人工智能在交通控制中的應(yīng)用

人工智能在交通控制中的應(yīng)用第一頁，共二十三頁，編輯于2023年，星期六史蒂文·斯皮爾伯格執(zhí)導(dǎo)電影（人工智能）

第二頁，共二十三頁，編輯于2023年，星期六21世紀(jì)中期，機器人制造技術(shù)已經(jīng)高度發(fā)達，先進的機器人不但擁有可以亂真的人類外表，還能感知自身的存在。莫妮卡的兒子馬丁重病住院，生命危在旦夕，為了緩解傷痛的心情，她領(lǐng)養(yǎng)了機器人小孩大衛(wèi)，大衛(wèi)的生存使命就是愛她。馬丁蘇醒，恢復(fù)健康，回到了家里，一系列的事情使大衛(wèi)“失寵”，最后被莫妮卡拋棄。在躲過機器屠宰場的殘酷追殺后，大衛(wèi)在機器情人喬的幫助下，開始尋找自己的生存價值：渴望變成真正的小孩，重新回到莫妮卡媽媽的身邊。第三頁，共二十三頁，編輯于2023年，星期六內(nèi)容概要一、人工智能概述二、人工智能發(fā)展三、人工智能應(yīng)用四、人工智能在交通控制中的應(yīng)用第四頁，共二十三頁，編輯于2023年，星期六一、人工智能概述

人工智能(ArtificialIntelligence)的定義一直沒有一個統(tǒng)一的標(biāo)準(zhǔn)。

著名的美國斯坦福大學(xué)人工智能研究中心尼爾遜教授對人工智能下了這樣一個定義“人工智能是關(guān)于知識的學(xué)科———怎樣表示知識以及怎樣獲得知識并使用知識的科學(xué)。”

美國麻省理工學(xué)院的溫斯頓教授認(rèn)為“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作?！?/p>

諸如此類的定義基本都反映了人工智能學(xué)科的基本思想和基本內(nèi)容。即人工智能是研究人類智能活動的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應(yīng)用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術(shù)。第五頁，共二十三頁，編輯于2023年，星期六

涉及學(xué)科：計算機科學(xué)、信息論、控制論、自動化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語言學(xué)、醫(yī)學(xué)和哲學(xué)等多門學(xué)科。

研究范疇：自然語言處理，知識表現(xiàn)，智能搜索，推理，規(guī)劃，機器學(xué)習(xí)，知識獲取，組合調(diào)度問題，感知問題，模式識別，邏輯程序設(shè)計，軟計算，不精確和不確定的管理，人工生命，神經(jīng)網(wǎng)絡(luò)，復(fù)雜系統(tǒng)，遺傳算法等。

應(yīng)用領(lǐng)域：智能控制，專家系統(tǒng)，機器人學(xué)，語言和圖像理解等。

實際應(yīng)用：機器視覺:指紋識別，人臉識別，視網(wǎng)膜識別，虹膜識別，掌紋識別，專家系統(tǒng),智能搜索，定理證明，博弈，自動程序設(shè)計，還有航天應(yīng)用等。

第六頁，共二十三頁，編輯于2023年，星期六

由于人們對智能本質(zhì)的不同理解,形成了人工智能多種不同的研究途徑和學(xué)派,其中主要包括符號主義(Symbolism)、聯(lián)結(jié)主義(Connectionism)和行為主義(Behaviorism)。

符號主義認(rèn)為智能產(chǎn)生于大腦抽象思維的過程中,以物理符號系統(tǒng)假設(shè)為基礎(chǔ),通過對具有物理模式的符號實體的建立、修改、復(fù)制和刪除等操作生成其他符號結(jié)構(gòu),從而實現(xiàn)智能行為。

聯(lián)結(jié)主義認(rèn)為智能產(chǎn)生于大腦神經(jīng)元之間的相互作用及信息往來的過程中,因此通過對大腦神經(jīng)系統(tǒng)結(jié)構(gòu)的模擬來建立人工神經(jīng)元網(wǎng)絡(luò),從而實現(xiàn)相應(yīng)的智能行為.

