戶機(jī)制，能夠支撐龐大的控制終端規(guī)模，并且提供定制化服務(wù)以滿足用戶的特殊需求。面向交通需求的交通云端協(xié)同控制智能交通信息物理融合云控制系統(tǒng)包括交通大數(shù)據(jù)云計(jì)算、交通流智能預(yù)測、交通流云控制調(diào)度等核心技術(shù)。其中云控制的核心思想是將大量用網(wǎng)絡(luò)連接的計(jì)算資源統(tǒng)一管理和調(diào)度，構(gòu)成一個(gè)計(jì)算資源池向交通路網(wǎng)設(shè)備以及終端用戶提供按需服務(wù)。智能交通底層邊緣控制本文主要貢獻(xiàn)：（1）面向交通控制網(wǎng)絡(luò)智能化發(fā)展的技術(shù)需求，首次提出智能交通信息物理融合云控制系統(tǒng)設(shè)計(jì)方案，給出了云控制理論在智能交通領(lǐng)域的示范性應(yīng)用。（2）針對智能交通信息物理融合云控制系統(tǒng)的實(shí)現(xiàn)問題，基于云計(jì)算和人工智能等技術(shù)，提出了智能交通邊緣控制技術(shù)、智能交通網(wǎng)絡(luò)虛擬化技術(shù)、交通流云端智能預(yù)測技術(shù)。（3）為解決智能交通系統(tǒng)中的云端交通數(shù)據(jù)處理的難題，引入了深度信念網(wǎng)絡(luò)支持向量回歸算法（Deepbeliefnetworksupportvectorregression，DBN-SVR）并且提出基于反向傳播的雙端超限學(xué)習(xí)機(jī)算法(Backpropagationbilateralextremelearningmachine，BP-BELM)，實(shí)現(xiàn)了智能交通云控制系統(tǒng)的短時(shí)交通流精準(zhǔn)預(yù)測。（4）針對智能交通路網(wǎng)大規(guī)模交通流調(diào)控的難題，在云端設(shè)計(jì)了智能交通信息物理融合云控制系統(tǒng)預(yù)測交通流分配方案，進(jìn)行基于交通流短時(shí)預(yù)測大數(shù)據(jù)的優(yōu)化調(diào)度。智能交通云控制系統(tǒng)預(yù)測調(diào)度示意圖本文對智能交通信息物理融合云控制系統(tǒng)的結(jié)構(gòu)和核心技術(shù)進(jìn)行了設(shè)計(jì)分析，探討了云控制技術(shù)在智能交通信息系統(tǒng)中的應(yīng)用模式，推廣了云控制技術(shù)在智能交通領(lǐng)域的應(yīng)用示范。利用深度學(xué)習(xí)和超限學(xué)習(xí)預(yù)測算法，對含有大量交通檢測節(jié)點(diǎn)的整體路網(wǎng)交通流進(jìn)行準(zhǔn)確預(yù)測，對交通擁堵狀況進(jìn)行預(yù)判。利用交通流分配算法對交通流進(jìn)行智能優(yōu)化調(diào)度，可改善各交通道路的運(yùn)行擁堵狀況。另外，智能學(xué)習(xí)算法和交通流調(diào)度策略在資源優(yōu)化整合的智能交通云端運(yùn)行，避免了傳統(tǒng)智能交通設(shè)備的計(jì)算存儲局限性，可預(yù)防設(shè)備故障，并節(jié)約智能交通系統(tǒng)建設(shè)和維護(hù)成本。事實(shí)上，當(dāng)前云控制技術(shù)還在