人工智能在交通控制中的应用.pptx

《人工智能在交通控制中的应用.pptx》由会员分享，可在线阅读，更多相关《人工智能在交通控制中的应用.pptx（23页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、徐乃云人工智能在交通控制中应用人工智能在交通控制中应用人工智能在交通控制中的应用第1页史蒂文斯皮尔伯格执导电影（人工智能）人工智能在交通控制中的应用第2页 二十一世纪中期，机器人制造技术已经高度发达，先进机器人不但拥有能够乱真人类外表，还能感知本身存在。莫妮卡儿子马丁重病住院，生命危在旦夕，为了缓解伤痛心情，她领养了机器人小孩大卫，大卫生存使命就是爱她。马丁清醒，恢复健康，回到了家里，一系列事情使大卫“失宠”，最终被莫妮卡抛弃。在躲过机器屠宰场残酷追杀后，大卫在机器情人乔帮助下，开始寻找自己生存价值：渴望变成真正小孩，重新回到莫妮卡妈妈身边。人工智能在交通控制中的应用第3页内容概要一、人工智能

2、概述二、人工智能发展三、人工智能应用四、人工智能在交通控制中应用人工智能在交通控制中的应用第4页一、人工智能概述一、人工智能概述 人工智能(Artificial Intelligence)定义一直没有一个统一标准。著名美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这么一个定义“人工智能是关于知识学科怎样表示知识以及怎样取得知识并使用知识科学。”美国麻省理工学院温斯顿教授认为“人工智能就是研究怎样使计算机去做过去只有些人才能做智能工作。”诸如这类定义基本都反应了人工智能学科基本思想和基本内容。即人工智能是研究人类智能活动规律，结构含有一定智能人工系统，研究怎样让计算机去完成以往需要人智力

3、才能胜任工作，也就是研究怎样应用计算机软硬件来模拟人类一些智能行为基本理论、方法和技术。人工智能在交通控制中的应用第5页 包括学科：包括学科：计算机科学、信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。研究范围研究范围：自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计，软计算，不准确和不确定管理，人工生命，神经网络，复杂系统，遗传算法等。应用领域应用领域：智能控制，教授系统，机器人学，语言和图像了解等。实际应用实际应用：机器视觉:指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，教授系统,

4、智能搜索，定理证实，博弈，自动程序设计，还有航天应用等。人工智能在交通控制中的应用第6页 因为人们对智能本质不一样了解,形成了人工智能各种不一样研究路径和学派,其中主要包含符号主义(Symbolism)、联结主义(Connectionism)和行为主义(Behaviorism)。符号主义认为智能产生于大脑抽象思维过程中,以物理符号系统假设为基础,经过对含有物理模式符号实体建立、修改、复制和删除等操作生成其它符号结构,从而实现智能行为。联结主义认为智能产生于大脑神经元之间相互作用及信息往来过程中,所以经过对大脑神经系统结构模拟来建立人工神经元网络,从而实现对应智能行为.行为主义人工智能与上述传统

5、人工智能最大区分在于,它摒弃了内省思维过程,而把智能研究建立在可观察详细行为活动基础上.人工智能在交通控制中的应用第7页 人工智能两种实现方法人工智能两种实现方法 人工智能在计算机上实现时有2种不一样方式。一个是采取传统编程技术，使系统展现智能效果，而不考虑所用方法是否与人或动物机体所用方法相同。这种方法叫工程学方法（Engineering approach），它已在一些领域内作出了结果，如文字识别、电脑下棋等。另一个是模拟法（Modeling approach），它不但要看效果，还要求实现方法也和人类或生物机体所用方法相同或相类似。遗传算法（Generic Algorithm,简称GA）和人

6、工神经网络（Artificial Neural Network,简称ANN）均属后一类型。人工智能在交通控制中的应用第8页 为了得到相同智能效果，两种方式通常都可使用。采取前一个方法，需要人工详细要求程序逻辑，假如游戏简单，还是方便。假如游戏复杂，角色数量和活动空间增加，对应逻辑就会很复杂（按指数式增加），人工编程就非常繁琐，轻易犯错。而一旦犯错，就必须修改原程序，重新编译、调试，最终为用户提供一个新版本或提供一个新补丁,非常麻烦。采取后一个方法时，编程者要为每一角色设计一个智能系统（一个模块）来进行控制，这个智能系统（模块）开始什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应

