中文摘要：

本项目利用神经网络和数学规划算法来研究城市动态交通实时最优分配算法以及动态路径诱导和交通控制一体化系统。研究基于神经网络的交通预测模型，将预测信息而不是实时信息提供给动态交通分配算法，可以增加算法的实时性。研究基于神经网络的交通信息的最优估计，可以用来获得没有检测器的道路的交通信息，可以在没有检测器的道路上实现动态路径诱导。提出了新的基于backstepping方法的自动化公路交通流控制算法、新的交通模型的辨识算法以及新的基于模糊ART神经网络的公路系统故障诊断算法。同时，展开复杂网络理论及其在公交网络中的应用研究，研究公交网络的演化模型及其优化算法，提出公共交通网络是一种具有随机重叠派系(最大完全耦合子网)结构的加权复杂动态网络，提出了基于加权复杂网络的最优公交换乘算法，研究加权复杂动态网络中，权值为时变时，网络性能的变化规律，并在此基础上，研究公交网络在交通需求有变化时的动态调度算法，本课题研究动态路径诱导与交通控制的相互影响和相互作用，结合目前国内外所倡导的公交优先理念，寻找使城市路网运行效率更高的途径；有助于科学地引导和控制交通流，有助于提高现有的道路网络运行效率。