徐乃云人工智能在交通控制中應用人工智能在交通控制中的應用第1頁史蒂文·斯皮爾伯格執導電影（人工智能）

人工智能在交通控制中的應用第2頁二十一世紀中期，機器人制造技術已經高度發達，先進機器人不但擁有能夠亂真人類外表，還能感知本身存在。莫妮卡兒子馬丁重病住院，生命危在旦夕，為了緩解傷痛心情，她領養了機器人小孩大衛，大衛生存使命就是愛她。馬丁清醒，恢復健康，回到了家里，一系列事情使大衛“失寵”，最終被莫妮卡拋棄。在躲過機器屠宰場殘酷追殺后，大衛在機器情人喬幫助下，開始尋找自己生存價值：渴望變成真正小孩，重新回到莫妮卡媽媽身邊。人工智能在交通控制中的應用第3頁內容概要一、人工智能概述二、人工智能發展三、人工智能應用四、人工智能在交通控制中應用人工智能在交通控制中的應用第4頁一、人工智能概述人工智能(ArtificialIntelligence)定義一直沒有一個統一標準。著名美國斯坦福大學人工智能研究中心尼爾遜教授對人工智能下了這么一個定義“人工智能是關于知識學科———怎樣表示知識以及怎樣取得知識并使用知識科學。”美國麻省理工學院溫斯頓教授認為“人工智能就是研究怎樣使計算機去做過去只有些人才能做智能工作。”諸如這類定義基本都反應了人工智能學科基本思想和基本內容。即人工智能是研究人類智能活動規律，結構含有一定智能人工系統，研究怎樣讓計算機去完成以往需要人智力才能勝任工作，也就是研究怎樣應用計算機軟硬件來模擬人類一些智能行為基本理論、方法和技術。人工智能在交通控制中的應用第5頁

包括學科：計算機科學、信息論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。

研究范圍：自然語言處理，知識表現，智能搜索，推理，規劃，機器學習，知識獲取，組合調度問題，感知問題，模式識別，邏輯程序設計，軟計算，不準確和不確定管理，人工生命，神經網絡，復雜系統，遺傳算法等。

應用領域：智能控制，教授系統，機器人學，語言和圖像了解等。

實際應用：機器視覺:指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，教授系統,智能搜索，定理證實，博弈，自動程序設計，還有航天應用等。

人工智能在交通控制中的應用第6頁因為人們對智能本質不一樣了解,形成了人工智能各種不一樣研究路徑和學派,其中主要包含符號主義(Symbolism)、聯結主義(Connectionism)和行為主義(Behaviorism)。

符號主義認為智能產生于大腦抽象思維過程中,以物理符號系統假設為基礎,經過對含有物理模式符號實體建立、修改、復制和刪除等操作生成其它符號結構,從而實現智能行為。

聯結主義認為智能產生于大腦神經元之間相互作用及信息往來過程中,所以經過對大腦神經系統結構模擬來建立人工神經元網絡,從而實現對應智能行為.

行為主義人工智能與上述傳統人工智能最大區分在于,它摒棄了內省思維過程,而把智能研究建立在可觀察詳細行為活動基礎上.

人工智能在交通控制中的應用第7頁

人工智能兩種實現方法人工智能在計算機上實現時有2種不一樣方式。一個是采取傳統編程技術，使系統展現智能效果，而不考慮所用方法是否與人或動物機體所用方法相同。這種方法叫工程學方法（Engineeringapproach），它已在一些領域內作出了結果，如文字識別、電腦下棋等。另一個是模擬法（Modelingapproach），它不但要看效果，還要求實現方法也和人類或生物機體所用方法相同或相類似。遺傳算法（GenericAlgorithm,簡稱GA）和人工神經網絡（ArtificialNeuralNetwork,簡稱ANN）均屬后一類型。人工智能在交通控制中的應用第8頁為了得到相同智能效果，兩種方式通常都可使用。采取前一個方法，需要人工詳細要求程序邏輯，假如游戲簡單，還是方便。假如游戲復雜，角色數量和活動空間增加，對應邏輯就會很復雜（按指數式增加），人工編程就非常繁瑣，輕易犯錯。而一旦犯錯，就必須修改原程序，重新編譯、調試，最終為用戶提供一個新版本或提供一個新補丁,非常麻煩。采取后一個方法時，編程者要為每一角色設計一個智能系統（一個模塊）來進行控制，這個智能系統（模塊）開始什么也不懂，就像初生嬰兒那樣，但它能夠學習，能漸漸地適應環境，應付各種復雜情況。這種系統開始也常犯錯誤，但它能吸收教訓，下一次運行時就可能更正，最少不會永遠錯下去，用不著公布新版本或打補丁。利用這種方法來實現人工智能，要求編程者含有生物學思索方法，入門難度大一點。但一旦入了門，就可得到廣泛應用。因為這種方法編程時無須對角色活動規律做詳細要求，應用于復雜問題，通常會比前一個方法更省力。人工智能在交通控制中的應用第9頁

