第一篇：人工智能在高校混合式教學(xué)中的應(yīng)用導(dǎo)論

人工智能在高校混合式教學(xué)中的應(yīng)用導(dǎo)論

摘要：混合式教學(xué)是將線上與線下教學(xué)相結(jié)合，是一種計(jì)算機(jī)網(wǎng)絡(luò)支持的信息化教學(xué)方法。人工智能在其中的應(yīng)用具有較好的前景。本文探析人工智能在高校混合式教學(xué)中的應(yīng)用，以促進(jìn)我國(guó)高校智慧教學(xué)和教育信息化的發(fā)展。

關(guān)鍵詞：人工智能；高校；混合式教學(xué)；MOOC

一、前言

人工智能是在機(jī)器上實(shí)現(xiàn)人類智能的技術(shù)科學(xué)，有著廣泛的應(yīng)用和深刻的影響。將人工智能與高校混合式教學(xué)相結(jié)合，不僅可以實(shí)現(xiàn)對(duì)信息資源的充分利用，還能有效的改善教學(xué)效果，提高學(xué)習(xí)效率，是高校智慧教學(xué)建設(shè)的有機(jī)部分。

二、人工智能與混合式教學(xué)相關(guān)概念

（一）人工智能概念

人工智能，是涉及計(jì)算機(jī)、神經(jīng)科學(xué)和認(rèn)知科學(xué)等多學(xué)科的模擬人類智能的技術(shù)科學(xué)。借助于計(jì)算能力以及神經(jīng)網(wǎng)絡(luò)方面研究的突破，人工智能特別是深度學(xué)習(xí)在近年來(lái)取得了顯著的進(jìn)步，被應(yīng)用到工業(yè)、醫(yī)學(xué)、交通、金融、法律等等領(lǐng)域。人工智能在教育領(lǐng)域的應(yīng)用更是方興未艾，其核心是基于計(jì)算機(jī)支持的智能教學(xué)系統(tǒng)，在理解學(xué)習(xí)過(guò)程的基礎(chǔ)上，融合教育、認(rèn)知、計(jì)算機(jī)、信息科學(xué)和心理學(xué)等學(xué)科，用人工智能來(lái)改善教學(xué)過(guò)程，實(shí)現(xiàn)精準(zhǔn)教學(xué)和智慧教學(xué)。

（二）混合式教學(xué)（Blended Learning）

混合式教學(xué)基于網(wǎng)絡(luò)和移動(dòng)教學(xué)平臺(tái)，將在線學(xué)習(xí)和現(xiàn)場(chǎng)課堂教學(xué)相結(jié)合，加強(qiáng)師生互動(dòng)，并引導(dǎo)學(xué)生自主學(xué)習(xí)，是一種以學(xué)習(xí)者為中心的新型教學(xué)模式。混合式教學(xué)結(jié)合線上與線下的活動(dòng)，能夠基于學(xué)生學(xué)習(xí)行為的大數(shù)據(jù)分析，為學(xué)生提供學(xué)習(xí)建議，幫助改進(jìn)教學(xué)方案，改善教學(xué)效果。

（三）混合式學(xué)習(xí)內(nèi)容

1.學(xué)習(xí)理論的混合

混合式教學(xué)之所以能夠滿足不同主體的學(xué)習(xí)要求，重點(diǎn)在于“混合”。在理論上，實(shí)現(xiàn)了虛擬與現(xiàn)實(shí)的有效結(jié)合，在拓展學(xué)生學(xué)習(xí)思維的同時(shí)，還能夠構(gòu)建起良好的教學(xué)情境，使學(xué)生對(duì)學(xué)習(xí)內(nèi)容始終保持新鮮感，從而更積極地參與到學(xué)習(xí)活動(dòng)當(dāng)中。

2.學(xué)習(xí)資源的混合

混合學(xué)習(xí)能夠?qū)崿F(xiàn)線上與線下資源的有效結(jié)合，教師在網(wǎng)絡(luò)上收集盡可能多的教學(xué)資源，為學(xué)生構(gòu)建起系統(tǒng)的學(xué)習(xí)的平臺(tái)，使隱性知識(shí)顯性化，顯性知識(shí)系統(tǒng)化，實(shí)現(xiàn)對(duì)教學(xué)資源的優(yōu)化管理，此外，混合式學(xué)習(xí)利用計(jì)算機(jī)為主要學(xué)習(xí)工具，為資源共享奠定了良好的基礎(chǔ)。

3.學(xué)習(xí)環(huán)境的混合

與傳統(tǒng)課堂教學(xué)不同，混合式學(xué)習(xí)為學(xué)生提供了更加豐富的學(xué)習(xí)環(huán)境，且學(xué)習(xí)不會(huì)受到時(shí)間與空間上的限制，一切學(xué)習(xí)內(nèi)容都以學(xué)生為主體，學(xué)生只需要利用計(jì)算機(jī)或移動(dòng)手機(jī)等網(wǎng)絡(luò)設(shè)備就可以隨時(shí)隨地的觀看教學(xué)視頻。此外，網(wǎng)絡(luò)平臺(tái)還具備評(píng)價(jià)功能，教師可及時(shí)地了解學(xué)生的反饋情況，對(duì)教學(xué)內(nèi)容進(jìn)行優(yōu)化配置，進(jìn)一步提升教學(xué)效率。

三、人工智能在高校混合式教學(xué)中的應(yīng)用

最近，挪威管理學(xué)院引入人工智能作為助教，幫助教師更快捷地回答學(xué)生的問(wèn)題。清華大學(xué)基于MOOC（大規(guī)模在線開(kāi)放課程）教學(xué)方式，開(kāi)展了一百多門課程的混合式教學(xué)實(shí)踐，并在將近千萬(wàn)注冊(cè)者的教學(xué)大數(shù)據(jù)基礎(chǔ)上做了深度學(xué)習(xí)分析的探索。人工智能在MOOC中應(yīng)用，可以為用戶進(jìn)行個(gè)性化建模和建議，能夠自動(dòng)分析課程以及知識(shí)點(diǎn)之間的關(guān)聯(lián)，在前兩者基礎(chǔ)上與用戶進(jìn)行互動(dòng)。人工智能基于對(duì)MOOC學(xué)習(xí)大數(shù)據(jù)分析，可以用積極心理學(xué)的方法介入在線教學(xué)環(huán)節(jié)，提高學(xué)員學(xué)習(xí)動(dòng)力和效率。人工智能在高校教學(xué)中會(huì)有越來(lái)越廣泛和深入的應(yīng)用。

（一）智能評(píng)測(cè)

所謂智能評(píng)測(cè)，就是對(duì)學(xué)生的學(xué)習(xí)過(guò)程進(jìn)行自主測(cè)評(píng)的過(guò)程，并對(duì)測(cè)評(píng)的結(jié)果進(jìn)行分析，最終整理出個(gè)性化的反饋內(nèi)容的一系列過(guò)程。在人工智能的支持下進(jìn)行測(cè)評(píng)，將學(xué)生進(jìn)行群體劃分，對(duì)其學(xué)習(xí)情況進(jìn)行綜合測(cè)算，在此基礎(chǔ)上對(duì)個(gè)人學(xué)習(xí)成果進(jìn)行再次分析，最終得出個(gè)性化的反饋結(jié)果，做到“因類施教”。

教師也可以利用人工智能中的語(yǔ)音識(shí)別技術(shù)來(lái)審核學(xué)生的口語(yǔ)表達(dá)能力，并在系統(tǒng)中自動(dòng)生成分?jǐn)?shù)，極大地提升了學(xué)生考核的效率。基于人工智能中的自然語(yǔ)言處理技術(shù)的主觀題和論文自動(dòng)評(píng)分系統(tǒng)也有了探索性的發(fā)展。

（二）個(gè)性化教學(xué)

因材施教向來(lái)是我國(guó)教育的重點(diǎn)內(nèi)容，通過(guò)利用人工智能，網(wǎng)絡(luò)教學(xué)平臺(tái)可以自主的測(cè)算出學(xué)生的學(xué)習(xí)興趣與偏好科目，并推薦學(xué)生可能感興趣的書(shū)籍，使教學(xué)工作更具有針對(duì)性，更能夠滿足現(xiàn)代教學(xué)的實(shí)際需求。

（三）智能導(dǎo)學(xué)

基于對(duì)網(wǎng)絡(luò)數(shù)據(jù)平臺(tái)上的學(xué)生學(xué)?過(guò)程數(shù)據(jù)分析，人工智能可以進(jìn)行智能導(dǎo)學(xué)。對(duì)學(xué)生近期的練習(xí)內(nèi)容以及解答情況進(jìn)行掃描評(píng)估，找到學(xué)生不擅長(zhǎng)的領(lǐng)域，并為學(xué)生規(guī)劃學(xué)習(xí)路徑，提供學(xué)習(xí)指南等，使學(xué)生的學(xué)習(xí)更具有針對(duì)性。當(dāng)學(xué)生進(jìn)入到新課程的學(xué)習(xí)時(shí)，系統(tǒng)還可以對(duì)知識(shí)點(diǎn)進(jìn)行掃描分析，將知識(shí)點(diǎn)與舊知識(shí)內(nèi)容進(jìn)行有效結(jié)合，幫助學(xué)生系統(tǒng)地掌握學(xué)習(xí)內(nèi)容。系統(tǒng)綜合分析學(xué)生的做題情況，協(xié)助教師了解學(xué)生的學(xué)習(xí)水平，為后續(xù)的教學(xué)方案的改進(jìn)提供合理依據(jù)。

（四）智能在線考試

將人工智能引擎加入混合式教學(xué)的網(wǎng)絡(luò)教學(xué)平臺(tái)中，能完成測(cè)評(píng)與考試等大量的復(fù)雜性工作內(nèi)容。通過(guò)設(shè)置了一定的閱卷標(biāo)準(zhǔn)，可以快速地進(jìn)行試卷批改，并準(zhǔn)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(jìn)行試卷內(nèi)容的分析和評(píng)閱，實(shí)現(xiàn)對(duì)數(shù)據(jù)的深入挖掘，有助于教師改進(jìn)教學(xué)方案。人工智能還可以與云計(jì)算、物聯(lián)網(wǎng)以及大數(shù)據(jù)的有效結(jié)合，為教師分擔(dān)繁重的批改工作，實(shí)現(xiàn)線上與線下教學(xué)工作的良好結(jié)合。

四、結(jié)語(yǔ)

綜上所述，人工智能在混合式教學(xué)中的應(yīng)用，能夠有效地改善現(xiàn)代高校教育體制中存在的不足，實(shí)現(xiàn)對(duì)教學(xué)資源的靈活運(yùn)用，提升教學(xué)效果，有助于建設(shè)智慧教學(xué)系統(tǒng)，實(shí)現(xiàn)高校精準(zhǔn)教學(xué)的發(fā)展。

參考文獻(xiàn)：

[1]郝兆杰，潘林.高校教師翻轉(zhuǎn)課堂教學(xué)勝任力模型構(gòu)建研究――兼及“人工智能+”背景下的教學(xué)新思考[J].遠(yuǎn)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(jì)算的主觀題自動(dòng)閱卷方法[J].圖書(shū)情報(bào)工作，2014，58（19）：31-38.[4]冀俊忠.落實(shí)科學(xué)發(fā)展觀，深化“人工智能”課程的教學(xué)改革[J].計(jì)算機(jī)教育，2009（24）：105-107.作者簡(jiǎn)介：王晟，浙江省杭州市，杭州電子科技大學(xué)生儀學(xué)院。

第二篇：混合式教學(xué)在通識(shí)課《現(xiàn)代生命科學(xué)導(dǎo)論》中的應(yīng)用探索

混合式教學(xué)在通識(shí)課《現(xiàn)代生命科學(xué)導(dǎo)論》中的應(yīng)用探索

摘要：《現(xiàn)代生命科學(xué)導(dǎo)論》是本科教育階段重要的通識(shí)課，是一門適應(yīng)素質(zhì)教育、拓寬學(xué)生知識(shí)面、增強(qiáng)學(xué)生創(chuàng)新能力的課程。由于生命科學(xué)涉及的領(lǐng)域非常廣泛，如何在有限學(xué)時(shí)內(nèi)精選課程內(nèi)容、優(yōu)化教學(xué)方法、并凸顯本校學(xué)科優(yōu)勢(shì)，均是當(dāng)前該課程建設(shè)中亟待解決的難題。研究者在教學(xué)實(shí)踐中引入了混合式教學(xué)模式，將傳統(tǒng)課堂教學(xué)與網(wǎng)絡(luò)教學(xué)相結(jié)合，并在教學(xué)方法和教學(xué)手段、課堂組織形式、考核方式等方面進(jìn)行了改革和探索，獲得了較好的教學(xué)效果。本研究為綜合類高校中生命科學(xué)類通識(shí)課的建設(shè)進(jìn)行了有益的探索。