行為主義人工智能與上述傳統(tǒng)人工智能的最大區(qū)別在于,它摒棄了內(nèi)省的思維過程,而把智能的研究建立在可觀測的具體的行為活動基礎(chǔ)上.

第七頁，共二十三頁，編輯于2023年，星期六

人工智能的兩種實現(xiàn)方法

人工智能在計算機上實現(xiàn)時有2種不同的方式。一種是采用傳統(tǒng)的編程技術(shù)，使系統(tǒng)呈現(xiàn)智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學(xué)方法（Engineeringapproach），它已在一些領(lǐng)域內(nèi)作出了成果，如文字識別、電腦下棋等。另一種是模擬法（Modelingapproach），它不僅要看效果，還要求實現(xiàn)方法也和人類或生物機體所用的方法相同或相類似。遺傳算法（GenericAlgorithm,簡稱GA）和人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork,簡稱ANN）均屬后一類型。第八頁，共二十三頁，編輯于2023年，星期六

為了得到相同智能效果，兩種方式通常都可使用。采用前一種方法，需要人工詳細(xì)規(guī)定程序邏輯，如果游戲簡單，還是方便的。如果游戲復(fù)雜，角色數(shù)量和活動空間增加，相應(yīng)的邏輯就會很復(fù)雜（按指數(shù)式增長），人工編程就非常繁瑣，容易出錯。而一旦出錯，就必須修改原程序，重新編譯、調(diào)試，最后為用戶提供一個新的版本或提供一個新補丁,非常麻煩。采用后一種方法時，編程者要為每一角色設(shè)計一個智能系統(tǒng)（一個模塊）來進行控制，這個智能系統(tǒng)（模塊）開始什么也不懂，就像初生嬰兒那樣，但它能夠?qū)W習(xí)，能漸漸地適應(yīng)環(huán)境，應(yīng)付各種復(fù)雜情況。這種系統(tǒng)開始也常犯錯誤，但它能吸取教訓(xùn)，下一次運行時就可能改正，至少不會永遠(yuǎn)錯下去，用不著發(fā)布新版本或打補丁。利用這種方法來實現(xiàn)人工智能，要求編程者具有生物學(xué)的思考方法，入門難度大一點。但一旦入了門，就可得到廣泛應(yīng)用。由于這種方法編程時無須對角色的活動規(guī)律做詳細(xì)規(guī)定，應(yīng)用于復(fù)雜問題，通常會比前一種方法更省力。第九頁，共二十三頁，編輯于2023年，星期六

強人工智能

強人工智能觀點認(rèn)為有可能制造出真正能推理和解決問題的智能機器，并且，這樣的機器能將被認(rèn)為是有知覺的，有自我意識的。

弱人工智能

弱人工智能觀點認(rèn)為不可能制造出能真正地推理和解決問題的智能機器，這些機器只不過看起來像是智能的，但是并不真正擁有智能，也不會有自主意識。主流科研集中在弱人工智能上。

第十頁，共二十三頁，編輯于2023年，星期六人工智能極限的哲學(xué)問題人工智能不具有人的思維的社會性。人工智能不具有人的主觀能動性。人工智能不具有主觀世界。第十一頁，共二十三頁，編輯于2023年，星期六二、人工智能發(fā)展

人工智能的傳說可以追溯到古埃及，但隨著1941年以來電子計算機的發(fā)展，技術(shù)已最終可以創(chuàng)造出機器智能，“人工智能”(ArtificialIntelligence)一詞最初是在1956年Dartmouth學(xué)會上提出的，從那以后,研究者們發(fā)展了眾多理論和原理，人工智能的概念也隨之?dāng)U展，在它還不長的歷史中，人工智能的發(fā)展比預(yù)想的要慢，但一直在前進，從出現(xiàn)到現(xiàn)在，已經(jīng)出現(xiàn)了許多AI程序，并且它們也影響到了其它技術(shù)的發(fā)展。80年代AI被引入了市場,并顯示出實用價值。第十二頁，共二十三頁，編輯于2023年，星期六