7、付各种复杂情况。这种系统开始也常犯错误，但它能吸收教训，下一次运行时就可能更正，最少不会永远错下去，用不着公布新版本或打补丁。利用这种方法来实现人工智能，要求编程者含有生物学思索方法，入门难度大一点。但一旦入了门，就可得到广泛应用。因为这种方法编程时无须对角色活动规律做详细要求，应用于复杂问题，通常会比前一个方法更省力。人工智能在交通控制中的应用第9页 强人工智能强人工智能 强人工智能观点认为有可能制造出真正能推理和处理问题智能机器，而且，这么机器能将被认为是有知觉，有自我意识。弱人工智能弱人工智能 弱人工智能观点认为不可能制造出能真正地推理和处理问题智能机器，这些机器只不过看起来像是智能，不

8、过并不真正拥有智能，也不会有自主意识。主流科研集中在弱人工智能上。人工智能在交通控制中的应用第10页人工智能极限哲学问题人工智能极限哲学问题人工智能不含有些人思维社会性。人工智能不含有些人主观能动性。人工智能不含有主观世界。人工智能在交通控制中的应用第11页二、人工智能发展二、人工智能发展 人工智能传说能够追溯到古埃及，但伴随1941年以来电子计算机发展，技术已最终能够创造出机器智能，“人工智能”(Artificial Intelligence)一词最初是在1956年Dartmouth学会上提出，从那以后,研究者们发展了众多理论和原理，人工智能概念也随之扩展，在它还不长历史中，人工智能发展比预

9、想要慢，但一直在前进，从出现到现在，已经出现了许多AI程序，而且它们也影响到了其它技术发展。80年代AI被引入了市场,并显示出实用价值。人工智能在交通控制中的应用第12页 当前，AI 技术在美国、欧洲和日本发展很快。在 AI技术领域十分活跃 IBM 企业。已经制造了号称含有些人脑千分之一智力能力“ASCII White”电脑，而且正在开发更为强大新超级电脑“蓝色牛仔(blue jean)”，据其研究主任保罗霍恩称，预计“蓝色牛仔”智力水平将大致与人脑相当。因为人工智能有着广大发展前景，巨大发展市场被各国和各企业所看好。多家企业在人工智能分支研究方面保持着一定投入百分比。我国很长一段时间以来，机

10、械和自动控制教授们都把研制含有些人行为特征类人性机器人作为奋斗目标。在 1990 年成功研制出我国第一台两足步行机器人基础上，经过科研 10 年攻关，于 年 11 月，又成功研制成我国第一台类人性机器人。人工智能在交通控制中的应用第13页 人工智能发展方向 信息检索：人工智能在网络信息检索中应用，主要表现在：怎样利用计算机软硬件系统模仿、延伸与扩展人类智能理论、方法和技术，包含机器感知、机器思维、机器行为，即知识获取、知识处理、知识利用过程。因为网络知识信息既包含规律性知识，如普通原理概念，也包含大量经验知识，这些知识不可防止地带有含糊性、随机性、不可靠性等不确定性原因，对其进行推理，需要利用

11、人工智能研究结果。教授系统：一个基于规则教授系统能够在教授指导下，伴随经验积累而利用自学习能力进行规则扩充和修正，教授系统对历史统计依赖性相对于统计方法较小。人工智能在交通控制中的应用第14页 人工智能在机器人：机器人足球系统是当前进行人工智能体系研究热点，其即高科技和娱乐性于一体特点吸引了国内外大批学者兴趣。决议系统主要处理机器人足球比胜过程中机器人之间协作和机器人运动规划问题，在机器人足球系统设计中需要将人工智能中决议树、神经网络、遗传学等算法综合利用，伴随人工智能理论深入发展，将使机器人足球有长足发展。人工智能在交通控制中的应用第15页三、人工智能应用三、人工智能应用 教授系统教授系统

12、教授系统是以知识为基础智能推理系统,与通用问题求解系统不一样,教授系统强调在某一专业领域中积累大量知识,包含实现范例以及该领域教授们所含有经验和规律。当然这些规律并不要求是很严谨,但它们是有启发性。这些知识组成数据库,系统在知识库基础上发展其专门领域知识,使系统到达模拟教授程度。简单说(知识库)+(推理机)=教授系统。教授系统大致分为三个组成部分:知识库、推理机和人机界面,详细结构主要有知识库、数据库、推理机、解释器、知识获取(学习系统)和人机界面组成,其中知识库和推理机是关键部分。教授系统经过提取知识库中知识,由推理机进行一系列推理,得出结论,指导工作。人工智能在交通控制中的应用第16页 教