強人工智能強人工智能觀點認為有可能制造出真正能推理和處理問題智能機器，而且，這么機器能將被認為是有知覺，有自我意識。

弱人工智能

弱人工智能觀點認為不可能制造出能真正地推理和處理問題智能機器，這些機器只不過看起來像是智能，不過并不真正擁有智能，也不會有自主意識。主流科研集中在弱人工智能上。

人工智能在交通控制中的應用第10頁人工智能極限哲學問題人工智能不含有些人思維社會性。人工智能不含有些人主觀能動性。人工智能不含有主觀世界。人工智能在交通控制中的應用第11頁二、人工智能發展人工智能傳說能夠追溯到古埃及，但伴隨1941年以來電子計算機發展，技術已最終能夠創造出機器智能，“人工智能”(ArtificialIntelligence)一詞最初是在1956年Dartmouth學會上提出，從那以后,研究者們發展了眾多理論和原理，人工智能概念也隨之擴展，在它還不長歷史中，人工智能發展比預想要慢，但一直在前進，從出現到現在，已經出現了許多AI程序，而且它們也影響到了其它技術發展。80年代AI被引入了市場,并顯示出實用價值。人工智能在交通控制中的應用第12頁當前，AI技術在美國、歐洲和日本發展很快。在

AI技術領域十分活躍

IBM企業。已經制造了號稱含有些人腦千分之一智力能力“ASCIIWhite”電腦，而且正在開發更為強大新超級電腦———“藍色牛仔(bluejean)”，據其研究主任保羅·霍恩稱，預計“藍色牛仔”智力水平將大致與人腦相當。因為人工智能有著廣大發展前景，巨大發展市場被各國和各企業所看好。多家企業在人工智能分支研究方面保持著一定投入百分比。我國很長一段時間以來，機械和自動控制教授們都把研制含有些人行為特征類人性機器人作為奮斗目標。在

1990年成功研制出我國第一臺兩足步行機器人基礎上，經過科研

10年攻關，于年

11月，又成功研制成我國第一臺類人性機器人。人工智能在交通控制中的應用第13頁人工智能發展方向

信息檢索：人工智能在網絡信息檢索中應用，主要表現在：①怎樣利用計算機軟硬件系統模仿、延伸與擴展人類智能理論、方法和技術，包含機器感知、機器思維、機器行為，即知識獲取、知識處理、知識利用過程。②因為網絡知識信息既包含規律性知識，如普通原理概念，也包含大量經驗知識，這些知識不可防止地帶有含糊性、隨機性、不可靠性等不確定性原因，對其進行推理，需要利用人工智能研究結果。

教授系統：一個基于規則教授系統能夠在教授指導下，伴隨經驗積累而利用自學習能力進行規則擴充和修正，教授系統對歷史統計依賴性相對于統計方法較小。人工智能在交通控制中的應用第14頁

人工智能在機器人：機器人足球系統是當前進行人工智能體系研究熱點，其即高科技和娛樂性于一體特點吸引了國內外大批學者興趣。決議系統主要處理機器人足球比勝過程中機器人之間協作和機器人運動規劃問題，在機器人足球系統設計中需要將人工智能中決議樹、神經網絡、遺傳學等算法綜合利用，伴隨人工智能理論深入發展，將使機器人足球有長足發展。人工智能在交通控制中的應用第15頁三、人工智能應用教授系統