目前，AI技術(shù)在美國、歐洲和日本發(fā)展很快。在AI技術(shù)領(lǐng)域十分活躍的IBM公司。已經(jīng)制造了號稱具有人腦的千分之一的智力能力的“ASCIIWhite”電腦，而且正在開發(fā)的更為強大的新超級電腦———“藍(lán)色牛仔(bluejean)”，據(jù)其研究主任保羅·霍恩稱，預(yù)計“藍(lán)色牛仔”的智力水平將大致與人腦相當(dāng)。由于人工智能有著廣大的發(fā)展前景，巨大的發(fā)展市場被各國和各公司所看好。多家公司在人工智能的分支研究方面保持著一定的投入比例。我國很長一段時間以來，機械和自動控制專家們都把研制具有人的行為特征的類人性機器人作為奮斗目標(biāo)。在1990年成功研制出我國第一臺兩足步行機器人的基礎(chǔ)上，經(jīng)過科研10年攻關(guān)，于2000年11月，又成功研制成我國第一臺類人性機器人。第十三頁，共二十三頁，編輯于2023年，星期六人工智能發(fā)展方向

信息檢索：人工智能在網(wǎng)絡(luò)信息檢索中的應(yīng)用，主要表現(xiàn)在：①如何利用計算機軟硬件系統(tǒng)模仿、延伸與擴展人類智能的理論、方法和技術(shù)，包括機器感知、機器思維、機器行為，即知識獲取、知識處理、知識利用的過程。②由于網(wǎng)絡(luò)知識信息既包括規(guī)律性的知識，如一般原理概念，也包括大量的經(jīng)驗知識，這些知識不可避免地帶有模糊性、隨機性、不可靠性等不確定性因素，對其進行推理，需要利用人工智能的研究成果。

專家系統(tǒng)：一個基于規(guī)則的專家系統(tǒng)能夠在專家的指導(dǎo)下，隨著經(jīng)驗的積累而利用自學(xué)習(xí)能力進行規(guī)則的擴充和修正，專家系統(tǒng)對歷史記錄的依賴性相對于統(tǒng)計方法較小。第十四頁，共二十三頁，編輯于2023年，星期六

人工智能在機器人：機器人足球系統(tǒng)是目前進行人工智能體系研究的熱點，其即高科技和娛樂性于一體的特點吸引了國內(nèi)外大批學(xué)者的興趣。決策系統(tǒng)主要解決機器人足球比賽過程中機器人之間的協(xié)作和機器人運動規(guī)劃問題，在機器人足球系統(tǒng)設(shè)計中需要將人工智能中的決策樹、神經(jīng)網(wǎng)絡(luò)、遺傳學(xué)的等算法綜合運用，隨著人工智能理論的進一步發(fā)展，將使機器人足球有長足的發(fā)展。第十五頁，共二十三頁，編輯于2023年，星期六三、人工智能應(yīng)用

專家系統(tǒng)

專家系統(tǒng)是以知識為基礎(chǔ)的智能推理系統(tǒng),與通用問題求解系統(tǒng)不同,專家系統(tǒng)強調(diào)在某一專業(yè)領(lǐng)域中積累大量的知識,包括實現(xiàn)范例以及該領(lǐng)域?qū)＜覀兯哂械慕?jīng)驗和規(guī)律。當(dāng)然這些規(guī)律并不要求是很嚴(yán)謹(jǐn),但它們是有啟發(fā)性的。這些知識構(gòu)成數(shù)據(jù)庫,系統(tǒng)在知識庫的基礎(chǔ)上發(fā)展其專門領(lǐng)域的知識,使系統(tǒng)達到模擬專家的程度。簡單說(知識庫)+(推理機)=專家系統(tǒng)。

專家系統(tǒng)大致分為三個組成部分:知識庫、推理機和人機界面,具體結(jié)構(gòu)主要有知識庫、數(shù)據(jù)庫、推理機、解釋器、知識獲取(學(xué)習(xí)系統(tǒng))和人機界面組成,其中知識庫和推理機是核心部分。專家系統(tǒng)通過提取知識庫中的知識,由推理機進行一系列的推理,得出結(jié)論,指導(dǎo)工作。第十六頁，共二十三頁，編輯于2023年，星期六