關(guān)鍵詞：混合式教學(xué)模式;現(xiàn)代生命科學(xué)導(dǎo)論;通識(shí)課;考核方式

中圖分類號(hào)：G642.0

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1674-9324（2018）20-0170-02

《現(xiàn)代生命科學(xué)導(dǎo)論》是一門適應(yīng)素質(zhì)教育、拓寬學(xué)生知識(shí)面、增強(qiáng)學(xué)生創(chuàng)新能力的校級(jí)課程[1-2]。課程覆蓋知識(shí)面廣，具有一定的理論深度，頗受學(xué)生喜愛(ài)。我們?cè)陂L(zhǎng)期的教學(xué)過(guò)程以及學(xué)生的反饋意見(jiàn)中，發(fā)現(xiàn)該課程存在一些比較突出的問(wèn)題。例如，教學(xué)內(nèi)容中過(guò)度強(qiáng)調(diào)生物學(xué)系統(tǒng)知識(shí)，一些章節(jié)理論性較強(qiáng)，內(nèi)容比較枯燥，難以激發(fā)理工科為主的學(xué)生群體的學(xué)習(xí)興趣。另外，成績(jī)考核始終采用課程論文+日常考勤，學(xué)生參與度非常低。鑒于此，研究者對(duì)本課程嘗試進(jìn)行了教學(xué)改革，希望將其準(zhǔn)確定位于通識(shí)教育，篩選學(xué)生真正感興趣的生命科學(xué)熱點(diǎn)問(wèn)題，將授課重心放在告訴學(xué)生現(xiàn)代生命科學(xué)是做什么，而不是讓學(xué)生掌握現(xiàn)代生命科學(xué)怎么做，授課內(nèi)容圍繞基礎(chǔ)知識(shí)+趣味性+前沿性，吸引學(xué)生選課和學(xué)習(xí)。其次，在成績(jī)?cè)u(píng)定中，大力提高平時(shí)成績(jī)占比，提高學(xué)生的課堂參與度。

混合式教學(xué)（Blending Leaching）是一種將傳統(tǒng)課堂中的面對(duì)面授課模式和學(xué)生基于網(wǎng)絡(luò)教學(xué)平臺(tái)的自主學(xué)習(xí)相結(jié)合的教學(xué)模式，有望實(shí)現(xiàn)二者的優(yōu)勢(shì)互補(bǔ)。隨著信息技術(shù)對(duì)高校教學(xué)環(huán)境和教學(xué)條件的巨大改變，從傳統(tǒng)課堂教學(xué)到網(wǎng)絡(luò)教學(xué)E-learning，再到混合式教學(xué)，需要教師在教學(xué)理念上加以更新，自覺(jué)地運(yùn)用和實(shí)施現(xiàn)代的教學(xué)手段。

本文研究者將混合式教學(xué)模式引入了《現(xiàn)代生命科學(xué)導(dǎo)論》的教學(xué)中，通過(guò)與有經(jīng)驗(yàn)的前輩教師進(jìn)行教學(xué)經(jīng)驗(yàn)和教學(xué)資料交流，吸納教研組同事意見(jiàn)和建議，優(yōu)化了課程內(nèi)容;設(shè)計(jì)了課程問(wèn)卷，分析調(diào)研數(shù)據(jù)，對(duì)授課內(nèi)容進(jìn)行進(jìn)一步篩選。與學(xué)生課堂和教學(xué)網(wǎng)站加強(qiáng)交流，根據(jù)學(xué)生反饋靈活調(diào)整授課內(nèi)容，強(qiáng)化師生互動(dòng);研究者加強(qiáng)了課程教學(xué)網(wǎng)站的建設(shè)，將教學(xué)課件、短知識(shí)點(diǎn)教學(xué)視頻、課程簡(jiǎn)介、教學(xué)大綱、授課計(jì)劃等教學(xué)資料均上傳至教學(xué)網(wǎng)站上供學(xué)生瀏覽和學(xué)習(xí)。教師在線布置課程作業(yè)并進(jìn)行批改，在線發(fā)布課程相關(guān)熱點(diǎn)問(wèn)題引導(dǎo)學(xué)生進(jìn)行討論，并鼓勵(lì)學(xué)生獨(dú)立發(fā)布討論主題。課程期末考核采用課程論文，由學(xué)生在生命科學(xué)領(lǐng)域獨(dú)立選擇感興趣的題目來(lái)完成。教師對(duì)學(xué)生在課程網(wǎng)站的留言和站內(nèi)信息及時(shí)回復(fù)，保證了一對(duì)多的有效溝通，大大改變了教師與外學(xué)院選課學(xué)生交流溝通不暢的問(wèn)題。在課堂教學(xué)中，力求選取本最新的案例引入教學(xué)，使學(xué)生感受到最新動(dòng)態(tài)與經(jīng)典知識(shí)的碰撞，引導(dǎo)學(xué)生調(diào)動(dòng)原有學(xué)科背景、多方位多角度理解和分析復(fù)雜的生命科學(xué)問(wèn)題。對(duì)于原來(lái)較為陳舊的圖片和章節(jié)進(jìn)行更新，提升多媒體時(shí)間占比，調(diào)動(dòng)學(xué)生的學(xué)習(xí)熱情。

經(jīng)過(guò)課改建設(shè)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(shí)間控制在課堂教學(xué)時(shí)間的60%，剩余時(shí)間交給多媒體播放以及答疑，引導(dǎo)學(xué)生主動(dòng)思考;課程充分利用網(wǎng)絡(luò)教學(xué)平臺(tái)和手機(jī)APP，上傳了本課程的全部教學(xué)課件和短知識(shí)點(diǎn)視頻，供學(xué)生課下自學(xué)。由于學(xué)生較多，課程討論采用課下在線討論的形式進(jìn)行，教師發(fā)布課程相關(guān)的熱點(diǎn)問(wèn)題，同時(shí)鼓勵(lì)學(xué)生發(fā)布原創(chuàng)問(wèn)題。以選課人數(shù)107人的課改班為例，學(xué)生參與討論人數(shù)為73人，總數(shù)達(dá)到158人次。

課堂教學(xué)模式由傳統(tǒng)課堂教學(xué)向混合式教學(xué)的改變需要考核方式的改革進(jìn)行支撐。課改前，本課程綜合成績(jī)來(lái)自于課堂考勤（占比60%）和課程論文（占比40%）。引入混合式教學(xué)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(shí)成績(jī)的50%應(yīng)來(lái)自于在線作業(yè)和討論，要求學(xué)生必須更加主動(dòng)地進(jìn)行課下學(xué)習(xí)。其次，將課程論文提交方式由紙質(zhì)版改為在網(wǎng)絡(luò)教學(xué)平臺(tái)在線提交，給學(xué)生創(chuàng)造更多機(jī)會(huì)熟悉和使用網(wǎng)絡(luò)教學(xué)平臺(tái)。針對(duì)考核方式的變化，8%的學(xué)生認(rèn)為作業(yè)和討論在平時(shí)成績(jī)中的占比偏高，15%認(rèn)為偏低，而77%的同學(xué)認(rèn)為比例合適。課改實(shí)施一輪后，我們分別對(duì)課改班和對(duì)照班的成績(jī)進(jìn)行了分析，兩個(gè)班成績(jī)均呈正態(tài)分布，說(shuō)明我們的成績(jī)?cè)u(píng)價(jià)體系比較合理。統(tǒng)計(jì)可知課改班平均分為84.38，標(biāo)準(zhǔn)差為7.46，對(duì)照班平均分為85.49，標(biāo)準(zhǔn)差為5.68。進(jìn)一步對(duì)成績(jī)分布區(qū)間進(jìn)行比較可知課改班成績(jī)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(duì)照班由于成績(jī)考核手段單一，成績(jī)主要集中于個(gè)別區(qū)間。以上結(jié)果提示，課改后的教學(xué)模式更依賴于學(xué)生學(xué)習(xí)的自主性。

生命科學(xué)通識(shí)教育可提高學(xué)生用現(xiàn)代生物學(xué)的觀點(diǎn)來(lái)分析和解決問(wèn)題的能力[3]。我們?cè)谛ＭㄗR(shí)課《現(xiàn)代生命科學(xué)導(dǎo)論》中引入了混合式教學(xué)模式，對(duì)授課內(nèi)容、教學(xué)手段、課堂組織形式、考核方式等都進(jìn)行了改革。課改后，本課程取得了良好的教學(xué)效果，有效提升了學(xué)生的課程參與度，基本達(dá)到了課程建設(shè)的預(yù)期目標(biāo)。本研究為綜合類高校中生命科學(xué)類通識(shí)課的建設(shè)進(jìn)行了有益的探索。

參考文獻(xiàn)：

[1]明鳳，常芳，李捷.互動(dòng)式的“教與學(xué)”――“現(xiàn)代生命科學(xué)導(dǎo)論”課程授課方法初探[J].高校生物學(xué)教學(xué)研究：電子版，2013，3（4）：10-13.[2]李巖，趙懿琛，趙德剛.貴州大學(xué)“生命科學(xué)導(dǎo)論”課程教學(xué)內(nèi)容的研究與實(shí)踐[J].教育教學(xué)論壇，2016，（46）：129-130.[3]李冰.《生命科學(xué)導(dǎo)論》核心?n程建設(shè)之初探索[J].青島大學(xué)醫(yī)學(xué)院學(xué)報(bào)，2016，（4）：482-483.

第三篇：人工智能在教學(xué)中的應(yīng)用與實(shí)現(xiàn)

人工智能在教學(xué)中的應(yīng)用與實(shí)現(xiàn)

隨著現(xiàn)代科技的飛速發(fā)展，多媒體計(jì)算機(jī)在教育領(lǐng)域得到了廣泛應(yīng)用，并對(duì)教育、教學(xué)過(guò)程產(chǎn)生著深刻影響。為了使教學(xué)改革能與之相適應(yīng)，需要引入先進(jìn)的教學(xué)手段，而使用計(jì)算機(jī)輔助教學(xué)系統(tǒng)(Computer Aided Instruction, CAI)可以提供理想的教學(xué)環(huán)境，容易激發(fā)學(xué)習(xí)者的學(xué)習(xí)積極性和主動(dòng)性，從而顯著提高教學(xué)效果。多媒體技術(shù)的日益發(fā)展以及與其它領(lǐng)先技術(shù)的結(jié)合，必然促進(jìn)CAI的進(jìn)一步發(fā)展。人工智能(Artificial Intelligence, AI)是20世紀(jì)50年代中期興起的一門新興邊緣科學(xué)，它既是計(jì)算機(jī)科學(xué)的一個(gè)分支，又是計(jì)算機(jī)科學(xué)、控制論、信息論、語(yǔ)言學(xué)、神經(jīng)生理學(xué)、心理學(xué)、數(shù)學(xué)、哲學(xué)等多種學(xué)科相互滲透而發(fā)展起來(lái)的綜合性學(xué)科。人工智能又稱為智能模擬，是用計(jì)算機(jī)系統(tǒng)模仿人類的感知、思維、推理等思維活動(dòng)。它研究和應(yīng)用的領(lǐng)域包括模式識(shí)別、自然語(yǔ)言理解與生成、專家系統(tǒng)、自動(dòng)程序設(shè)計(jì)、定理證明、聯(lián)想與思維的機(jī)理、數(shù)據(jù)智能檢索等。例如，用計(jì)算機(jī)模擬人腦的部分功能進(jìn)行學(xué)習(xí)、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(jī)械手與機(jī)器人的研究和應(yīng)用等。本文針對(duì)CAI的發(fā)展前景，重點(diǎn)論述人工智能技術(shù)對(duì)CAI，尤其是對(duì)智能化CAI產(chǎn)生的重大影響，并通過(guò)一個(gè)實(shí)例說(shuō)明實(shí)現(xiàn)的思路與設(shè)想。計(jì)算機(jī)輔助教學(xué)系統(tǒng)及其現(xiàn)狀 1 計(jì)算機(jī)輔助教學(xué)系統(tǒng)

計(jì)算機(jī)輔助教學(xué)(CAI)即利用計(jì)算機(jī)代替教師進(jìn)行教學(xué)，把教學(xué)內(nèi)容編成各種“課件”，學(xué)習(xí)者可以根據(jù)自己的程度選擇不同的內(nèi)容進(jìn)行學(xué)習(xí)，從而使教學(xué)內(nèi)容多樣化、形象化，便于因材施教。如各種教學(xué)軟件、試題庫(kù)、專家系統(tǒng)等。CAI無(wú)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(guó)外，CAI課件已經(jīng)廣泛應(yīng)用于學(xué)校和家庭中，并收到了很好的效果。在我國(guó)，盡管CAI的研究起步較晚，但發(fā)展很快，自上世紀(jì)80年代起，已有一批實(shí)力雄厚的高等院校把CAI的發(fā)展列為重點(diǎn)研究課題。2 計(jì)算機(jī)輔助教學(xué)的現(xiàn)狀

CAI的實(shí)現(xiàn)需要應(yīng)用AI技術(shù)及編制復(fù)雜的程序，如自然語(yǔ)言理解、知識(shí)表示、推理方法等，一些AI技術(shù)的特殊應(yīng)用成果，如代數(shù)說(shuō)明、符號(hào)合成、醫(yī)療診斷及理論證明等均被應(yīng)用于CAI系統(tǒng)，以提高其智能性和實(shí)用性。

