城市交叉路口分級模糊控制器設(shè)計

陸 琳，張 虹，宋美劍

（貴州財經(jīng)大學(xué)，貴州 貴陽 550004）

1 引言

經(jīng)濟社會的迅速發(fā)展給城市交通帶來了巨大壓力，常用的擴大交通基礎(chǔ)設(shè)施建設(shè)的做法因受制于政府財政約束，作用空間已不大，在現(xiàn)有城市硬件設(shè)施的基礎(chǔ)上，利用現(xiàn)代信息技術(shù)開發(fā)城市智能交通管理和控制系統(tǒng)對解決目前日益緊張的城市交通問題就顯得尤為必要了。Chiu[1]設(shè)計了一個雙輸入雙輸出的模糊決策系統(tǒng)用于多交叉口交通網(wǎng)絡(luò)；劉智勇[2]提出一種遞階模糊神經(jīng)網(wǎng)絡(luò)交通控制方法，采用控制子系統(tǒng)和協(xié)調(diào)層以提高控制精度?，F(xiàn)有文獻所構(gòu)建模型主要是采用結(jié)構(gòu)參數(shù)固定的模糊控制系統(tǒng)，對于復(fù)雜環(huán)境下的城市交通控制問題，不確定因素和子系統(tǒng)間的相互藕合作用增多，結(jié)構(gòu)參數(shù)固定的模糊控制系統(tǒng)顯然無法處理此類問題。針對這一問題，本文提出了一種新的分級模糊控制器，用于交叉路口交通流的控制與優(yōu)化。

2 分級模糊控制器設(shè)計及應(yīng)用

2.1 分級模糊控制器結(jié)構(gòu)

分級模糊控制器的效能在于有效減少規(guī)則數(shù)，易于提取模糊規(guī)則?；谶@一思想，設(shè)計分級模糊控制器如圖1所示。

在圖1中，綠燈增益模塊和紅燈損失模塊（第一級模塊）分別根據(jù)各車道上安裝的信號檢測器檢測該車道的交通信息情況，并通過該信息來判斷當前該模塊交通流方向的交通擁堵狀況，確定綠燈增益模塊繁忙度和紅燈損失模塊的緊急度，并且兩模塊同時將確定結(jié)果傳輸給判決模塊（第二集模塊），再由判決模塊比較兩模塊的的繁忙度和緊急度，決定當前綠燈是否調(diào)整跳轉(zhuǎn)。綠燈增益模塊的輸入量采用當前綠燈相位信號燈轉(zhuǎn)換的瞬間為起點開始計時，記錄下在規(guī)定時間內(nèi)通過該車道的車輛數(shù)作為變量X的論域，t=10S。紅燈損失模塊的輸入量是采用當前紅燈相位的上游車道檢測器所檢測到的排隊等待通行的車輛數(shù)和紅燈持續(xù)累計時間作為變量Y的論域。綠燈增益模塊的輸出為綠燈繁忙度，紅燈損失模塊的輸出為紅燈緊急度。第二級的判決模塊根據(jù)第一級兩個模塊輸出量的信息，在經(jīng)過一系列的模糊推理運算后，將所得的結(jié)果做出判斷對比，從而決定綠燈是否調(diào)整跳轉(zhuǎn)，做出相應(yīng)的模糊決策，并把該決策模糊化為一個實數(shù)值輸出，其范圍取(0～1)。當被反模糊化后的這個實數(shù)值超過某個特定值時，綠燈調(diào)整跳轉(zhuǎn)，否則綠燈保持不變。

2.2 模糊規(guī)則的設(shè)計與提取

（1）在綠燈增益模塊中，為了實現(xiàn)模糊控制將離開車輛數(shù)模糊化，需要將綠燈時間分為A,B兩部分：A部分主要采集交叉路口當前相位上車輛狀態(tài)參數(shù)，采集時間為10s；B部分是對模糊決策的延時，判斷依據(jù)為當前兩個方向車流量的變化量。同時保證車輛的行車速度不超過25km/h，則在10s內(nèi)通過該路口的車輛數(shù)大約為10輛，計時起點均以當前綠燈相位的信號燈轉(zhuǎn)換的瞬間為準，變量X的論域為10s內(nèi)通過的車輛數(shù)，取(1-10)，并將其分為五個模糊子集:很少、少、中等、多、很多，其從屬函數(shù)如圖2所示。

（2）在紅燈損失模塊中，因為影響輸入量Y的變化論域為到達車輛數(shù)的車隊排隊長度。以貴陽市某些路段的交叉路口在不同時段車流量的實測數(shù)據(jù)為依據(jù)分析，本系統(tǒng)的檢測距離為100m左右。通常情況下，車輛間距與車輛本身的長度平均為5m左右，所以輸入量Y的變化論域為(0-20)。并將其分為五個模糊子集: 很多、多、中等、少、很少，其從屬函數(shù)如圖3所示。

（3）本系統(tǒng)以不同相位間交通信號燈的轉(zhuǎn)化作為系統(tǒng)的輸出量。且各個相位間的關(guān)系都在于對當前綠燈的延時。貴陽市某些路段的交叉路口在不同時段車流量的實測數(shù)據(jù)為依據(jù)分析，本系統(tǒng)對直行取30s，左行取10s，則該相位綠燈延時的論域分別為(0-30)和(0-10)，并將其分為5個模糊子集：很長、長、適中、短、很短，其從屬函數(shù)如圖4所示。

