羅全恒，李佳奇

（河西學(xué)院 物理與機(jī)電工程學(xué)院，甘肅 張掖734000）

隨著我國經(jīng)濟(jì)的持續(xù)發(fā)展，城市化進(jìn)程不斷加快，機(jī)動車輛快速增加，使得交通出行量不斷增長，城市交通供給嚴(yán)重不足。在這種情況下，為了提高城市道路的通行能力，減少交叉路口對車輛的延誤，人們開始研究智能交通系統(tǒng)ITS(Intelligent Transportation System)。模糊控制是一種不需要建立被控對象精確的數(shù)學(xué)模型的一種智能控制，它是基于一種規(guī)則的控制，采用的是語言型控制規(guī)則[1-2]，因而控制規(guī)則和控制機(jī)理容易被人們理解和接納。

自從PAPPIS[3]等人將模糊邏輯[4]應(yīng)用于城市交叉路口信號控制中以來，國內(nèi)外許多學(xué)者也進(jìn)行了這方面的研究工作。盡管后續(xù)也有很多人研究了雙向車流和多相位的模糊控制系統(tǒng)，但是主要以當(dāng)前綠燈相位的車輛排隊(duì)長度和紅燈相位的車輛排隊(duì)長度為模糊控制器[5]的輸入變量，以綠燈相位的綠燈延時(shí)為模糊輸出，很少考慮車頭時(shí)距[6]這個(gè)重要參數(shù)。本文將車頭時(shí)距作為實(shí)現(xiàn)綠燈時(shí)間修正的模糊控制器輸入變量之一來提高綠信比，充分利用綠燈時(shí)間，從而提高通行能力。

1 系統(tǒng)模型

本文研究的是八車道十字路口，有機(jī)動車道和非機(jī)動車道，機(jī)動車道用到的交通數(shù)據(jù)來自各個(gè)車道的檢測器，每一車道有兩個(gè)檢測器，一個(gè)設(shè)在停車線處，稱為前端檢測器，用于檢測該車道的車輛離開數(shù)；另一個(gè)設(shè)在距停車線一定距離處，稱為后端檢測器，用于檢測車輛到達(dá)數(shù)，根據(jù)檢測算法可以得到某車道上兩檢測器之間的排隊(duì)車輛數(shù)。所需考慮的車流有東西直行、東西左行、東西右行、南北直行、南北左行和南北右行共6個(gè)相位[7-9]，交通信號控制就是決定一個(gè)周期內(nèi)的相位如何變化以及每個(gè)相位應(yīng)該分配多少時(shí)間，所以為了控制交叉口的交通信號，首先要選擇組成周期的相位。在自行車和行人流量不大的交叉口，將其合并專用相位，這時(shí)采用汽車右行和自行車分時(shí)復(fù)用一個(gè)信號相位的辦法。

2 系統(tǒng)模糊控制算法

模糊控制模擬了人腦的思維、推理、決策的過程，所以交叉口交通信號的控制就是模仿有經(jīng)驗(yàn)的交警指揮過程。根據(jù)其指揮過程，設(shè)計(jì)了系統(tǒng)模糊控制的總體規(guī)劃方案，圖1所示即為該方案算法的組成框圖。

第一級為觀測級；第二級為決策級。觀測級包括兩個(gè)模塊：紅燈相位選擇模塊和綠燈相位觀察模塊。決策級也包含兩個(gè)模塊：初級決策模塊和總決策模塊。每個(gè)模塊都是一個(gè)子模糊控制器。