早期絕大多數(shù)CAI課件大都使用決策理論和隨機(jī)學(xué)習(xí)的模式，它極大地簡(jiǎn)化了學(xué)習(xí)過(guò)程的表達(dá)形式。例如早期的地質(zhì)教學(xué)系統(tǒng)(SCHOCAR)等。后來(lái)，隨著人工智能技術(shù)的發(fā)展，CAI系統(tǒng)中添加了學(xué)生的學(xué)習(xí)行為及訓(xùn)練策略，同時(shí)AI技術(shù)被應(yīng)用于建立學(xué)習(xí)顧問(wèn)模塊(存放所要教課程的問(wèn)題和技能)。這種方法能控制訓(xùn)練策略并給出適合學(xué)生的學(xué)習(xí)內(nèi)容。目前為了獲取對(duì)課程知識(shí)表示和控制的靈活性和模塊性，有些CAI系統(tǒng)還用AI技術(shù)來(lái)表示訓(xùn)練計(jì)劃和策略。例如多數(shù)程序設(shè)計(jì)語(yǔ)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(xué)信息以編程方式預(yù)置于課件中，這樣的CAI課件一旦制作完成，任何較大的教學(xué)改動(dòng)都會(huì)給維護(hù)工作帶來(lái)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(wèn)題。（1）缺乏開(kāi)放性

不具有開(kāi)放性是目前CAI課件最大的缺點(diǎn)。使用者無(wú)法對(duì)課件進(jìn)行任何修改，只能利用已有資源按設(shè)定的路線進(jìn)行教學(xué)。其弊端在于：①

固定內(nèi)容的局限性使課件的適用面狹窄；② 設(shè)定的運(yùn)行路線使授課缺乏自主性；③ 授課的針對(duì)性不強(qiáng)；④ 無(wú)法利用新出現(xiàn)的資源在較高起點(diǎn)上進(jìn)行二次開(kāi)發(fā)。（2）缺乏人機(jī)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(nèi)容以多媒體的形式展現(xiàn)出來(lái)，教學(xué)信息是按預(yù)置的教學(xué)流程機(jī)械式地提供給學(xué)習(xí)者，學(xué)習(xí)者使用CAI課件學(xué)習(xí)是完全被動(dòng)的。在課堂教學(xué)中，一般只能通過(guò)教師按預(yù)定的課件流程進(jìn)行操作，無(wú)論學(xué)生還是教師都不能很好地參與教與學(xué)的過(guò)程，因此人機(jī)交互沒(méi)有很好地實(shí)現(xiàn)。（3）忽視課程本身的特點(diǎn)

各門課程在教學(xué)上有不同的要求，但現(xiàn)有課件對(duì)于這些不同要求完全不予理會(huì)。例如很多課程都要涉及到大量的曲線或曲面，對(duì)有些課程來(lái)說(shuō)，將這些曲線或曲面給出一個(gè)簡(jiǎn)單的展示就足夠了，而有些課程這樣的展示不能達(dá)到教學(xué)目的的要求。例如：在講授計(jì)算機(jī)圖形學(xué)中各種曲線或曲面的生成算法時(shí)，如果能在課件中直接動(dòng)態(tài)地展示這些圖形的生成過(guò)程，充分發(fā)揮計(jì)算機(jī)輔助教學(xué)的優(yōu)點(diǎn)，無(wú)疑會(huì)使計(jì)算機(jī)圖形學(xué)的教學(xué)更具有吸引力，從而大大提高教學(xué)效率。

（4）缺乏教師與學(xué)生的互動(dòng)

現(xiàn)有CAI課件在學(xué)生自學(xué)以及進(jìn)行操作使用時(shí)，如何學(xué)習(xí)都是學(xué)生自己的事。教師不能完全了解學(xué)習(xí)者的情況，學(xué)生在碰到問(wèn)題時(shí)不能向教師求助，師生之間互相封閉，談不上師生互動(dòng)，因此課件所起的效果大打折扣。同時(shí)由于缺乏網(wǎng)絡(luò)支持，現(xiàn)有的絕大多數(shù)CAI課件都是在單機(jī)環(huán)境下運(yùn)行的，它們無(wú)法利用網(wǎng)絡(luò)的優(yōu)勢(shì)使知識(shí)內(nèi)容快速更新，當(dāng)然更無(wú)法提供便捷的學(xué)習(xí)討論空間、隨時(shí)隨地的師生交流方式以及遠(yuǎn)程教學(xué)實(shí)現(xiàn)的條件。（5）缺乏教學(xué)策略

在課件的開(kāi)發(fā)過(guò)程中實(shí)際上離不開(kāi)教學(xué)策略的設(shè)計(jì)，但課件的制作者往往并未意識(shí)到這一點(diǎn)。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(dòng)。實(shí)際上運(yùn)用課件教學(xué)只是手段而不是目的，應(yīng)該在教學(xué)設(shè)計(jì)理論的指導(dǎo)下講求課件的實(shí)效性，著眼點(diǎn)在于對(duì)學(xué)生學(xué)習(xí)新知識(shí)、掌握新技術(shù)、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(duì)不同程度的學(xué)生進(jìn)行有針對(duì)性的教育，學(xué)生的學(xué)習(xí)是被動(dòng)的，不能由系統(tǒng)自動(dòng)提供助學(xué)信息而使學(xué)生有選擇地學(xué)習(xí)。對(duì)教師而言，其教學(xué)不能積極地參與其中，不能根據(jù)系統(tǒng)提供的信息按照學(xué)生的認(rèn)知模型為其準(zhǔn)備最適合的學(xué)習(xí)內(nèi)容，更不能給予不同方式的教學(xué)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(wèn)題，隨著新技術(shù)的不斷出現(xiàn)，這些問(wèn)題將使CAI越來(lái)越不能適應(yīng)新的要求。因此以智能CAI為代表的新的計(jì)算機(jī)輔助教學(xué)系統(tǒng)將成為教育技術(shù)上需要不斷探求、努力實(shí)現(xiàn)的發(fā)展方向。3 智能化計(jì)算機(jī)輔助教學(xué)系統(tǒng)(ICAI)智能計(jì)算機(jī)輔助教學(xué)系統(tǒng)(Intelligent Computer Aided Instruction, ICAI)以認(rèn)知學(xué)為理論基礎(chǔ)，將AI技術(shù)應(yīng)用于CAI，是智能化的CAI。在ICAI系統(tǒng)中，學(xué)生的學(xué)習(xí)可以借助于智能化計(jì)算機(jī)對(duì)大量知識(shí)進(jìn)行選擇、判斷、處理，使學(xué)習(xí)內(nèi)容更有針對(duì)性，從而提高學(xué)習(xí)效果。

教學(xué)過(guò)程是一個(gè)復(fù)雜的教與學(xué)的思維過(guò)程。它需要教師以其專門知識(shí)和經(jīng)驗(yàn)為依據(jù)，經(jīng)過(guò)吸收、講解、推理、示例、綜合等多個(gè)步驟才能較好地完成。一個(gè)教學(xué)型專家系統(tǒng)的任務(wù)是根據(jù)學(xué)生的特點(diǎn)、弱點(diǎn)和基礎(chǔ)知識(shí)，以最適當(dāng)?shù)慕虒W(xué)方案和教學(xué)方法對(duì)學(xué)生進(jìn)行教學(xué)和輔導(dǎo)。因此，從AI的角度看，計(jì)算機(jī)輔助教學(xué)實(shí)際上是一個(gè)由計(jì)算機(jī)系統(tǒng)輔助教師進(jìn)行教學(xué)及學(xué)生進(jìn)行學(xué)習(xí)并得以實(shí)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(gòu)建智能CAI(即ICAI)。這樣構(gòu)建成的專家系統(tǒng)的主要特點(diǎn)是具有診斷和調(diào)試修改功能、具有良好的人機(jī)界面。

在智能CAI中，教學(xué)思想、方法、學(xué)習(xí)內(nèi)容可用知識(shí)形式表示，如何解決知識(shí)的形式化表示以及知識(shí)的訪問(wèn)與調(diào)用問(wèn)題，是AI的核心技術(shù)之一，也是將AI引入教育技術(shù)領(lǐng)域中所要面臨的一個(gè)問(wèn)題。知識(shí)庫(kù)是實(shí)現(xiàn)知識(shí)推理與專家系統(tǒng)的基礎(chǔ)，可以用知識(shí)庫(kù)作為智能CAI的構(gòu)建環(huán)境，在知識(shí)庫(kù)中，教學(xué)內(nèi)容等的有關(guān)知識(shí)可以用事實(shí)與規(guī)則表示，并存儲(chǔ)于知識(shí)庫(kù)內(nèi)。教學(xué)與學(xué)習(xí)過(guò)程即是對(duì)知識(shí)庫(kù)中的知識(shí)進(jìn)行推理，并最終得出所需結(jié)果的過(guò)程。由于專家系統(tǒng)主要是由知識(shí)庫(kù)與推理機(jī)組成的，因此，它也是智能計(jì)算機(jī)輔助教學(xué)系統(tǒng)的核心技術(shù)。

第四篇：“混合式教學(xué)”在經(jīng)濟(jì)法教學(xué)過(guò)程中的應(yīng)用探討

“混合式教學(xué)”在經(jīng)濟(jì)法教學(xué)過(guò)程中的應(yīng)用探討

【摘要】經(jīng)濟(jì)法是法學(xué)本科生專業(yè)必修課程之一，在市場(chǎng)經(jīng)濟(jì)飛速發(fā)展的今天，他從企業(yè)組織關(guān)系、市場(chǎng)管理關(guān)系、宏觀經(jīng)濟(jì)調(diào)控關(guān)系等方面為我國(guó)市場(chǎng)經(jīng)濟(jì)運(yùn)行起著協(xié)調(diào)作用。越來(lái)越多的學(xué)生審時(shí)度勢(shì)著重關(guān)注經(jīng)濟(jì)法課程，也有的學(xué)生以經(jīng)濟(jì)法為以后職業(yè)生涯的方向，因此，經(jīng)濟(jì)法課程的教學(xué)的改革也成為教學(xué)改革的熱議話題。隨著互聯(lián)網(wǎng)的深入普及，傳統(tǒng)的經(jīng)濟(jì)法課程教學(xué)模式也被重重?fù)粜眩骶W(wǎng)絡(luò)平臺(tái)的經(jīng)濟(jì)法課程相繼推出，對(duì)原本單一的課堂教學(xué)模式提出了新的挑戰(zhàn)。現(xiàn)代互聯(lián)網(wǎng)和傳統(tǒng)的教學(xué)方法相結(jié)合才能豐富課堂，滿足學(xué)生的需要，“混合式教學(xué)”是一種將傳統(tǒng)與網(wǎng)絡(luò)平臺(tái)優(yōu)勢(shì)互補(bǔ)的教學(xué)模式，運(yùn)作良好的話可以成為經(jīng)濟(jì)法課堂教學(xué)的改革的風(fēng)向標(biāo)。

【關(guān)鍵詞】經(jīng)濟(jì)法課堂教學(xué)混合式教學(xué)

經(jīng)濟(jì)法傳統(tǒng)的課堂教學(xué)方式是以教師為中心，學(xué)生為聽(tīng)眾的方式組織課堂。而“混合式教學(xué)”將網(wǎng)絡(luò)平臺(tái)教學(xué)的優(yōu)勢(shì)融入了傳統(tǒng)教學(xué)的課堂，以學(xué)生為中心，以教師為引導(dǎo)的新型教學(xué)模式，更有利于學(xué)生個(gè)性化自主學(xué)習(xí)。“混合式教學(xué)”模式其實(shí)在教學(xué)實(shí)踐工作中已經(jīng)被廣泛應(yīng)用，很多教師都對(duì)這一模式在經(jīng)濟(jì)法課程教學(xué)改革中進(jìn)行了探索，本文通過(guò)學(xué)習(xí)和實(shí)踐教學(xué)經(jīng)驗(yàn)的總結(jié)就經(jīng)濟(jì)法課程教學(xué)中“混合式教學(xué)”模式的應(yīng)用進(jìn)行了相關(guān)探討。

一、關(guān)于“混合式教學(xué)”概述

（一）“混合式教學(xué)”的概念及特征

“混合式教學(xué)”又稱混合學(xué)習(xí)，或融合學(xué)習(xí)。在“混合式教學(xué)”活動(dòng)中，傳統(tǒng)的課堂教學(xué)和利用互聯(lián)網(wǎng)教學(xué)是兩種最基本的教學(xué)形式，既包括教師在課堂上的講授形式，也學(xué)生課后的網(wǎng)絡(luò)平臺(tái)學(xué)習(xí)。“混合式教學(xué)”模式既重視“教學(xué)的主導(dǎo)性”，也強(qiáng)調(diào)了“學(xué)生是課堂的主人”的理念，同時(shí)“混合式教學(xué)”模式的順利進(jìn)行也離不開(kāi)教學(xué)資源和教學(xué)環(huán)境。混合教學(xué)模式最大的亮點(diǎn)是將面授的優(yōu)點(diǎn)和網(wǎng)上教學(xué)的優(yōu)點(diǎn)很好的進(jìn)行了結(jié)合，在教學(xué)實(shí)踐中既能顯示出老師的主導(dǎo)作用，又能顯示出學(xué)生的主體地位，使學(xué)生在教師的幫助下積極主動(dòng)地獲取知識(shí)，最終完成教學(xué)目標(biāo)的要求。