13、授系统含有以下特点(1)它所处理问题是复杂而专门问题,这些问题极难用准确数学语言描述,也没有确定算法去处理;(2)教授系统不一样于传统数据处理算法而是突出知识价值,推广和应用教授知识;(3)它采取人工智能原理和技术,如符号表示、符号推理和启发搜索等。人工智能在交通控制中的应用第17页 人工智能控制人工智能控制 可用于控制人工智能方法主要有3种：含糊控制、神经网络控制、教授系统控制。因为含糊控制是其中最为简单、最具实际意义方法，因而它应用实例最多。人工智能控制器优势人工智能控制器优势 不一样人工智能控制通惯用完全不一样方法去讨论。但AI控制器比如：神经、含糊、含糊神经以及遗传算法都可看成一类非线

14、性函数近似器。这么分类就能得到很好总体了解，也有利于控制策略统一开发。这些AI函数近似器比常规函数预计器含有更多优势，这些优势以下：（1）它们设计不需要控制对象模型（在许多场所，极难得到实际控制对象准确动态方程，实际控制对象模型在控制器设计时往往有很多不确实性原因，比如：参数改变，非线性时，往往不知道）。人工智能在交通控制中的应用第18页（2）经过适当调整（依据响应时间、下降时间、鲁棒性能等）它们能提升性能。比如：含糊逻辑控制器上升时间比最优PID控制器快1.5倍，下降时间快3.5倍，过冲更小。（3）它们比古典控制器调整轻易。（4）在没有必须教授知识时，经过响应数据也能设计它们。（5）利用语言

15、和响应信息可能设计它们。（6）它们有相当好一致性（当使用一些新未知输入数据就能得到好预计），与驱动器特征无关。现在没有使用人工智能控制算法对特定对象控制效果十分好，但对其它控制对象效果就不会一致性地好，所以对详细对象必须详细设计。（7）它们对新数据或新信息含有很好适应性。（8）它们能处理常规方法不能处理问题。（9）它们含有很好抗噪声干扰能力。（10）它们实现十分廉价，尤其是使用最小配置时。（11）它们很轻易扩展和修改人工智能在交通控制中的应用第19页四、人工智能在交通控制中应用 人工智能方法在信号处理中应用人工智能方法在信号处理中应用 交通控制中，含糊控制一向被广泛研究；而在含糊理论应用中，最

16、为要步骤之一就是建立含糊集隶属度函数，怎样客观而准确地选取隶属函数也一直是一个主要话题。在这个问题上，人工智能饰演了主要角色，为隶属函数求解问题提供了许多非传统路径。人工智能在交通控制中的应用第20页1、神经网络 利用 BP神经网络推断隶属函数前馈式神经网络，即BP神经网络是当前应用比较广泛一个神经网络模型，它能够经过梯度下降法令误差反向传输，通过多层修正使误差趋向最小，也就是使隶属函数趋向于最精确值。将前馈式神经网络与含糊逻辑结合起来形成神经含糊推理系统是一个多层系统，每一层都有各自不一样功效。多目标优化模型含糊解法多目标含糊求解首先要按照惯常步骤求出各子目标约束最优解，利用这些最优解将这些

17、子目标函数含糊化之后，最终所求出使交集隶属函数取最大值解便是该模型含糊最优解。人工智能在交通控制中的应用第21页 2、小波分析理论 利用小波分析优化含糊推理规则 构建隶属函数时最大问题就在于无法系统性地去寻找一个准确隶属函数。经过将小波基函数与含糊集隶属函数相结合，即可建立小波隶属函数，这种函数有利于填补以上缺点，然而仍无法去除依据固有推理规则进行推理所带来问题。遗传算法是一个全局优化搜索算法，利用它将小波函数进行优化，能够改进该函数缺乏自学习功效弊病，完善对小波隶属函数优化，使隶属函数寻找能够深入准确化。人工智能在交通控制中的应用第22页 3、遗传算法 遗传算法含有良好全局寻优能力依据遗传算法原理，要利用此算法进行优化，首先要将问题一些部分与基因片段相对应，按照遗传规则进行选择、交叉、变异 后，选取其中优异个体保留下来组成下一代族群，从而完成优化。利用遗传算法对含糊系统隶属函数进行优化主要是调整参数，如位置、形状等。进行优化后，往往能够到达使整个系统稳定精度提升、愈加迫近隶属度全局最优解效果。人工智能在交通控制中的应用第23页