算法描述如下：紅燈相位選擇模塊根據(jù)車輛檢測器檢測到的交通信息判斷出當(dāng)前綠燈方向外所有紅燈相位的交通狀況，計(jì)算各紅燈相位等待綠燈的緊迫度，并確定出對綠燈要求最為緊迫的紅燈相位作為下一個(gè)綠燈相位的候選相位和它的相位緊迫度，將它們傳送給初級決策模塊；綠燈相位觀察模塊根據(jù)車輛檢測器檢測到的交通信息判斷出當(dāng)前綠燈方向交通狀況，確定綠燈相位繁忙度,也將其傳送給初級決策模塊；初級決策模塊紅燈相位等待綠燈的緊迫度和綠燈相位的繁忙度,決定是切換相位還是延長當(dāng)前綠燈時(shí)間。如果是延長該相位綠燈時(shí)間，則將該相位綠燈的繁忙度傳送給綠燈時(shí)間修正模塊，該模塊根據(jù)繁忙度和該相位的車頭時(shí)距得出修正時(shí)間，從而得到了綠相位總的綠燈時(shí)間；如果由紅燈相位選擇模塊選出的相位緊迫度比由綠燈相位觀察模塊觀察的綠燈相位繁忙度高,則初級決策模塊立刻進(jìn)行綠燈相位的切換，這樣就不需要綠燈時(shí)間的修正。

3 模糊控制器的設(shè)計(jì)

模糊控制器的設(shè)計(jì)包括兩大部分：第一級的觀測子系統(tǒng)設(shè)計(jì)和第二級決策子系統(tǒng)的設(shè)計(jì)。

3.1 綠燈相位觀察模塊

綠燈相位觀察模塊以綠燈相位交通流數(shù)據(jù)作為輸入，以產(chǎn)生的綠燈相位繁忙度Bt作為輸出。綠燈交通流數(shù)據(jù)選擇綠燈相位剩余車輛數(shù)qg和綠燈相位經(jīng)過最小綠燈時(shí)間后的綠燈延長時(shí)間tg。

(1)數(shù)據(jù)處理與輸入輸出變量的確定

qg=max(qg1，qg2)，式中，qg1和 qg2分別為綠燈相位兩個(gè)車流停留在車道上兩檢測器之間的車輛數(shù)。

(2)模糊推理關(guān)系

3.2 決策級子系統(tǒng)設(shè)計(jì)

3.2.1 初級決策模塊

初級決策模塊的輸入是候選相位Pr、相位緊迫度Up和繁忙度Bt，輸出是決策程度 Dc。Pr是由紅燈相位選擇模塊選出的相位，Up是此相位的相位緊迫度，Bt是綠燈相位觀測模塊輸出的綠燈相位繁忙度。Dc決定是否將通行權(quán)付給候選相位Pr。

(1)模糊推理關(guān)系

(2)模糊規(guī)則的確定[10-11]與Matlab實(shí)現(xiàn)

通過總結(jié)實(shí)踐和專家經(jīng)驗(yàn)，建立了模糊控制規(guī)則，原則是：如果候選相位的緊迫度高或當(dāng)前綠燈相位的繁忙度低，那么這個(gè)模塊將停止當(dāng)前綠燈相位并給候選相位一個(gè)綠燈信號。利用Matlab工具箱中Viewsurf菜單命令可以看到模糊控制規(guī)則曲面圖。

3.2.2綠燈相位時(shí)間修正量模塊

(1)模糊輸入輸出變量

輸入變量：綠燈延長持續(xù)時(shí)間ET和車頭時(shí)距GAP，ET 和 GAP 的模糊語言是：ET={短，中等，長}，GAP={小，中等，大}。

(2)綠燈持續(xù)時(shí)間ET、車頭時(shí)距GAP以及修正時(shí)間的賦值表分別如表1～表3所示。

表1 ET的賦值表

(3)模糊規(guī)則的確定與Matlab的實(shí)現(xiàn)

模糊規(guī)則的確定依據(jù):綠燈持續(xù)時(shí)間長或車頭時(shí)距大，則修正時(shí)間就長。同樣利用Matlab工具箱中Viewsurf菜單命令可以看到模糊控制規(guī)則曲面圖。

表2 車頭時(shí)距的賦值表

表3 修正時(shí)間的賦值表

4 仿真結(jié)果及其分析

本文以張掖市盤旋路十字路口為研究對象，利用Matlab軟件進(jìn)行編程仿真，實(shí)際測量各個(gè)交叉口的交通數(shù)據(jù)，對一段時(shí)間數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，根據(jù)分析結(jié)果生成車輛數(shù)。對于六相位（i=6），每個(gè)相位有兩股車流（j=2）的典型交叉口，T時(shí)間內(nèi)交叉口的每輛車的平均延誤時(shí)間可用下式表示[12]：