（二）經(jīng)濟(jì)法課程教學(xué)中“混合式教學(xué)”的現(xiàn)狀分析

大學(xué)生的學(xué)習(xí)方式在信息技術(shù)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(xué)，由此引起了一陣熱議。當(dāng)?shù)谝惠喚W(wǎng)絡(luò)平臺(tái)學(xué)習(xí)完全可以替代傳統(tǒng)課堂學(xué)習(xí)的討論熱潮退去之后，越來(lái)越多的教育專家開(kāi)始就這個(gè)問(wèn)題上趨于理性，網(wǎng)絡(luò)平臺(tái)在線學(xué)習(xí)的方式具有豐富一些優(yōu)勢(shì)固然無(wú)疑質(zhì)疑，但不可能完全替代教師的課堂教學(xué)，缺乏了學(xué)校的組織，老師的參與，師生之間，學(xué)生之間面對(duì)面的交流和溝通，學(xué)習(xí)效果是無(wú)法達(dá)到預(yù)期理想的。網(wǎng)絡(luò)平臺(tái)學(xué)習(xí)本身所具有的優(yōu)越性是無(wú)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(xué)相結(jié)合，相互補(bǔ)充才能相得益彰。

網(wǎng)絡(luò)平臺(tái)是大學(xué)生獲取知識(shí)的主要途徑之一，學(xué)生通過(guò)網(wǎng)絡(luò)平臺(tái)的學(xué)習(xí)增加了知識(shí)的信息量，同時(shí)也加快了獲取相關(guān)知識(shí)的速度。教師針對(duì)這種情況，通過(guò)分析學(xué)生需求、教學(xué)內(nèi)容、實(shí)際教學(xué)環(huán)境等，據(jù)此充分利用在線教學(xué)和課堂教學(xué)的優(yōu)勢(shì)互補(bǔ)來(lái)提高學(xué)生的認(rèn)知效果。混合式學(xué)習(xí)的核心就是要將傳統(tǒng)課堂教學(xué)和數(shù)字化學(xué)習(xí)的優(yōu)勢(shì)相結(jié)合，有效地提高學(xué)生的學(xué)習(xí)效果。

二、在經(jīng)濟(jì)法課程教學(xué)改革中“混合式教學(xué)”模式的必要性分析

（一）經(jīng)濟(jì)法課程的學(xué)習(xí)特點(diǎn)

從某個(gè)層面上來(lái)看，經(jīng)濟(jì)法的學(xué)習(xí)是動(dòng)態(tài)的。教材的基本理論知識(shí)是固定的，枯燥的，條款式的。經(jīng)濟(jì)法課程學(xué)習(xí)的特點(diǎn)是體系龐大、結(jié)構(gòu)松散、綜合性強(qiáng)、時(shí)效性快等。從學(xué)生自身的差異來(lái)看，學(xué)生對(duì)學(xué)習(xí)的興趣和分析解決問(wèn)題的能力也不完全相同，學(xué)生對(duì)各種網(wǎng)絡(luò)平臺(tái)學(xué)習(xí)的適應(yīng)程度也存在著一定的差異，同樣的學(xué)習(xí)內(nèi)容和問(wèn)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(jìn)“混合式教學(xué)”。這種傳統(tǒng)教學(xué)與現(xiàn)代信息技術(shù)相結(jié)合的“混合”，使每個(gè)學(xué)生能夠根據(jù)自身的實(shí)際情況和“個(gè)體性”特點(diǎn)選擇最適合自己的學(xué)習(xí)方案，讓網(wǎng)絡(luò)學(xué)習(xí)成為課堂學(xué)習(xí)重要的輔助工具。

（二）經(jīng)濟(jì)法課程教學(xué)的現(xiàn)狀

隨著網(wǎng)絡(luò)信息的發(fā)展，單一的傳統(tǒng)教學(xué)模式或者說(shuō)課堂教學(xué)已經(jīng)不能完全滿足和適應(yīng)現(xiàn)代學(xué)生的需要了，經(jīng)濟(jì)法課程的傳統(tǒng)課程教學(xué)模式突出表現(xiàn)在內(nèi)容較為大綱化，信息時(shí)代性跟不上。經(jīng)濟(jì)法課程作為法學(xué)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(gè)學(xué)期開(kāi)學(xué)之初，教室爆滿，然后學(xué)生出勤越來(lái)越差，靠出勤率占成績(jī)比例來(lái)維持到課率，到期末的時(shí)候，學(xué)生最期待的就是老師劃重點(diǎn)，因?yàn)槌煽?jī)是依靠期末一張卷來(lái)體現(xiàn)的，這種只注重學(xué)生對(duì)基本理論知識(shí)掌握情況的考核方式，不重視學(xué)生的能力和素質(zhì)的考試的結(jié)果，忽視了學(xué)生的學(xué)習(xí)過(guò)程，因此學(xué)生只能靠臨時(shí)短期的強(qiáng)化記憶來(lái)應(yīng)付，傳統(tǒng)教學(xué)模式的弊端這就凸顯出來(lái)了。

（三）“混合式教學(xué)”模式是經(jīng)濟(jì)法教學(xué)的不二選擇

在經(jīng)濟(jì)法的教學(xué)實(shí)踐中，也許我們并沒(méi)有去考量“混合式教學(xué)”是一種什么教學(xué)模式，只是根據(jù)實(shí)際情況很自然而然地運(yùn)用上了這種教學(xué)模式。最初，每次在上新課之前都會(huì)布置一些網(wǎng)上閱讀資料或者視頻，這樣讓學(xué)生對(duì)所涉及到的知識(shí)點(diǎn)有初步的了解之后，在課堂講授本理論時(shí)，學(xué)生能夠提出問(wèn)題，教師及時(shí)找到學(xué)生的興趣所在，尤其是一些關(guān)于社會(huì)熱點(diǎn)的經(jīng)濟(jì)法問(wèn)題，這樣就能很好的調(diào)動(dòng)不同的學(xué)生的積極性，課堂進(jìn)展會(huì)更順利。同時(shí)教師在課前也會(huì)有意識(shí)的去關(guān)注一下網(wǎng)絡(luò)課程的教學(xué)內(nèi)容，例如：《商標(biāo)法》的理解和掌握，應(yīng)該通過(guò)網(wǎng)絡(luò)平臺(tái)搜集相關(guān)商標(biāo)的實(shí)際案例，在課堂教學(xué)上融合知識(shí)點(diǎn)的學(xué)習(xí)，放射性擴(kuò)展所涉知識(shí)點(diǎn)，深入分析后，再通過(guò)網(wǎng)絡(luò)查看相關(guān)爭(zhēng)論的焦點(diǎn)做出客觀的判斷。而經(jīng)濟(jì)法的課程教學(xué)的“混合式教學(xué)”模式在考核方式也有其特點(diǎn)，開(kāi)放式的考核形式，更注重對(duì)學(xué)生知識(shí)的考查轉(zhuǎn)向注重對(duì)學(xué)生能力和素質(zhì)的考查，一改過(guò)去單一的紙筆考查模式，轉(zhuǎn)向了基于網(wǎng)絡(luò)的現(xiàn)代化的考查方式，這樣加大了對(duì)學(xué)生學(xué)習(xí)過(guò)程的重視，同時(shí)化解了期末考試的風(fēng)險(xiǎn)。

三、經(jīng)濟(jì)法教學(xué)中“混合式教學(xué)”模式的完善

在經(jīng)濟(jì)法教學(xué)中引用“混合式教學(xué)”的模式是以優(yōu)化學(xué)生學(xué)習(xí)效果和提高教育資源的利用效率為目的的，對(duì)于經(jīng)濟(jì)法課程的“混合式教學(xué)”模式的完善提出淺見(jiàn)如下：

（一）“混合式教學(xué)”貫穿于經(jīng)濟(jì)法的教與學(xué)的全過(guò)程

經(jīng)濟(jì)法的培養(yǎng)目標(biāo)集中表現(xiàn)對(duì)基本理論知識(shí)的掌握和應(yīng)用能力的培養(yǎng)，這里尤為重要的一點(diǎn)就是處理好網(wǎng)絡(luò)平臺(tái)與傳統(tǒng)課堂的關(guān)系。在經(jīng)濟(jì)法教學(xué)過(guò)程中把傳統(tǒng)的課堂教學(xué)中系統(tǒng)的理論知識(shí)與網(wǎng)絡(luò)平臺(tái)所涉的新技術(shù)、新知識(shí)和新思維緊密的結(jié)合，以信息技術(shù)為平臺(tái)，把專業(yè)理論知識(shí)融入新的案例，與社會(huì)接軌，與時(shí)俱進(jìn)，以此來(lái)探索和尋求“混合式教學(xué)”的最大價(jià)值。

（三）經(jīng)濟(jì)法的“混合式教學(xué)”以課堂教學(xué)和網(wǎng)絡(luò)平臺(tái)學(xué)習(xí)并列進(jìn)行。

網(wǎng)絡(luò)平臺(tái)的學(xué)習(xí)在盡顯其優(yōu)勢(shì)之外，卻忽略了人與人之間的語(yǔ)言交流和目光交流，久而久之，學(xué)生學(xué)習(xí)的自覺(jué)性和注意力會(huì)減弱，也不利于學(xué)生隨堂思考和分析經(jīng)濟(jì)法所涉及的一些基本問(wèn)題，學(xué)生在學(xué)習(xí)過(guò)程中容易產(chǎn)生惰性。經(jīng)濟(jì)法的教學(xué)需要相互討論，甚至辯論，教學(xué)過(guò)程中教師隨時(shí)關(guān)注學(xué)生的學(xué)習(xí)態(tài)度，做出調(diào)整和帶動(dòng)，同時(shí)師生雙方之間的互動(dòng)也是尤其必要的。目前我國(guó)網(wǎng)絡(luò)平臺(tái)的教學(xué)還處在發(fā)展階段，其優(yōu)點(diǎn)和缺點(diǎn)并存，基于經(jīng)濟(jì)法教學(xué)的特點(diǎn)，“混合式教學(xué)”是既重視傳統(tǒng)課堂學(xué)習(xí)又合理利用網(wǎng)絡(luò)平臺(tái)學(xué)習(xí)的新型教學(xué)模式。

（四）“混合式教學(xué)”過(guò)程中，教師應(yīng)及時(shí)關(guān)注經(jīng)濟(jì)法新的動(dòng)態(tài)，學(xué)生應(yīng)及時(shí)進(jìn)行總結(jié)應(yīng)用

網(wǎng)絡(luò)平臺(tái)的學(xué)習(xí)能為學(xué)生提供豐富多彩，圖文并茂的學(xué)習(xí)信息資源，給傳統(tǒng)的課堂教學(xué)帶來(lái)了競(jìng)爭(zhēng)和可比較的對(duì)手，所以經(jīng)濟(jì)法教師必須不斷的融合網(wǎng)絡(luò)平臺(tái)的學(xué)習(xí)優(yōu)勢(shì)，引導(dǎo)學(xué)生進(jìn)行總結(jié)對(duì)比，同時(shí)要及時(shí)關(guān)注新法動(dòng)態(tài)，及時(shí)更新知識(shí)才能滿足學(xué)生在信息化環(huán)境下對(duì)知識(shí)的掌握，學(xué)生通過(guò)“混合式學(xué)習(xí)”也能督促提高教師不斷的閱讀與專業(yè)相關(guān)的書(shū)籍，查閱與經(jīng)濟(jì)法相關(guān)的案例，促使科研能力和分析問(wèn)題的能力得到很好的提高。

參考文獻(xiàn)

[1]于夕真《教師主導(dǎo)與學(xué)生主體相結(jié)合的英語(yǔ)教學(xué)模式.構(gòu)建》.《教育探索》2007年9期.[2]葛輝.《混合學(xué)習(xí)在“數(shù)據(jù)庫(kù)應(yīng)用技術(shù)”教學(xué)中的應(yīng)用實(shí)踐》.新疆廣播電視大學(xué)學(xué)報(bào)，2014年1期.[3]羅濱《.網(wǎng)絡(luò)教學(xué)和傳統(tǒng)課堂教學(xué)優(yōu)勢(shì)互補(bǔ)設(shè)計(jì)研究》.《科技創(chuàng)新與應(yīng)用》，2012年3期.[4]蔣麗珠.《混成學(xué)習(xí)的教學(xué)設(shè)計(jì)與策略》.《河南商業(yè)高等專科學(xué)校學(xué)報(bào)》，2006年4期.[5]李秀霞.《“跨文化交際”的教學(xué)模式探索》.《考試周刊》，2009年6期.作者簡(jiǎn)介：唐淑艷（1978-），女，漢，湖南邵陽(yáng)人，湖南涉外經(jīng)濟(jì)學(xué)院文法學(xué)院講師，主要研究方向?yàn)樯探?jīng)法。

第五篇：人工智能在城市交通信號(hào)控制中的應(yīng)用

五邑大學(xué)智能交通讀書(shū)報(bào)告

人工智能在城市交通信號(hào)控制中的應(yīng)用

五邑大學(xué)信息工程學(xué)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(jiǎn)介

1.3城市交通信號(hào)控制概述

1.4國(guó)內(nèi)外城市交通信號(hào)控制的發(fā)展歷程

1.5城市交通信號(hào)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(jīng)網(wǎng)絡(luò)(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(shù)(Multi-agent)第三章 多智能體技術(shù)介紹

3.1智能體(Agent)