（4）本系統(tǒng)采用矩陣方式對模糊控制規(guī)則進行設(shè)計，并根據(jù)現(xiàn)有相關(guān)知識和交警的實際操作來確定本系統(tǒng)的模糊規(guī)則。其具體控制規(guī)則見表1。

在表1中，當綠燈增益模塊和紅燈損失模塊方向間的車流狀態(tài)處于互補時，本系統(tǒng)對綠燈的延時均取“適中”，其目的是為了保證兩個模塊在車流量相差不多的情況下，盡可能快速地均衡疏散當前的車流。表1中共包含了如下多條條件語句：

規(guī)則1：X=很少，且Y=很少，則t2=很短；

規(guī)則2：X=很少，且Y=很少，則t2=很短；

規(guī)則3：X=很少，且Y=中等，則t2=很短；

規(guī)則4：X=很少，且Y=多，則t2=很短；

規(guī)則5：X=很少，且Y=多，則t2=很短；

規(guī)則6：X=少，且Y=很少，則t2=很短；

規(guī)則7：X=少，且Y=少，則t2=很短；

規(guī)則8：X=少，且Y=中等，則t2=短；

規(guī)則9：X=少，且Y=多，則t2=適中；

規(guī)則10：X=少，且Y=很多，則t2=長；

規(guī)則11：X=中等，且Y=很少，則t2=很短；

規(guī)則12：X=中等，且Y=少，則t2=短；

規(guī)則13：X=中等，且Y=中等，則t2=適中；

規(guī)則14：X=中等，且Y=多，則t2=長；

規(guī)則15：X=中等，且Y=很多，則t2=很長；

規(guī)則16：X=多，且Y=很少，則t2=短；

規(guī)則17：X=多，且Y=少，則t2=適中；

規(guī)則18：X=多，且Y=中等，則t2=長；

規(guī)則19：X=多，且Y=多，則t2=很長；

規(guī)則20：X=多，且Y=很多，則t2=很長；

規(guī)則21：X=很多，且Y=很少，則t2=適中；

規(guī)則22：X=很多，且Y=少，則t2=長；

規(guī)則23：X=很多，且Y=中等，則t2=很長；

規(guī)則24：X=很多，且Y=多，則t2=很長；

規(guī)則25：X=很多，且Y=多，則t2=很長。

運用模糊推理算法對結(jié)果進行還原計算，然后再輸出精確量。

2.3 模糊隸屬度函數(shù)調(diào)整方法

分級模糊控制器對較多的輸入?yún)?shù)進行了分塊分級處理，但仍然包含了較多的隸屬度函數(shù)，若憑經(jīng)驗知識選取隸屬函數(shù)，帶有較大的主觀性，并且，固定系統(tǒng)參數(shù)模糊控制器在應(yīng)對大幅度波動交通流狀況時，控制效果較差。根據(jù)交通的實際狀況對模糊控制器隸屬度函數(shù)進行自適應(yīng)調(diào)整，并且利用智能優(yōu)化算法調(diào)整分級模糊控制器的隸屬度函數(shù)，可以改善控制系統(tǒng)的效果。源于遺傳算法（GA）的分布估計算法（EDAs）是一種新的智能優(yōu)化算法，其原理是采用群體中先進的個體，即適應(yīng)度較高個體，然后統(tǒng)計其概率分布作為進化模型產(chǎn)生下一代子群，更能反映變量間的相互關(guān)系，準確度也更高。本文提出的分級模糊控制器運作采取如下步驟：（1）初始化隸屬度函數(shù)，進行模糊控制；（2）統(tǒng)計交叉路口交通參數(shù)，計入歷史數(shù)據(jù)庫中；（3）交通流模擬器根據(jù)歷史數(shù)據(jù)庫交通參數(shù)模擬交通流，運用EDAs優(yōu)化交通流模擬器，找出適合于當前交通流的模糊隸屬度函數(shù)，將其送入模糊控制器加以更新。

2.4 仿真實驗

以貴陽市中山路實測數(shù)據(jù)為依據(jù)，該交叉口為3*3，12條交通路段的十字路口。根據(jù)實測，車輛的平均時速為35km/h，車輛直行的統(tǒng)計概率為0.65，左轉(zhuǎn)為0.2，右轉(zhuǎn)為0.15。EDAs算法設(shè)置如下：N=2 000，Se=600。根據(jù)路段的實地調(diào)查，定時控制器平均通行車輛的平均等待時間為5.52s/輛，而采用分級模糊控制器通行車輛的平均等待時間縮短為4.67s/輛，優(yōu)化達15.4%,顯示該分級模糊控制器能提高道路的使用效率，效果較好。

3 結(jié)束語

本文針對當前交叉口信號燈管理的現(xiàn)狀提出一種新的分級模糊控制器，通過設(shè)定模糊規(guī)則及提取方法，降低了規(guī)則數(shù)目，并運用EDAs算法根據(jù)不同的交通情況自適應(yīng)地調(diào)整控制器隸屬度函數(shù)，從而使分級模糊控制器取得更好的交通控制效果。

[1]SChiu,SCh and.Adaptive traffic signal using fuzzy logic[J].International Conference on Fuzzy System,1993,(2):1371-1376.

[2]劉志勇,等.城市交通大系統(tǒng)遞階模糊神經(jīng)網(wǎng)絡(luò)控制[J].信息與控制,1997,26(6):441-447.