式中，λ為綠信比，C為信號周期，x為相位飽和度，q為車輛到達(dá)量，y為流量比率(q/s)。仿真中采用的飽和流量 Sij全部取 2 000 veh·h-1。仿真時(shí)間按1 h計(jì)算，程序自動計(jì)算各方向的車輛到達(dá)率和平均延誤時(shí)間，從而考察采用不同控制策略時(shí)的交叉口的總體運(yùn)行效率，仿真結(jié)果如圖2所示。

圖中的*曲線表示模糊控制系統(tǒng)的控制方案仿真圖，+曲線表示基于車頭時(shí)距的模糊控制系統(tǒng)的控制方案仿真圖。經(jīng)仿真結(jié)果數(shù)據(jù)分析，在交通流低峰期，即0＜λ＜0.1時(shí)，基于車頭時(shí)距模糊控制系統(tǒng)相比沒有基于車頭時(shí)距的模糊控制系統(tǒng)平均車輛延誤減少了43.561%；在交通流中峰期，即 0.1＜λ＜0.3時(shí)，前者比后者減少了 32.658%，在交通流高峰期，即 0.3＜λ＜0.4時(shí)，前者比后者減少了11.125%。這說明了在交通流不是高峰的前提下，前者比后者控制效果要好得多，大大減少了平均車輛的延誤時(shí)間，提高了交叉口的通行能力。

利用自動化手段和技術(shù)，實(shí)現(xiàn)車輛智能、道路智能必將形成新的智能交通控制系統(tǒng)。模糊控制是一種智能控制,由于其內(nèi)部并不含有最優(yōu)控制算法，所以不能針對某一性能指標(biāo)給出最優(yōu)解。因此需要改進(jìn)模糊控制算法,提高模糊控制的精度。本文在自適應(yīng)模糊控制的基礎(chǔ)上增加了綠燈時(shí)間修正模糊算法,即基于車頭時(shí)距對綠燈時(shí)間進(jìn)行了微調(diào)，對模糊控制精度方面作了有益的嘗試。仿真結(jié)果表明,該算法易實(shí)現(xiàn)且效果好。

[1]汪培莊.模糊集合論及其應(yīng)用[M].上海：上海科技出版社，1983.

[2]馮冬青，謝宋和.模糊智能控制[M].北京：化學(xué)工業(yè)出版社，1998.

[3]PAPPIS C P，MAMDANI E H.A fuzzy logic controler for a traffic junction[J].IEEE Trans on SMC，1997，7(10)：707-717.

[4]褚靜.模糊控制原理及應(yīng)用[M].北京：機(jī)械工業(yè)出版社，2005.

[5]華寶玉，何迪.交叉口信號協(xié)調(diào)控制適用性仿真研究[J].鐵路計(jì)算機(jī)應(yīng)用，2007，16(7)：12-15.

[6]陳光勤.基于車頭時(shí)距的快速公交車輛交叉口信號優(yōu)先[J].交通與計(jì)算機(jī)，2005，23(3)：11-15.

[7]LEE J H，KWANG H L.Distributed and cooperative fuzzy controllers for traffic intersections Group[J].IEEE Transactions on System，Man and Cybernetics，1999(29)：263-271.

[8]陸化普，李瑞敏.智能交通系統(tǒng)概論[M].北京：中國鐵道出版社，2004.

[9]交通部公路科學(xué)研究所.中國智能交通系統(tǒng)體系框架研究總報(bào)告[R].北京：交通部公路科學(xué)研究院，2001.

[10]CHIU S.Adaptive traffic signal control using Fuzzy logic[C].Proceedings of the IEEE Ingelligent Vehicles Symposium.1992：98-107.

[11]OSTERGARAD J J.Fuzzy logic control of a heat exchange process[J].in Fuzzy AUtomata and Decision Processes.Amsterdam：Gupta MM.Et.Eds.NorthHolland，1997(3)：48-65.

[12]王長軍，盧靜.基于思維過程的單交叉路口多相位模糊控制算法研究[J].城市交通，2004，2(3)：14-16.