3.2 Agent的結(jié)構(gòu)

3.3 Agent的分類

3.4多智能體系統(tǒng)在交通控制領(lǐng)域的優(yōu)越性

第四章

基于RBF神經(jīng)網(wǎng)絡(luò)的單交叉口自學(xué)習(xí)控制系統(tǒng)

4.1引言

4.2問(wèn)題描述

4.3控制器的設(shè)計(jì)及其算法

4.3.1基于神經(jīng)網(wǎng)絡(luò)的單交叉口模型 4.3.2 RBF神經(jīng)網(wǎng)絡(luò) 4.3.3神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)方案

4.4仿真分析

第五章結(jié)論與展望

5.1 總結(jié)

5.2 展望

摘要

隨著社會(huì)的進(jìn)步，城市化進(jìn)程加快，城市人口和車輛日益增多，城市交通問(wèn)題日益突出，嚴(yán)重影響城市發(fā)展。先進(jìn)的城市交通信號(hào)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(dá)到疏導(dǎo)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(hào)控制己成為最重要的研究方向。由于城市交通的復(fù)雜性，采用傳統(tǒng)的控制方法己無(wú)法有效地解決交通信號(hào)控制問(wèn)題，本文研究人工智能控制的方法在城市交通信號(hào)控制中的應(yīng)用。

關(guān)鍵詞: 交通信號(hào)控制，人工智能，ITS,神經(jīng)網(wǎng)絡(luò)，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(jīng)濟(jì)活動(dòng)的命脈，對(duì)城市經(jīng)濟(jì)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(guó)問(wèn)世，增加了人類在交通領(lǐng)域的機(jī)動(dòng)性，便捷性，同時(shí)促進(jìn)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(jīng)成為人們?nèi)粘Ｉ钪斜夭豢缮俚慕煌üぞ摺，F(xiàn)在，人類社會(huì)的科學(xué)技術(shù)和經(jīng)濟(jì)力己經(jīng)發(fā)展到了相當(dāng)高的水平，機(jī)動(dòng)車輛迅速增加，有關(guān)資料表明:1978年至1995年全國(guó)城市機(jī)動(dòng)車的保有量的增長(zhǎng)速度是道路增長(zhǎng)速度的80倍。從70年代末起，我國(guó)城市汽車擁有量以每年平均12%-14%的速度增長(zhǎng)。1978年，我國(guó)民用汽車總量?jī)H有135.84萬(wàn)輛，到2001年超過(guò)1845萬(wàn)輛，機(jī)動(dòng)車總數(shù)達(dá)到6852萬(wàn)輛。其中，私人汽車由1985年的28.45萬(wàn)輛增加到770萬(wàn)輛，這些民用汽車特別是私人汽車，多集中在我國(guó)的城市地區(qū)，而且增長(zhǎng)趨勢(shì)迅猛。

汽車工業(yè)雖然給人們帶來(lái)各種便利，但是也給城市交通帶來(lái)了沉重負(fù)擔(dān)，城市道路交通供需的嚴(yán)重不平衡已經(jīng)成為各大中城市所共同面對(duì)的嚴(yán)重問(wèn)題，特別是在大城市，交通堵塞現(xiàn)象時(shí)有發(fā)生，這不僅影響城市的正常運(yùn)轉(zhuǎn)，而且明顯降低了人們的日常工作效率。據(jù)統(tǒng)計(jì)，現(xiàn)在全國(guó)32個(gè)百萬(wàn)人口以上的城市中，有27個(gè)城市的人均道路面積低于全國(guó)平均水平。每年由交通堵塞造成的直接經(jīng)濟(jì)損失大約1600億元;相當(dāng)于國(guó)內(nèi)生產(chǎn)總值的3.2%121.由此產(chǎn)生了一系列的問(wèn)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(cái)產(chǎn)帶來(lái)了很大的損失。

2001年，全國(guó)共發(fā)生交通事故70多萬(wàn)起，10萬(wàn)多人死亡，受傷人數(shù)50萬(wàn)人，直接經(jīng)濟(jì)損失達(dá)30億元。近五年，全國(guó)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(jī)動(dòng)車污染己經(jīng)上升為我國(guó)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?xì)浠衔铩⒌趸镆颜伎偱欧诺?0%-75%。廣州市與交通有關(guān)的排放占一氧化碳總排放的87%和二氧化氮的67%。據(jù)國(guó)際衛(wèi)生組織1998年公布的調(diào)查報(bào)告，在全球空氣污染最嚴(yán)重的10個(gè)城市中，我國(guó)就占了7個(gè)，包括太原、北京、烏魯木齊、蘭州、重慶、濟(jì)南、石家莊.為了解決上述交通問(wèn)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(yán)格限制，使這一方法的有效性大打折扣。近年來(lái)，世界各國(guó)都非常重視日益嚴(yán)重的交通問(wèn)題，投入大量人力物力對(duì)道路交通運(yùn)輸系統(tǒng)的管理與控制技術(shù)進(jìn)行開(kāi)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(wèn)題中，城市交通問(wèn)題是困擾城市發(fā)展、制約城市經(jīng)濟(jì)建設(shè)的重要因素。隨著城市中的交通線承擔(dān)了更大量的交通負(fù)荷，現(xiàn)有的設(shè)施、道路，特別是交通線中承受著高負(fù)荷的交叉口，已經(jīng)很難適應(yīng)這種發(fā)展速度，變得越來(lái)越擁擠，成為道路交通的瓶頸，因此采用先進(jìn)的科學(xué)技術(shù)手段對(duì)城市交叉路口的交通燈實(shí)施合理優(yōu)化控制，對(duì)改善城市交通狀況有很大的作用。1.2智能交通系統(tǒng)簡(jiǎn)介

近年來(lái)，迅速發(fā)展起來(lái)的智能交通系統(tǒng)(Intelligent Transportation Systems，簡(jiǎn)稱I ONTSj有別于傳統(tǒng)的交通改善技術(shù)，它是國(guó)際上對(duì)運(yùn)用當(dāng)代高新科技(計(jì)算機(jī)、信息、通信、自動(dòng)控制、電子、系統(tǒng)工程等)提高交通運(yùn)輸效率、增強(qiáng)交通安全性的一系列先進(jìn)技術(shù)或技術(shù)集成(交通控制與線路導(dǎo)行系統(tǒng)、車輛行駛安全控制系統(tǒng)、交通運(yùn)輸信息服務(wù)系統(tǒng)等)的一個(gè)統(tǒng)稱。

作為基礎(chǔ)設(shè)施，道路交通運(yùn)輸支撐著人們的日常生活和經(jīng)濟(jì)活動(dòng)，對(duì)社會(huì)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(guān)注的嚴(yán)重社會(huì)問(wèn)題。智能交通系統(tǒng)被認(rèn)為是緩解這一問(wèn)題的極具潛力的方法。發(fā)達(dá)國(guó)家從20世紀(jì)60年代就開(kāi)始從事這一領(lǐng)域的研究和開(kāi)發(fā)，并取得了不少有價(jià)值的成果。據(jù)統(tǒng)計(jì)，智能交通運(yùn)輸系統(tǒng)技術(shù)的應(yīng)用可以減少10%的廢氣排量，20%的交通延時(shí)，30%的停車次數(shù)。美國(guó)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(méi)有進(jìn)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(lái)的收益可見(jiàn)一斑。

智能交通系統(tǒng)開(kāi)發(fā)的領(lǐng)域主要包括:居民出行與貨物運(yùn)輸需求智能誘導(dǎo)系統(tǒng)、交通流優(yōu)化與運(yùn)輸組織智能化方案生成系統(tǒng)、綜合交通樞紐協(xié)調(diào)疏導(dǎo)信息系統(tǒng)、先進(jìn)的交通管理系統(tǒng)、車輛運(yùn)營(yíng)智能調(diào)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(yùn)輸服務(wù)系統(tǒng)、貨物運(yùn)輸智能型配載運(yùn)輸服務(wù)等

我國(guó)在20世紀(jì)70年代末就已經(jīng)開(kāi)始在交通運(yùn)輸和管理中應(yīng)用電子信息技術(shù)。此后的20多年里，在政府的支持與堅(jiān)持自主開(kāi)發(fā)的基礎(chǔ)上通過(guò)廣泛的國(guó)際交流與合作，在ITS領(lǐng)域進(jìn)行了初步的理論研究、產(chǎn)品開(kāi)發(fā)和示范應(yīng)用，并取得了一定的成果。一批從事ITS研究 開(kāi)發(fā)的研究中心和生產(chǎn)企業(yè)通過(guò)理論與實(shí)踐相結(jié)合正在成長(zhǎng)。國(guó)家科技部1999年批準(zhǔn)建立了國(guó)家ITS工程技術(shù)研究中心(ITSC)2000年又批準(zhǔn)建立了國(guó)家鐵路智能運(yùn)輸系統(tǒng)工程技術(shù)研究中心。許多大學(xué)和研究機(jī)構(gòu)也紛紛組建ITS研究中心，從事ITS的理論研究和產(chǎn)品研發(fā)，例如東南大學(xué)ITS研究中心、武漢理工大學(xué)ITS研究中心、吉林大學(xué)ITS研究中心、北京交通大學(xué)ITS研究中心、同濟(jì)大學(xué)ITS研究中心、華南理工大學(xué)ITS研究中心等[121。中國(guó)交通領(lǐng)域和IT行業(yè)的很多企業(yè)被ITS巨大的高新技術(shù)市場(chǎng)所吸引，紛紛涉足ITS領(lǐng)域進(jìn)行其產(chǎn)品的開(kāi)發(fā)研究和推廣應(yīng)用，將先進(jìn)的智能控制技術(shù)、信息融合技術(shù)、智能信息處理技術(shù)與交通工程結(jié)合起來(lái)，己成為一個(gè)嶄新的研究方向

為協(xié)調(diào)和引導(dǎo)中國(guó)ITS的發(fā)展，2001年初國(guó)家科技部會(huì)同當(dāng)時(shí)的國(guó)家計(jì)委、經(jīng)貿(mào)委、公安部、鐵道部和交通部等部門，聯(lián)合成立了全國(guó)ITS協(xié)調(diào)指導(dǎo)小組及辦公室，并成立了ITS專家咨詢委員會(huì)負(fù)責(zé)組織研究中國(guó)的ITS發(fā)展總戰(zhàn)略、技術(shù)政策和技術(shù)標(biāo)準(zhǔn)，積極支持有 關(guān)部委、地方、企業(yè)及科研單位，根據(jù)行業(yè)和地區(qū)特點(diǎn)開(kāi)展ITS的關(guān)鍵技術(shù)研究與應(yīng)用示范工程，促進(jìn)ITS研究成果的產(chǎn)業(yè)化。1.3城市交通信號(hào)控制概述 按照控制原理的不同，傳統(tǒng)的交通信號(hào)控制分為定時(shí)控制和感應(yīng)控制.定時(shí)控制按事先設(shè)定的配時(shí)方案運(yùn)行，根據(jù)交通量歷史數(shù)據(jù)進(jìn)行配時(shí);感應(yīng)控制是某相位綠時(shí)可根據(jù)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(jìn)日道上的車輛檢測(cè)器測(cè)量.一者的控制策略均是基于簡(jiǎn)單的數(shù)學(xué)模型，由于城市交通系統(tǒng)中被控對(duì)象的不確定性、隨機(jī)性和過(guò)程機(jī)理復(fù)雜性，現(xiàn)場(chǎng)車輛檢測(cè)存在 誤差，建立精確的數(shù)學(xué)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(jīng)多次簡(jiǎn)化建立的數(shù)學(xué)模型，它的求解還須簡(jiǎn)化計(jì)算才可完成.對(duì)于交通系統(tǒng)這樣時(shí)變的復(fù)雜系統(tǒng)而言其效果往往差強(qiáng)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(jiān)實(shí)的理論基礎(chǔ).針劉傳統(tǒng)交通控制的固有缺陷和局限性，許多學(xué)者將模糊邏輯、神經(jīng)網(wǎng)絡(luò)、遺傳算法、蟻群算法、多智能體技術(shù)等人工智能基礎(chǔ)研究方法同傳統(tǒng)的交通控制方法結(jié)合應(yīng)用.一方面，交通系統(tǒng)結(jié)構(gòu)復(fù)雜、影響因素多、隨機(jī)性很強(qiáng)的，利用數(shù)學(xué)方法解決交通問(wèn)題的難度很大，所建立的模型往往過(guò)于復(fù)雜，難于求解，同時(shí)交通流系統(tǒng)的多樣性也很難用一種或兒種模型來(lái)體現(xiàn);另一方面，交通系統(tǒng)又是一個(gè)動(dòng)態(tài)的時(shí)變系統(tǒng)，交通竹理與控制的實(shí)時(shí)性要求非常高.因此，從實(shí)際情況出發(fā)，基于數(shù)學(xué)描述的交通竹理控制方法難以滿足在線實(shí)時(shí)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(jīng)網(wǎng)絡(luò)、遺傳算法等)，借鑒人類求解問(wèn)題的方法，通過(guò)知識(shí)的表達(dá)、推理和學(xué)習(xí)解決復(fù)雜的問(wèn)題，將以往用純數(shù) 學(xué)來(lái)描述交通系統(tǒng)轉(zhuǎn)變?yōu)橛弥R(shí)或知識(shí)與數(shù)學(xué)模型相結(jié)合來(lái)描述.1.4國(guó)內(nèi)外城市交通信號(hào)控制的發(fā)展歷程

