陳大山 孫 劍 李克平

(同濟(jì)大學(xué)道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室 上海 200092)

0 引 言

高速公路主線可變限速控制是提高高速公路主線行車安全和交通效率的重要措施,在各國(guó)得到廣泛的應(yīng)用.可變限速的速度值應(yīng)該隨著交通狀況、天氣狀況和路面狀況的變化而發(fā)生相應(yīng)的變化.車輛行駛的速度分布越離散,交通事故的風(fēng)險(xiǎn)越大[1-2],提供可參考的最佳行駛速度,可以使得車速分布相對(duì)集中,影響最佳速度值的因素是多方面的,其計(jì)算方法也有所不同,傳統(tǒng)的計(jì)算方法有2種:(1)統(tǒng)計(jì)法,是依據(jù)統(tǒng)計(jì)數(shù)據(jù)確定最佳速度值,所以實(shí)時(shí)性較差;(2)數(shù)學(xué)模型法,是靠建立數(shù)學(xué)模型來(lái)計(jì)算,其模型的建立和各項(xiàng)參數(shù)的確定也比較困難.鑒于此,國(guó)內(nèi)外許多學(xué)者采用了智能控制的方法來(lái)研究可變限速控制[3-4],在此基礎(chǔ)上,文中給出的最佳速度綜合算法,是針對(duì)高速公路主線實(shí)際情況,充分利用實(shí)時(shí)檢測(cè)到的交通狀況、環(huán)境狀況等與速度密切相關(guān)的信息,先按照模糊規(guī)則進(jìn)行模糊推理,再應(yīng)用神經(jīng)網(wǎng)絡(luò)來(lái)記憶和學(xué)習(xí)模糊規(guī)則,同時(shí)使用遺傳算法對(duì)神經(jīng)網(wǎng)絡(luò)的初始權(quán)值進(jìn)行標(biāo)定,避免其陷入局部極值,加快收斂速度.由此得到的最佳速度實(shí)時(shí)性好,準(zhǔn)確性高,可為高速公路主線可變限速控制提供可靠的依據(jù),產(chǎn)生良好的經(jīng)濟(jì)效應(yīng)[5-6].

1 模糊設(shè)計(jì)

最佳速度模糊控制器的輸入量有2個(gè),即路段上的車輛數(shù)量和行車環(huán)境綜合評(píng)價(jià)指標(biāo)值;輸出量只有一個(gè),即高速公路路段的車輛最佳行駛速度,如圖1所示.其中,行車環(huán)境綜合評(píng)價(jià)指標(biāo)值采用模糊邏輯得到一個(gè)具體的指標(biāo)值,行車環(huán)境綜合評(píng)價(jià)指標(biāo)值的模糊控制器的設(shè)計(jì)如圖2所示.

圖1 最佳行駛速度模糊控制器

圖2 行車環(huán)境綜合評(píng)價(jià)指標(biāo)值模糊控制器

行車環(huán)境綜合評(píng)價(jià)指標(biāo)值模糊控制器的輸入量有兩個(gè),分別為天氣指標(biāo)值和路況指標(biāo)值,因?yàn)樘鞖夂吐窙r的確定存在一定的模糊性,對(duì)于天氣的描述分為5個(gè)語(yǔ)言變量:w1(差),w2(較差),w3(一般),w4(較好),w5(好),其取值范圍為 0～10,越大天氣越好;對(duì)于路況的描述也分為5個(gè)語(yǔ)言變量:r1(差),r2(較差),r3(一般),r4(較好),r5(好),其取值范圍為0～10,越大路況越好.同時(shí),v(行車環(huán)境綜合評(píng)價(jià)指標(biāo)值)分為:v1(低),v2(較低),v3(一般),v4(較高),v5(高)5個(gè)語(yǔ)言變量值,值范圍為0～10,越大越好.

模糊推理規(guī)則為

其中:i=1,2,3,4,5;j=1,2,3,4,5;k=1,2,…,25;共有25條規(guī)則.行車環(huán)境綜合評(píng)價(jià)指標(biāo)值的模糊規(guī)則表如表1所列.

表1 指標(biāo)值模糊規(guī)則表

對(duì)于車輛行駛速度模糊控制器,與行車環(huán)境綜合評(píng)價(jià)指標(biāo)值模糊控制器類似,在此不贅述.

行車環(huán)境綜合評(píng)價(jià)指標(biāo)控制器的輸入語(yǔ)言變量有2個(gè)為天氣和路況,天氣、路況描述隸屬度函數(shù)曲線如圖3所示,圖4為行車環(huán)境綜合評(píng)價(jià)指標(biāo)值的隸屬度函數(shù)曲線,圖5為該模糊推理系統(tǒng)的輸出曲線,圖6為最佳速度模糊推理系統(tǒng)輸出曲線;隸屬度函數(shù)全部采用正態(tài)型,清晰化計(jì)算采用最為常用的加權(quán)平均法.