專家系統(tǒng)具有以下特點(1)它所解決的問題是復(fù)雜而專門的問題,這些問題很難用精確的數(shù)學(xué)語言描述,也沒有確定的算法去解決;(2)專家系統(tǒng)不同于傳統(tǒng)的數(shù)據(jù)處理算法而是突出知識的價值,推廣和應(yīng)用專家知識;(3)它采用人工智能原理和技術(shù),如符號表示、符號推理和啟發(fā)搜索等。第十七頁，共二十三頁，編輯于2023年，星期六

人工智能控制

可用于控制的人工智能方法主要有3種：模糊控制、神經(jīng)網(wǎng)絡(luò)控制、專家系統(tǒng)控制。由于模糊控制是其中最為簡單、最具實際意義的方法，因而它的應(yīng)用實例最多。

人工智能控制器的優(yōu)勢

不同的人工智能控制通常用完全不同的方法去討論。但AI控制器例如：神經(jīng)、模糊、模糊神經(jīng)以及遺傳算法都可看成一類非線性函數(shù)近似器。這樣的分類就能得到較好的總體理解，也有利于控制策略的統(tǒng)一開發(fā)。這些AI函數(shù)近似器比常規(guī)的函數(shù)估計器具有更多的優(yōu)勢，這些優(yōu)勢如下：

（1）它們的設(shè)計不需要控制對象的模型（在許多場合，很難得到實際控制對象的精確動態(tài)方程，實際控制對象的模型在控制器設(shè)計時往往有很多不確實性因素，例如：參數(shù)變化，非線性時，往往不知道）。第十八頁，共二十三頁，編輯于2023年，星期六（2）通過適當(dāng)調(diào)整（根據(jù)響應(yīng)時間、下降時間、魯棒性能等）它們能提高性能。例如：模糊邏輯控制器的上升時間比最優(yōu)PID控制器快1.5倍，下降時間快3.5倍，過沖更小。（3）它們比古典控制器的調(diào)節(jié)容易。（4）在沒有必須專家知識時，通過響應(yīng)數(shù)據(jù)也能設(shè)計它們。（5）運用語言和響應(yīng)信息可能設(shè)計它們。（6）它們有相當(dāng)好的一致性（當(dāng)使用一些新的未知輸入數(shù)據(jù)就能得到好的估計），與驅(qū)動器的特性無關(guān)?，F(xiàn)在沒有使用人工智能的控制算法對特定對象控制效果十分好，但對其他控制對象效果就不會一致性地好，因此對具體對象必須具體設(shè)計。（7）它們對新數(shù)據(jù)或新信息具有很好的適應(yīng)性。（8）它們能解決常規(guī)方法不能解決的問題。（9）它們具有很好的抗噪聲干擾能力。（10）它們的實現(xiàn)十分便宜，特別是使用最小配置時。（11）它們很容易擴展和修改第十九頁，共二十三頁，編輯于2023年，星期六四、人工智能在交通控制中的應(yīng)用人工智能方法在信號處理中的應(yīng)用交通控制中，模糊控制一向被廣泛研究；而在模糊理論的應(yīng)用中，最為要的步驟之一就是建立模糊集的隸屬度函數(shù)，如何客觀而準(zhǔn)確地選取隸屬函數(shù)也一直是一個重要的話題。在這個問題上，人工智能扮演了重要的角色，為隸屬函數(shù)的求解問題提供了許多非傳統(tǒng)的途徑。第二十頁，共二十三頁，編輯于2023年，星期六1、神經(jīng)網(wǎng)絡(luò)利用BP神經(jīng)網(wǎng)絡(luò)推斷隸屬函數(shù)前饋式神經(jīng)網(wǎng)絡(luò)，即BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用比較廣泛的一種神經(jīng)網(wǎng)絡(luò)模型，它可以通過梯度下降法令誤差反向傳播，通過多層修正使誤差趨向最小，也就是使隸屬函數(shù)趨向于最精確值。將前饋式神經(jīng)網(wǎng)絡(luò)與模糊邏輯結(jié)合起來形成神經(jīng)模糊推理系統(tǒng)是一個多層系統(tǒng)，每一層都有各