1868年英國(guó)在倫敦市首次使用了燃汽信號(hào)燈，用于管理城市交通，這種信號(hào)根據(jù)鐵路信號(hào)顯示方式由紅燈與綠燈組成，這標(biāo)志著城市交通信號(hào)使用的開(kāi)始[[141。這時(shí)交通警察大多使用手提式照明燈來(lái)指揮交通。1914年，美國(guó)在克利夫蘭城安裝使用了人工操作的電氣照明信號(hào)燈，六年后被日本采用，十年后被英國(guó)采用，這種信號(hào)設(shè)置在交叉口中央的信號(hào)塔上，四個(gè)方向均有直徑為37.5cm的紅、綠、黃三色的圓形投光器。許多國(guó)家采用后又逐漸給予了改進(jìn)。1926年，世界上第一臺(tái)自動(dòng)控制街道交叉路口的交通信號(hào)機(jī)在英國(guó)研制成 功并開(kāi)始使用，它采用固定周期控制方式，隨后又出現(xiàn)多時(shí)段固定周期控制方式。1928年，美國(guó)研制成功車輛感應(yīng)式交通信號(hào)燈，使用橡皮管氣壓式檢測(cè)器。幾年后被英國(guó)、日本采用。在交通信號(hào)不斷改進(jìn)和發(fā)展的同時(shí)，用于多個(gè)路口協(xié)調(diào)統(tǒng)一控制的交通信號(hào)控制方式 也在不斷進(jìn)步。1917年，美國(guó)鹽湖城安裝使用了人工控制的干道信號(hào)協(xié)調(diào)系統(tǒng)。1922年，美國(guó)休斯敦市建立了一個(gè)采用電子計(jì)時(shí)器的干道信號(hào)協(xié)調(diào)系統(tǒng)。1928年，美國(guó)研制成功一種靈活的步進(jìn)式定周期干道信號(hào)定時(shí)系統(tǒng)，由于其技術(shù)簡(jiǎn)單，可靠性高，價(jià)格低廉，很快 被英國(guó)、前聯(lián)邦德國(guó)、日本等國(guó)廣泛應(yīng)用。

隨著交通信號(hào)感應(yīng)控制技術(shù)和電子計(jì)算機(jī)技術(shù)的發(fā)展，1952年在美國(guó)丹佛城出現(xiàn)了采用模擬電子計(jì)算機(jī)的交通信號(hào)控制系統(tǒng)，該系統(tǒng)將單一交叉路口的交通感應(yīng)控制概念應(yīng)用于街道交通信號(hào)化網(wǎng)絡(luò)，并用車輛檢測(cè)器向控制中心輸入交通流數(shù)據(jù)，用模擬電子計(jì)算機(jī) 進(jìn)行數(shù)據(jù)處理，然后再調(diào)整各交叉路口的交通信號(hào)程序。在隨后的11年間，美國(guó)建立了100個(gè)這種信號(hào)控制系統(tǒng)。1963年加拿大多倫多市投入了由IBM650型計(jì)算機(jī)控制的交通信號(hào)協(xié)調(diào)控制系統(tǒng)，這標(biāo)志著城市道路交通控制系統(tǒng)進(jìn)入了一個(gè)新的階段。其后，美國(guó)、英國(guó)、前聯(lián)邦德國(guó)、日本、澳大利亞等國(guó)家相繼建成數(shù)字電子計(jì)算機(jī)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(gè)。1.5城市交通信號(hào)燈控制的發(fā)展方向

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

(1)人工智能(AI)在城市交通信號(hào)控制問(wèn)題中的應(yīng)用有利于提高當(dāng)前交通信號(hào)控制系統(tǒng)的性能

最近，越來(lái)越多的人們開(kāi)始把注意力集中在人工智能技術(shù)應(yīng)用于交通工程問(wèn)題上。城市交通信號(hào)控制系統(tǒng)在操作方面分為三個(gè)重要階段，即交通數(shù)據(jù)采集、數(shù)據(jù)分析與處理、判斷與控制。從數(shù)據(jù)采集和處理，到確定最好的控制動(dòng)作，以及到動(dòng)作的實(shí)施，關(guān)鍵是全面提高信息決策過(guò)程的質(zhì)量。這些都和相當(dāng)多的專門知識(shí)有關(guān)，在很大程度上涉及相關(guān)的規(guī)章制度，并且受限于現(xiàn)實(shí)中的實(shí)際約束。歸納上述問(wèn)題，用AI途徑來(lái)提高相應(yīng)的基本職能是可能的。綜合起來(lái)，難題集中于精確交通信號(hào)方案選擇體系，交通信號(hào)方案選擇體系在歐洲己經(jīng)被廣泛用于UTCS田rban Traffic Control System)中。(2)利用離散時(shí)間、滾動(dòng)區(qū)域法(rolling horizon)研究交通信號(hào)控制系統(tǒng)

滾動(dòng)區(qū)域法利用最近檢測(cè)到的數(shù)據(jù)，對(duì)系統(tǒng)現(xiàn)行狀態(tài)(主要是各個(gè)路口的現(xiàn)行排隊(duì)長(zhǎng)，進(jìn)行估計(jì)，為滾動(dòng)區(qū)域的持續(xù)時(shí)間內(nèi)搜尋一種優(yōu)化信號(hào)控制方案。滾動(dòng)區(qū)域的時(shí)間必須足夠長(zhǎng)，時(shí)間分為兩部分，前一段時(shí)間執(zhí)行滾動(dòng)區(qū)域法的優(yōu)化方案。在滾動(dòng)區(qū)域法的最后一 段時(shí)間內(nèi)，以終端代價(jià)函數(shù)的形式驗(yàn)證滾動(dòng)區(qū)域法基礎(chǔ)上優(yōu)化的信號(hào)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(hào)方案。Robertson和Bretherton于1974年最初提出了離散時(shí)間滾動(dòng)區(qū)域法，至今該領(lǐng)域的主要研究及發(fā)展，大多在歐洲國(guó)家。用戶網(wǎng)絡(luò)的離散時(shí)間、滾動(dòng)區(qū)域法信號(hào)控制系統(tǒng)有待于研究。

(3)分散控制系統(tǒng)仍是未來(lái)的一個(gè)研究方向

分散控制系統(tǒng)相對(duì)集中控制系統(tǒng)來(lái)說(shuō)可以減少信道負(fù)載，減少網(wǎng)絡(luò)控制中災(zāi)難性失效。因此，這種控制系統(tǒng)仍是未來(lái)研究和發(fā)展的一個(gè)重要方向。

第二章 城市智能交通控制的基本理論

從應(yīng)用上來(lái)看，日前具有代表性的城市交通控制系統(tǒng)中，英國(guó)的SCOOT屬于集中式控制系統(tǒng)，澳大利亞的SCAT和德國(guó)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(jié)構(gòu)未考慮到如 何實(shí)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(shù)集成的問(wèn)題.西班牙的D.M.Aymerich和法國(guó)的G.S cemama對(duì)這些問(wèn)題分別進(jìn)行了有益的研究和探索，但這些系統(tǒng)的體系結(jié)構(gòu)只強(qiáng)調(diào)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(lái)看，傳統(tǒng)的城市智能交通控制方法是通過(guò)對(duì)城市交通系統(tǒng)建立一定的數(shù)學(xué)模型，然后運(yùn)用最優(yōu)控制理論來(lái)求解控制變量.在這類方法中，為了簡(jiǎn)化問(wèn)題和解決某些數(shù)學(xué)技術(shù)上的具體限制，在建模時(shí)通常需要對(duì)模型進(jìn)行理想化和一些不確定條件的人為設(shè)定，而這些簡(jiǎn)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(dòng)態(tài)時(shí)變性等特點(diǎn)是相矛盾的，因此造成了所用最優(yōu)方法在實(shí)際 中并非最優(yōu)，或者面對(duì)大規(guī)模城市無(wú)法對(duì)交通數(shù)據(jù)進(jìn)行實(shí)時(shí)有效的計(jì)算等缺點(diǎn).新的技術(shù)和方法的引入顯得十分必要和非常迫切，計(jì)算機(jī)的出現(xiàn)和廣泛應(yīng)用促成了人工智能研究熱潮的掀起，而這又必然會(huì)導(dǎo) 致包括系統(tǒng)體系結(jié)構(gòu)及控制策略等各方面的調(diào)整和改進(jìn).許多專家學(xué)者從智能控制的角度出發(fā)，利用模糊邏輯、人工神經(jīng)網(wǎng)絡(luò)等理論來(lái)研究這個(gè)問(wèn)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(wèn)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(shù)中具有良好效果.模糊邏輯不需要獲取模型中的復(fù)雜關(guān)系，不需要建立精確的數(shù)學(xué)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(jī)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(jié)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(guó)學(xué)者徐冬玲等人則把模糊邏輯用于單路日信號(hào)月‘控制，并用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊控制，仿真表明控制結(jié)果合理、迅速.崔寶俠等在雙模糊控制器隴調(diào)控制交通信號(hào)的基礎(chǔ)上，采用模糊推理來(lái)替代函數(shù)模型，根據(jù)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(shí)現(xiàn)了控制器自調(diào)整和自適應(yīng)，車輛平均延誤時(shí)間改善4.68%至12.24 %.當(dāng)車流量有突變時(shí)，改善效果更明顯 2.2人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks)人工神經(jīng)網(wǎng)絡(luò)是模擬生物的神經(jīng)結(jié)構(gòu)及其處理信息方式的一種算法.它具有自適應(yīng)、自組織和自學(xué)習(xí)能力，在認(rèn)知處理、模式識(shí)別等方面有很強(qiáng)的優(yōu)勢(shì)，最顯著特點(diǎn)是具有學(xué)習(xí)功能.人工神經(jīng)網(wǎng)絡(luò)適用于非線性時(shí)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(shí)變系統(tǒng)。

1991年，Nahatsuji和Terutoshi通過(guò)訓(xùn)練的一個(gè)神經(jīng)網(wǎng)絡(luò)使其給出某單個(gè)交義日的最優(yōu)綠信比，后來(lái)又把研究工作打一展到3個(gè)交義日上.C.J.Barnard等利用BP網(wǎng)絡(luò)模型，分別以交通流密度和不同相位的綠時(shí)作為輸人、輸出，直接建立起交通模式與信號(hào)方案之間的內(nèi)在聯(lián)系，從而實(shí)現(xiàn)了以交通流最優(yōu)化為日標(biāo)的二相位孤立交義路日的自學(xué)習(xí)動(dòng)態(tài)適應(yīng)性控制系統(tǒng)[}}}.C.Ledoux則提出了基于神經(jīng)元網(wǎng)絡(luò)的實(shí)時(shí)適應(yīng)性城市交通信號(hào)控制系統(tǒng)的交通仿真模型[lob.許倫輝等針對(duì)城市交義日交通流的分布特點(diǎn)，考慮相鄰車道上車輛排隊(duì)長(zhǎng)度，利用多層BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了道路交義日多相位模糊控制，給出一種自適應(yīng)交義日多相位控制算法，仿真結(jié)果表明，模糊神經(jīng)網(wǎng)絡(luò)控制器能有效的減少交義日平均車輛延誤，具有較強(qiáng)的學(xué)習(xí)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(jīng)網(wǎng)絡(luò)訓(xùn)練其信號(hào)控制規(guī)則，仿真結(jié)果表明，控制效果有明顯提高flll.日前越來(lái)越多的路日采用了多相位信號(hào)控制，而目控制規(guī)則一經(jīng)確定就不再改變，即不具備實(shí)時(shí)學(xué)習(xí)的功能.因此，對(duì)于交通狀況復(fù)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(yùn)用仿生原理實(shí)現(xiàn)在解空間的快速搜索，廣泛應(yīng)用于解決大規(guī)模組合優(yōu)化問(wèn)題.它是一種比較先進(jìn)的參數(shù)尋優(yōu)算法，對(duì)于不易建立數(shù)學(xué)模型的場(chǎng)合其實(shí)用價(jià)值較為突出，是以同樣適用于交通系統(tǒng)。