教授系統是以知識為基礎智能推理系統,與通用問題求解系統不一樣,教授系統強調在某一專業領域中積累大量知識,包含實現范例以及該領域教授們所含有經驗和規律。當然這些規律并不要求是很嚴謹,但它們是有啟發性。這些知識組成數據庫,系統在知識庫基礎上發展其專門領域知識,使系統到達模擬教授程度。簡單說(知識庫)+(推理機)=教授系統。教授系統大致分為三個組成部分:知識庫、推理機和人機界面,詳細結構主要有知識庫、數據庫、推理機、解釋器、知識獲取(學習系統)和人機界面組成,其中知識庫和推理機是關鍵部分。教授系統經過提取知識庫中知識,由推理機進行一系列推理,得出結論,指導工作。人工智能在交通控制中的應用第16頁教授系統含有以下特點(1)它所處理問題是復雜而專門問題,這些問題極難用準確數學語言描述,也沒有確定算法去處理;(2)教授系統不一樣于傳統數據處理算法而是突出知識價值,推廣和應用教授知識;(3)它采取人工智能原理和技術,如符號表示、符號推理和啟發搜索等。人工智能在交通控制中的應用第17頁

人工智能控制

可用于控制人工智能方法主要有3種：含糊控制、神經網絡控制、教授系統控制。因為含糊控制是其中最為簡單、最具實際意義方法，因而它應用實例最多。人工智能控制器優勢

不一樣人工智能控制通慣用完全不一樣方法去討論。但AI控制器比如：神經、含糊、含糊神經以及遺傳算法都可看成一類非線性函數近似器。這么分類就能得到很好總體了解，也有利于控制策略統一開發。這些AI函數近似器比常規函數預計器含有更多優勢，這些優勢以下：（1）它們設計不需要控制對象模型（在許多場所，極難得到實際控制對象準確動態方程，實際控制對象模型在控制器設計時往往有很多不確實性原因，比如：參數改變，非線性時，往往不知道）。人工智能在交通控制中的應用第18頁（2）經過適當調整（依據響應時間、下降時間、魯棒性能等）它們能提升性能。比如：含糊邏輯控制器上升時間比最優PID控制器快1.5倍，下降時間快3.5倍，過沖更小。（3）它們比古典控制器調整輕易。（4）在沒有必須教授知識時，經過響應數據也能設計它們。（5）利用語言和響應信息可能設計它們。（6）它們有相當好一致性（當使用一些新未知輸入數據就能得到好預計），與驅動器特征無關。現在沒有使用人工智能控制算法對特定對象控制效果十分好，但對其它控制對象效果就不會一致性地好，所以對詳細對象必須詳細設計。（7）它們對新數據或新信息含有很好適應性。（8）它們能處理常規方法不能處理問題。（9）它們含有很好抗噪聲干擾能力。（10）它們實現十分廉價，尤其是使用最小配置時。（11）它們很輕易擴展和修改人工智能在交通控制中的應用第19頁四、人工智能在交通控制中應用人工智能方法在信號處理中應用交通控制中，含糊控制一向被廣泛研究；而在含糊理論應用中，最為要步驟之一就是建立含糊集隸屬度函數，怎樣客觀而準確地選取隸屬函數也一直是一個主要話題。在這個問題上，人工智能飾演了主要角色，為隸屬函數求解問題提供了許多非傳統路徑。人工智能在交通控制中的應用第20頁1、神經網絡利用BP神經網絡推斷隸屬函數前饋式神經網絡，即BP神經網絡是當前應用比較廣泛一個神經網絡模型，它能夠經過梯度下降法令誤差反向傳輸，通過多層修正使誤差趨向最小，也就是使隸屬函數趨向于最精確值。將前饋式神經網絡與含糊邏輯結合起來形成神經含糊推理系統是一個多層系統，每一層都有各自不一樣功效。

多目標優化模型含糊解法多目標含糊求解首先要按照慣常步驟求出各子目標約束最優解，利用這些最優解將這些子目標函數含糊化之后，最終所求出使交集隸屬函數取最大值解便是該模型含糊最優解。人工智能在交通控制中的應用第21頁2、小波分析理論利用小波分析優化含糊推理規則構建隸屬函數時最大問題就在于無法系統性地去尋找一個準確隸屬函數。經過將小波基函數與含糊集隸屬函數相結合，即可建立小波隸屬函數，這種函數有利于填補以上缺點，然而仍無法去除依據固有推理規則進行推理所帶來問題。遺傳算法是一個全局優化搜索算法，利用它將小波