圖3 天氣、路況描述隸屬度函數(shù)曲線

2 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)權(quán)值

圖4 指標(biāo)值隸屬度函數(shù)曲線

圖5 指標(biāo)值模糊推理系統(tǒng)輸出曲面

圖6 速度模糊推理系統(tǒng)輸出曲面

BP神經(jīng)網(wǎng)絡(luò)具有高度非線性和較強(qiáng)的泛化能力,但也存在收斂速度慢、迭代步數(shù)多、易于陷入局部極小和全局搜索能力差等缺點(diǎn).采用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值進(jìn)行優(yōu)化,首先是在解析空間找出較好的搜索空間,再用BP網(wǎng)絡(luò)在相對(duì)較小的搜索空間內(nèi)搜索最優(yōu)解,這樣就可以防止BP神經(jīng)網(wǎng)絡(luò)陷入局部極小,使得收斂的速度更加的快,迭代的步驟相對(duì)的減少(見圖7).

BP神經(jīng)網(wǎng)絡(luò)限速控制模型中,輸入變量有兩個(gè),一個(gè)是單位長(zhǎng)度上車輛數(shù)量n,另一個(gè)是行車環(huán)境綜合評(píng)價(jià)指標(biāo)值v,輸出變量為速度的限制值s,因此輸入層神經(jīng)元為2個(gè),輸出層神經(jīng)元為1個(gè).在確定了輸入輸出變量后,需要進(jìn)行尺度變換,尺度變換常常將它們變換到[-1,1]或[0,1]的范圍;采用 Matlab函數(shù) premnmx(),tramnmx()和函數(shù)postmnmx()進(jìn)行相應(yīng)的數(shù)據(jù)變換處理,隱含層的神經(jīng)元數(shù)目為10個(gè).

遺傳算法的主要參數(shù)選定為:種群n=100,遺傳交叉率Pc=0.5和變異率Pm=0.06,適應(yīng)度函數(shù)為

式中:μi為期望的控制輸出值為控制的輸出值.遺傳算法訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)權(quán)值的數(shù)據(jù)源來(lái)源于最佳速度模糊推理系統(tǒng)產(chǎn)生的300組數(shù)據(jù).

圖7 遺傳算法標(biāo)定神經(jīng)網(wǎng)絡(luò)權(quán)值

3 仿 真

應(yīng)用標(biāo)定好初始權(quán)值的BP神經(jīng)網(wǎng)絡(luò)來(lái)學(xué)習(xí)和記憶最佳行駛速度模糊推理系統(tǒng),400組數(shù)據(jù)來(lái)源于最佳行駛速度推理系統(tǒng)產(chǎn)生的新數(shù)據(jù).圖8和圖9分別是未優(yōu)化權(quán)值和優(yōu)化權(quán)值的BP神經(jīng)網(wǎng)絡(luò)誤差訓(xùn)練曲線.

圖8 未優(yōu)化權(quán)值訓(xùn)練誤差曲線

圖9 優(yōu)化權(quán)值后訓(xùn)練誤差曲線

設(shè)仿真時(shí)選定時(shí)間點(diǎn) 21個(gè),此路段最高限速為100 km/h,時(shí)間間隔為10 min,路段上的車輛數(shù)、天氣、路況和仿真輸出速度見表2所列.

表2 最佳行駛速度仿真

由仿真結(jié)果可以看出,隨著交通量、天氣狀況和路面狀況的變化,可變限速的速度值發(fā)生了相應(yīng)的變化.通過可變限速標(biāo)志,把最佳行駛速度參考值提供給駕駛員,可使車速分布相對(duì)集中,減少駕駛員駕駛強(qiáng)度,從而降低交通事故的風(fēng)險(xiǎn).

4 結(jié)束語(yǔ)

高速公路車輛的不合理的行駛速度是影響通行能力和誘發(fā)交通事故的重要原因,確定合理的最佳行駛速度具有重要的意義.本文闡述的綜合算法,充分利用與速度密切相關(guān)的天氣狀況、道路狀況與交通狀況來(lái)確定最佳行駛速度,克服了傳統(tǒng)算法的缺陷,為最佳行駛速度的確定提供了更為科學(xué)的方法,為高速公路可變限速控制提供了更合理的依據(jù),可使高速公路通行能力增加、行程時(shí)間減少,并且有效的減少事故的發(fā)生和降低駕駛員的駕駛強(qiáng)度.如何把影響行駛速度的主觀、客觀因素進(jìn)行更加詳細(xì)的分析和建模,以及可變限速對(duì)安全的影響評(píng)價(jià)是本文下一步研究的方向.

[1]裴玉龍,程國(guó)柱.高速公路車速離散性與交通事故的關(guān)系及車速管理研究[J].中國(guó)公路學(xué)報(bào),2004,17(1):74-78.

[2]Liu G.Provincial wide travel speed and traffic safety study in Saskatchewan[J].T ransportation Research Record 1595,1997:8-13.

[3]梁新榮,劉智勇,毛宗源.高速公路模糊神經(jīng)網(wǎng)絡(luò)限速控制與仿真研究[J]公路交通科技,2005,22(11):123-125.

[4]李寶家,黃小原.高速公路交通的變速限模糊控制[J].控制工程,2002,9(3):45-47.

[5]Krause B.Intelligent highway by fuzzy logic:congestion detection and traffic control on multi-lane roads with variable road signs[C]//Proceedings of the 5th IEEE International Conference on Fuzzy Systems,1996:1832-1837.

[6]雋志才,姚宏偉,朱泰英,等.高速公路可變限速系統(tǒng)的社會(huì)經(jīng)濟(jì)影響評(píng)價(jià)[J].公路交通科技,2004,21(5):104-108.