1997年，Kiseok和Michael等應(yīng)用遺傳算法對(duì)交通網(wǎng)絡(luò)內(nèi)的交義日信號(hào)相位進(jìn)行設(shè)計(jì)，在交義日形成的沖突點(diǎn)，結(jié)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(jìn)行信號(hào)配時(shí)方案設(shè)計(jì)的研究結(jié)果.陳小鋒針對(duì)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(dòng)態(tài)交通控制模型，采用遺傳算法同時(shí)對(duì)信號(hào)周期時(shí)長(zhǎng)和相位綠月‘持續(xù) 時(shí)間進(jìn)行優(yōu)化’.承向軍對(duì)到達(dá)車輛數(shù)日進(jìn)行模糊分類，將不同數(shù)量車輛的信號(hào)控制決策方案以規(guī)則集形式存儲(chǔ)在知識(shí)庫(kù)中，利用改進(jìn)的遺傳算法，對(duì)交義日信號(hào)模糊控制器的模糊規(guī)則進(jìn)行優(yōu)化，建立了 新的優(yōu)化算法.顧榕等將免疫遺傳學(xué)思想運(yùn)用到交通信號(hào)控制中，提出一種新的相位配時(shí)優(yōu)化算法，將平均延誤時(shí)間由76.7S降至36.4S，實(shí)驗(yàn)結(jié)果充分驗(yàn)證了該算法處理交通配時(shí)優(yōu)化問(wèn)題的可行性和有效性.李艷利用改進(jìn)的遺傳算法對(duì)交義日信號(hào)模糊控制器進(jìn)行優(yōu)化，建立新的配時(shí)優(yōu)化算法，仿真結(jié)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(jìn)化算法，它是一種求解組合最優(yōu)化問(wèn)題的新型通用啟發(fā)式方法，該方法具有，反饋、分布式計(jì)算和富于建設(shè)性的貪婪啟發(fā)式搜索的特點(diǎn).聞?dòng)龖?yīng)用蟻群算法搜索各路日的最優(yōu)信號(hào)燈相位序列，對(duì)算法復(fù)雜度作了理論分析，并通過(guò)仿真實(shí)驗(yàn)與單路日感應(yīng)式信號(hào)控制技術(shù)進(jìn)行比較，結(jié)果表明效果較好，總停車時(shí)間降低7.2%}19}.聞?dòng)€提出 一種基于改進(jìn)蟻群算法的降階滾動(dòng)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(dòng)優(yōu)化模型，在蟻群算法中設(shè)計(jì)了層狀解結(jié)構(gòu)圖，應(yīng)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(jié)果顯示，區(qū)域滾動(dòng)優(yōu)化控制比感應(yīng)式控制的總停車時(shí)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(duì)鳥(niǎo)群、魚(yú)群捕食的行為模擬研究而來(lái).同其他基于群智能((Swarm Intelligence)的隨機(jī)優(yōu)化算法相比，PSO算法具有收斂速度 快、設(shè)置參數(shù)少、程序?qū)崿F(xiàn)異常簡(jiǎn)潔、具有深刻的智能背景等特點(diǎn)。

瞿高峰以交義日車輛平均延誤和停車次數(shù)最小為日標(biāo)，建立信號(hào)控制交義日配時(shí)模型，運(yùn)用粒子群優(yōu)化算法求解該模型，結(jié)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(shí)間大大下降低，由23.97S下降至14.27 S }22}.這表明運(yùn)用粒子群優(yōu)化算法解決交義日配時(shí)問(wèn)題是有效和可行的.付紹呂，黃輝先提出在自適應(yīng)粒子群算法中引入變異算子建立離散交通信號(hào)控制模型，以更新粒了群算法的個(gè)體極值點(diǎn)和全局極值點(diǎn)，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(shí)現(xiàn)交通信號(hào)優(yōu)化控制傅惠等提出了基于粒子群優(yōu)化的城市關(guān)聯(lián)交義日群信號(hào)控制策略，根 據(jù)粒了群優(yōu)化思想求解信號(hào)控制參數(shù).仿真實(shí)驗(yàn)證實(shí)，基于粒了群優(yōu)化的關(guān)聯(lián)交義日群信號(hào)控制策略有效 2.6多智能體技術(shù)(Multi-agent)智能體技術(shù)由M insky在1986年首次提出，一般認(rèn)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(yīng)性、社會(huì)性、卞動(dòng)性等特征的計(jì)算實(shí)體.隨著車輛數(shù)和城市路網(wǎng)規(guī)模的增 大，信號(hào)控制系統(tǒng)的復(fù)雜性增大，同時(shí)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(gòu)建城市交通控制系統(tǒng)的計(jì)算環(huán)境己成為交通系統(tǒng)隴調(diào)控制的熱點(diǎn)

國(guó)外對(duì)智能體在交通中的應(yīng)用早有報(bào)道，如B urmeiste:提出多智能體在交通運(yùn)輸中應(yīng)用的思路。Roozemond分析了智能體、神經(jīng)網(wǎng)絡(luò)和分布式人工智能在城市交通控制應(yīng)用的前景和價(jià)值Goldman提出了一個(gè)基于多智能體的增量4.補(bǔ)學(xué)習(xí)的路日控制器[28].Choy等采用一種復(fù)雜的模糊神經(jīng)網(wǎng)絡(luò)進(jìn)化混合系統(tǒng)來(lái)構(gòu)造分層分布式交通控制多智能體系統(tǒng)，各個(gè)智能體利用模糊系統(tǒng)的推理能力、神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力來(lái)進(jìn)行實(shí)時(shí)決策.各層智能體的感知過(guò)程能通過(guò)在線強(qiáng)化學(xué)習(xí)進(jìn)行調(diào)整.國(guó)內(nèi)一些學(xué)者也對(duì)智能體在交通控制中的應(yīng)用作了一些嘗試性研究，馬壽峰等提出了單個(gè)路日的基于Q學(xué)習(xí)的交通信號(hào)控制Agent，并在此基上研究了基于對(duì)策論和社會(huì)規(guī)則的多智能體隴調(diào)方法陶志祥對(duì)基于Agent的分層遞階控制結(jié)構(gòu)進(jìn)行了概述。高海軍以博弈論為基礎(chǔ)，提出了交通控制Agent之間的區(qū)域隴調(diào)模型及算法[[32].李瑞敏結(jié)合城市交通控制與誘導(dǎo)系統(tǒng)集成的特點(diǎn)，研究了基于多智能

體系統(tǒng)的城市交通信號(hào)控制與動(dòng)態(tài)誘導(dǎo)集成化的系統(tǒng)結(jié)構(gòu)和兩類相b_作用的智能體模型結(jié)構(gòu).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(jié)構(gòu)，并提出了路日Agent-區(qū)域控制中心Agent-卞控制中心Agent的二級(jí)交通控制結(jié)構(gòu)郭建鋼、伍雄斌等提出了基于遺傳算法和多智能體技術(shù)的交通系統(tǒng)隴調(diào)控制的建模方法以及建模過(guò)程應(yīng)注意的問(wèn)題，并實(shí)例驗(yàn)證，得到可降低車均延誤12%,縮短周期時(shí)長(zhǎng)27.2%的結(jié)論[[35-37].劉虹秀等提出了基于多智能體的隴調(diào)方法，該隴調(diào)方式能適應(yīng)牢時(shí)今什的奪誦環(huán)靖，曲調(diào)方式誦信普川高的缺占.第三章 多智能體技術(shù)介紹

3.1智能體(Agent)隨著計(jì)算機(jī)技術(shù)和人工智能的發(fā)展，集中式系統(tǒng)己不能完全適應(yīng)復(fù)雜大系統(tǒng)研究的發(fā)展需要.并行計(jì)算和分布式處理技術(shù)(包括分布式人工智能)應(yīng)運(yùn)而生，并在過(guò)去20多年中獲得快速發(fā)展.近10年來(lái)，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(gè)熱點(diǎn)，引起多種不同等領(lǐng)域科技工作者的濃厚興趣，為分布式系統(tǒng)的綜合、分析、實(shí)現(xiàn)和應(yīng)用開(kāi)辟了一條新的有效途徑，促進(jìn)了人工智能和計(jì)算 機(jī)軟件的發(fā)展 3.2 Agent的特點(diǎn)

有關(guān)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(duì)象一演員，該對(duì)象中具有某些被封裝的內(nèi)部狀態(tài)并可對(duì)來(lái)自其它類似對(duì)象的消息進(jìn)行響應(yīng).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(rèn)為個(gè)體存在于社會(huì)中，社會(huì)中的個(gè)體在有矛盾的前提下可通過(guò)隴商或者競(jìng)爭(zhēng)的方法對(duì)問(wèn)題進(jìn)行求解，并將這些個(gè)體被稱為‘`Agent".日前，普遍認(rèn)為Agent是一個(gè)持續(xù)、自治運(yùn)行的實(shí)體，按照Y.S hoham的觀點(diǎn)，Agent是一個(gè)包含諸如知識(shí)(knowledge)、信念(beliefs、承諾(commitments蹄I I能力(capabilities)等精神狀態(tài)(mental-state)的 實(shí)體.雖然不同的研究者對(duì)Agent有著這種或那種的解釋，但其卞要具有以下特點(diǎn): 1）自治性(autonomy）Aegnt能根據(jù)外界環(huán)境的變化，而自動(dòng)地對(duì)自己的行為和狀態(tài)進(jìn)行調(diào)整，而不是僅僅被動(dòng)地接受外界的刺激，具有自我竹理自我調(diào)節(jié)的能力.2)反應(yīng)性(xeactive)與面向?qū)ο蟮姆椒ㄏ嗨疲琣gent能對(duì)外界的激勵(lì)作出反應(yīng)的能力.3)卞動(dòng)吐(pxoactive）

對(duì)于外界環(huán)境條件的改變，agent能卞動(dòng)采取活動(dòng)的能力.4)社會(huì)性(social）

Agent所具有的與其它Agent或人進(jìn)行合作的能力，不同的Agent可根據(jù)各自的日的意圖與其它Agent進(jìn)行交流，以達(dá)到問(wèn)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(jù)當(dāng)前的知識(shí)和經(jīng)驗(yàn)，以理性的、可再生的方式推理或推測(cè).規(guī)劃能力:Agent A丁以根據(jù)日標(biāo)、環(huán)境等的要求，至少對(duì)自己的短期行為做出規(guī)劃，具有生成規(guī)劃的能力.學(xué)習(xí)和適應(yīng)能力:Agent A丁以根據(jù)過(guò)去的經(jīng)驗(yàn)積累知識(shí)，并目修改其行為以適應(yīng)新的環(huán)境.3.2 Agent的結(jié)構(gòu)

建立Agent的結(jié)構(gòu)是應(yīng)用Agent技術(shù)的基礎(chǔ)，關(guān)于Agent模型結(jié)構(gòu)的研究是日前卞要的研究領(lǐng)域之一對(duì)于Agent的模型構(gòu)成，存在著各種不同的觀點(diǎn).一般認(rèn)為一個(gè)Agent應(yīng)包括感知器、決策控制器、精神狀態(tài)、知識(shí)庫(kù)、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(rèn)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(zhì)上要解決的問(wèn)題是如何確定Agent的目標(biāo)以及如何實(shí)現(xiàn)這個(gè)目標(biāo)。3.3 Agent的分類

Agent作為一種新興的計(jì)算機(jī)軟件開(kāi)發(fā)方法，是一個(gè)相當(dāng)大的范疇，從普通的人、動(dòng)物、社會(huì)機(jī)構(gòu)乃至普通的物體根據(jù)實(shí)際應(yīng)用的不同，都可被抽象為Agent.根據(jù)Agent的功能和應(yīng)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(wù)，能自動(dòng)地與其它成員進(jìn)行談判、信息交流等活動(dòng)

界面Agent:強(qiáng)調(diào)自治性與學(xué)習(xí)能力，用于與用戶交4_的操作界面上，能自動(dòng)地根據(jù)用戶的喜好特點(diǎn)，進(jìn)行個(gè)性化設(shè)置，并能為用戶的操作提供必要的幫助.活動(dòng)Agent:可以自由地在計(jì)算機(jī)網(wǎng)絡(luò)上移動(dòng)，并與其它的計(jì)算機(jī)相4_作用，其卞要應(yīng)用于計(jì)算機(jī)通訊方面.信息Agent:卞要用于網(wǎng)絡(luò)信息收集、查詢、整理，它將比日前使用的搜索工具更強(qiáng)大，能根據(jù)用戶的不同要求，提供詳細(xì)完備的資料.反應(yīng)Agent:不包括任何內(nèi)部符號(hào)處理模型，只是簡(jiǎn)單地對(duì)外界刺激發(fā)生反應(yīng)，卞要用于一些底層的、簡(jiǎn)單的系統(tǒng)中.混合Agent:指具有兩種以上上述Agent的復(fù)雜Agent，由于結(jié)構(gòu)復(fù)雜，日前應(yīng)用相對(duì)較少.3.4多智能體系統(tǒng)在交通控制領(lǐng)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(lǐng)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(jīng)獲得十分廣泛的應(yīng)用，涉及機(jī)器人、過(guò)程控制、柔性制造、遠(yuǎn)程通信、網(wǎng)絡(luò)竹理、交通控制、電子商務(wù)、數(shù)據(jù)庫(kù)、遠(yuǎn)程教育和遠(yuǎn)程醫(yī)療等.其中將智能體系統(tǒng)技術(shù)用于交通控制是一個(gè)新的方向[0.由于交通控制拓?fù)浣Y(jié)構(gòu)的分布式特性，使其很適合于應(yīng)用多智能體技術(shù).運(yùn)用多智能體系統(tǒng)進(jìn)行交通系統(tǒng)調(diào)控制的優(yōu)點(diǎn)有如下兒個(gè)方面:

(1)多智能體系統(tǒng)采用“由下向上”的設(shè)計(jì)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(gè)或多個(gè)實(shí)體的任務(wù)求解，所以多智能體系統(tǒng)采用了由底向上的設(shè)計(jì)方法.交通系統(tǒng)是一個(gè)包含了交通工具、交通設(shè)施、交通控制中心等多元素多層次的復(fù)雜系統(tǒng).因此多智能體系統(tǒng)的設(shè)計(jì)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(jié)構(gòu)劃分的特點(diǎn)，符合交通系統(tǒng)的分布式特征.構(gòu)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(jié)構(gòu)劃分，承擔(dān)不同的任務(wù)，相辦作完成系統(tǒng)的整體目標(biāo).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(jié)構(gòu)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(fù)雜系統(tǒng)的模擬研究.第四章

基于RBF神經(jīng)網(wǎng)絡(luò)的單交叉口自學(xué)習(xí)控制系統(tǒng)

4.1引言

由于城市化速度的加快，機(jī)動(dòng)車量的迅速增加，人們?cè)谫嵢∮蓹C(jī)動(dòng)車輛所帶來(lái)的巨額利潤(rùn)以及充分享受汽車巨大便利的同時(shí)，也越來(lái)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(shè)施、道路，特別是交通線中承受著高負(fù)荷的道路交叉口，己經(jīng)很難適應(yīng)這種發(fā)展速度，變得越來(lái)越擁擠，成為道路交通的瓶頸，因此采用先進(jìn)的科學(xué)技術(shù)手段對(duì)城市交叉路口的交通燈實(shí)施合理優(yōu)化控制，對(duì)改善城市交通狀況具有很大的作用。

對(duì)于交叉口的信號(hào)控制，通常有兩種控制方式:一種是定時(shí)控制，即根據(jù)統(tǒng)計(jì)資料算出交通量，給出一個(gè)或多個(gè)(用于不同時(shí)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(jiǎn)單有效的。但在交通擁擠且變化較大時(shí)，定時(shí)控制的效果比較差。另一種是感應(yīng)控制，即根據(jù)布置在交叉口的傳感器感應(yīng)到的車輛排隊(duì)長(zhǎng)度來(lái)設(shè)置控制參數(shù)，感應(yīng)控制在當(dāng)車流量較小且無(wú)規(guī)律時(shí)，容易產(chǎn)生綠時(shí)分配不合理的現(xiàn)象，同樣也會(huì)降低路口的通行能力。而當(dāng)車流量較大時(shí)則容易退化成定周期控制，從而失去感應(yīng)能力。由于這些常用控制方法的缺點(diǎn)，一些人工智能的方法愈來(lái)愈引起人們的重視。

針對(duì)多相位單交叉口的神經(jīng)網(wǎng)絡(luò)控制方法，已經(jīng)有文獻(xiàn)提及。本章提出了一種利用RBF神經(jīng)網(wǎng)絡(luò)來(lái)模擬交警控制思維的智能控制方法，并且加入了對(duì)控制狀況進(jìn)行修正的評(píng)價(jià)準(zhǔn)則，在模擬控制過(guò)程中，RBF神經(jīng)網(wǎng)絡(luò)根據(jù)評(píng)價(jià)準(zhǔn)則進(jìn)行實(shí)時(shí)調(diào)節(jié)，因此這種神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)功能。

仿真研究結(jié)果表明基于RBF神經(jīng)網(wǎng)絡(luò)的交叉口自學(xué)習(xí)控制系統(tǒng)學(xué)習(xí)速度快，能有效提高多相位路口的通行能力，對(duì)車流的變化具有很強(qiáng)的適應(yīng)性。4.2問(wèn)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(gè)方向，每個(gè)方向均存在左行、直行、右行三個(gè)車道車流。

圖4-1單交叉口交通流分布

考慮這個(gè)十字形的平面交叉路口具有四相位。每個(gè)相位對(duì)應(yīng)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(shè)一位交通警察在該路口指揮交通，他可以根據(jù)這四個(gè)相位的車量排隊(duì)長(zhǎng)度作為依據(jù)，按順序給各個(gè)相位分配通過(guò)時(shí)間。由于各相位在不同的時(shí)間段里到達(dá)車流量具有隨機(jī)性，根據(jù)交通情況，交警給各個(gè)相位分配的時(shí)間也會(huì)不斷變化。

由此可見(jiàn)，模擬交警的思維實(shí)際上可以將四相位的車輛排隊(duì)長(zhǎng)度為輸入，以對(duì)應(yīng)的信號(hào)周期時(shí)間和各個(gè)相位的綠信比為輸出構(gòu)造一個(gè)神經(jīng)網(wǎng)絡(luò)，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(xùn)練神經(jīng)網(wǎng)絡(luò)。

4.3控制器的設(shè)計(jì)及其算法

4.3.1基于神經(jīng)網(wǎng)絡(luò)的單交叉口模型

根據(jù)對(duì)四相位交叉口信號(hào)控制問(wèn)題的描述可以確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖3-3所示。該網(wǎng)絡(luò)由四個(gè)輸入分別對(duì)應(yīng)四個(gè)相位的車輛排隊(duì)長(zhǎng)度Ii，四個(gè)輸出分別對(duì)應(yīng)信號(hào)周期T和各相位的綠信比(j =1, 2, 3, 4)

圖4-3神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)結(jié)構(gòu)模型 4.3.2 RBF神經(jīng)網(wǎng)絡(luò)

徑向基函數(shù)(Radial Basis Function, RBF)神經(jīng)網(wǎng)絡(luò)由三層組成其結(jié)構(gòu)如圖4-4所示。

圖4-4徑向基函數(shù)RBF神經(jīng)網(wǎng)絡(luò)

隱層節(jié)點(diǎn)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(gè)基函數(shù)的中心，與x具有相同維數(shù)的向量;

?

是第1個(gè)感知的變量，它決定了該基函數(shù)圍繞中心點(diǎn)的寬度;

m是感知單元的個(gè)數(shù);4.3.3神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)方案

(1)原始樣本的獲取

首先將已知的交警指揮經(jīng)驗(yàn)用符合上述神經(jīng)網(wǎng)絡(luò)的樣本形式表示出來(lái)，然后用這些樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)，這樣該網(wǎng)絡(luò)就具備初步的控制交通的能力，可以將其用于實(shí)際交通控制中，但由于此時(shí)的網(wǎng)絡(luò)學(xué)習(xí)規(guī)則不具有遍歷性，所以需要有一個(gè)評(píng)價(jià)準(zhǔn)則來(lái)對(duì)網(wǎng)絡(luò)的控制效果作出評(píng)價(jià)，并修改重新學(xué)習(xí)。

(2)評(píng)價(jià)準(zhǔn)則

對(duì)于投入實(shí)際交叉口控制的神經(jīng)網(wǎng)絡(luò)，評(píng)價(jià)準(zhǔn)則要對(duì)其配時(shí)方法的控制效果作出評(píng)價(jià)，并修正信號(hào)周期和各相位的綠信比。設(shè)六個(gè)信號(hào)周期為一個(gè)評(píng)價(jià)周期，l為第1個(gè)信號(hào)周期結(jié)束時(shí)第.1個(gè)相位中所有方向車流的排隊(duì)長(zhǎng)度之和;1'為一個(gè)信號(hào)周期結(jié)束時(shí)的J相位總的排隊(duì)長(zhǎng)度;習(xí)為第i個(gè)信號(hào)周期內(nèi)第.7個(gè)相位中所有方向放行的車輛總數(shù);r;'為第i個(gè)信號(hào)周期內(nèi)第J個(gè)相位中所有方向到達(dá)的車輛總數(shù);所以，式中:當(dāng)括號(hào)內(nèi)的數(shù)小于0時(shí)，z=0，否則z=1，且有

一個(gè)信號(hào)周期過(guò)后J相位各個(gè)排隊(duì)長(zhǎng)度:

一個(gè)信號(hào)周期過(guò)后四相位累計(jì)排隊(duì)長(zhǎng)度:

然后計(jì)算這種交通情況下各相位的綠信比:

最后依據(jù)平均排隊(duì)長(zhǎng)度的大小L，來(lái)確定周期T的增量△T，這里將設(shè)定5個(gè)檔次: L ,55, 55> L ,35, 35> L ,15, 15> L ,5, L <5對(duì)應(yīng)的△T分別為15s, lose 5s, Os和一Sso

根據(jù)以上的評(píng)價(jià)過(guò)程，可以得到新的輸入輸出樣本，神經(jīng)網(wǎng)絡(luò)對(duì)新樣本進(jìn)行再學(xué)習(xí)。4.4仿真分析

本章按照前面所述的RBF神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)控制方法，在Matlab語(yǔ)言環(huán)境中編程進(jìn)行了仿真。在通過(guò)調(diào)查采集到的實(shí)際數(shù)據(jù)的基礎(chǔ)上分析交警指揮單交叉路口信號(hào)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(hào)控制模式，形成40個(gè)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本，然后用RBF算法對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，再用服從二項(xiàng)分布的隨機(jī)數(shù)來(lái)描述車流的到達(dá)情況。仿真研究時(shí)，取直行車道的飽和流量為1200PCUlh，左轉(zhuǎn)和右轉(zhuǎn)車道的飽和流量為1000 PCU/h。車流到達(dá)路口后，左轉(zhuǎn)、直行和右轉(zhuǎn)的比例分別為30%, 40%和30%。由上述學(xué)好的網(wǎng)絡(luò)進(jìn)行控制，確定6個(gè)信號(hào)周期為一個(gè)評(píng)價(jià)周期，得到一個(gè)新的樣本。每隔20個(gè)評(píng)價(jià)周期，將得到的20個(gè)新樣本加入總的學(xué)習(xí)樣本集進(jìn)行再學(xué)習(xí)。

訓(xùn)練RBF網(wǎng)絡(luò)時(shí)，將網(wǎng)絡(luò)誤差設(shè)置為o.01，并通過(guò)自動(dòng)增加徑向基神經(jīng)元的方法來(lái)不斷減少網(wǎng)絡(luò)誤差，從仿真過(guò)程中可以看到，在神經(jīng)元個(gè)數(shù)接近樣本個(gè)數(shù)時(shí)網(wǎng)絡(luò)收斂。

為驗(yàn)證本章提出的RBF神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)控制方案的控制效果，仿真運(yùn)行中將其與定時(shí)控制方法以及BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法的控制效果進(jìn)行了比較，結(jié)果如表3-1所示。可以看出，隨著車流量的增大，BP神經(jīng)網(wǎng)絡(luò)與RBF神經(jīng)網(wǎng)絡(luò)的控制效果明顯優(yōu)于普通的定時(shí)控制方法。

神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)控制方法效果比較

該仿真中也將BP神經(jīng)網(wǎng)絡(luò)與RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)性能進(jìn)行了對(duì)比，對(duì)于得到的不同樣本，RBF神經(jīng)網(wǎng)絡(luò)都能快速學(xué)習(xí)，而B(niǎo)P神經(jīng)網(wǎng)絡(luò)對(duì)于某些樣本的學(xué)習(xí)會(huì)陷入局部最優(yōu)，達(dá)不到學(xué)習(xí)要求。這說(shuō)明由于本文提出的RBF神經(jīng)網(wǎng)絡(luò)信號(hào)控制方案具有自學(xué)習(xí)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(hào)控制方案。

第五章結(jié)論與展望 5.1 總結(jié)

城市交通信號(hào)的優(yōu)化配時(shí)己經(jīng)成為當(dāng)前智能交通系統(tǒng)研究的熱點(diǎn)之一，由于交通系統(tǒng)是一個(gè)復(fù)雜時(shí)變的非線性系統(tǒng)，對(duì)其進(jìn)行精確建模比較困難，因此采用各種智能優(yōu)化算法來(lái)實(shí)現(xiàn)對(duì)城市交通信號(hào)的控制己成為一個(gè)比較熱門的研究方向。

本文以城市交通為研究背景，分別對(duì)單交叉口和交通干線的信號(hào)采用智能優(yōu)化的方法來(lái)實(shí)現(xiàn)控制，取得了一些結(jié)果: 本文采用RBF神經(jīng)網(wǎng)絡(luò)建立交叉口模型實(shí)現(xiàn)了單交叉口自學(xué)習(xí)信號(hào)控制系統(tǒng)。

系統(tǒng)通過(guò)模擬交警指揮交通的思維過(guò)程，能夠根據(jù)四相位交叉口各相位車輛的排隊(duì)長(zhǎng)度，實(shí)時(shí)對(duì)各個(gè)相位的綠信比和總的信號(hào)周期進(jìn)行分配，并且隨著交通狀況的變化，可以對(duì)信號(hào)配時(shí)效果作出調(diào)整，具有自學(xué)習(xí)功能。通過(guò)仿真與定時(shí)控制相比較，證明了基于RBF 神經(jīng)網(wǎng)絡(luò)的單交叉口自學(xué)習(xí)控制系統(tǒng)的優(yōu)越性。該方法能夠更好的適應(yīng)實(shí)際交通狀況，提高交叉口的通行能力。5.2 展望

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

1.由于實(shí)際城市交通的控制問(wèn)題，是一個(gè)區(qū)域的控制問(wèn)題，所以，應(yīng)進(jìn)一步將智能優(yōu)化算法應(yīng)用到城市交通信號(hào)區(qū)域?qū)用嫔系目刂浦腥ィ床捎弥悄軆?yōu)化算法實(shí)現(xiàn)面控。

2.城市快速公交系統(tǒng)控制是當(dāng)前的一個(gè)熱點(diǎn)，將城市交通信號(hào)控制與城市快速公交控制以及路徑引導(dǎo)結(jié)合起來(lái)研究將是一個(gè)很好的研究方向。

3.將所設(shè)計(jì)的控制算法真正應(yīng)用到實(shí)際的城市交通信號(hào)中進(jìn)行控制，以實(shí)際效果來(lái)檢驗(yàn)算法的優(yōu)劣。