時(shí)柏營(yíng) 楊宇雷 程遠(yuǎn) 崔博偉 丁東玥

摘 要：文章針對(duì)當(dāng)前交叉口控制策略存在的時(shí)效性差等問題，提出了一種基于模糊控制的過飽和交叉口信號(hào)配時(shí)優(yōu)化策略。通過對(duì)擁堵交叉口的調(diào)查，結(jié)合模糊控制理論，設(shè)計(jì)了一種緩解擁堵的策略，主要通過增加綠燈延長(zhǎng)時(shí)間來優(yōu)化信號(hào)配時(shí)。為驗(yàn)證該方案的可行性，利用仿真軟件對(duì)擁堵交叉口信號(hào)配時(shí)方案進(jìn)行了仿真模擬，并考慮將一條直行車道變?yōu)榭勺冘嚨赖那闆r。同時(shí)，利用Matlab對(duì)運(yùn)用了模糊控制的交叉口信號(hào)方案進(jìn)行了模擬，并進(jìn)行了兩者的對(duì)比分析。通過仿真模擬，驗(yàn)證了所提出的緩解擁堵策略在減緩交通擁堵方面的有效性。

關(guān)鍵詞：交叉口控制；模糊控制；綠燈延長(zhǎng)時(shí)間；Matlab；仿真模擬

中圖分類號(hào)：F253；U121文獻(xiàn)標(biāo)志碼：ADOI：10.13714/j.cnki.1002-3100.2024.10.009

Abstract： This article proposes a signal timing optimization strategy for oversaturated intersections based on fuzzy control to address the issues of poor timeliness in current intersection control strategies. By investigating congested intersections and combining fuzzy control theory， a congestion alleviation strategy was designed， mainly by increasing the green light extension time to optimize signal timing. To verify the feasibility of this scheme， simulation software was used to simulate the signal timing scheme at congested intersections， and the situation of changing a straight lane into a variable lane was considered. At the same time， Matlab was used to simulate the intersection signal scheme using fuzzy control， and a comparative analysis was conducted between the two. Through simulation， the effectiveness of the proposed congestion alleviation strategy in alleviating traffic congestion was verified.

Key words： intersection control; fuzzy control; green light extension time; Matlab; simulation

0? ? 引? ? 言

在城市化進(jìn)程不斷加速的今天，交通擁堵、交通事故和車輛排放已經(jīng)成為城市面臨的嚴(yán)重挑戰(zhàn)之一。而制定有效的信號(hào)燈控制策略，具有顯著改進(jìn)交通安全和通行效率的潛力。指定有效的控制策略有望有效減少道路交叉口內(nèi)車輛、行人和非機(jī)動(dòng)車之間的沖突，可以降低潛在的交通事故風(fēng)險(xiǎn)，并提高交叉口的通行效率[1]。在應(yīng)對(duì)復(fù)雜的道路網(wǎng)絡(luò)時(shí)，加上交叉口車輛具有到達(dá)的隨機(jī)性等特點(diǎn)，傳統(tǒng)信號(hào)控制方式表現(xiàn)出不適應(yīng)性的缺點(diǎn)，因此已經(jīng)無法滿足現(xiàn)在的交通需求。然而，當(dāng)前的研究多是以實(shí)時(shí)監(jiān)控為基礎(chǔ)，缺少對(duì)歷史數(shù)據(jù)的有效利用，從而也在某種程度上造成了自適應(yīng)信號(hào)控制的滯后[2]。

然而，隨著技術(shù)的不斷進(jìn)步，傳統(tǒng)交通管理正逐漸向著智能交通的方向演進(jìn)。現(xiàn)在，我們可以借助道路上的智能檢測(cè)機(jī)器獲得更為精確的車輛信息，例如車輛通過交叉口的到達(dá)率和離開交叉口的行駛方向等[3-4]。而傳統(tǒng)信號(hào)控制方法，主要依賴于人工計(jì)數(shù)或線圈檢測(cè)以獲取車輛速度、流量等交通參數(shù)[5]，難以對(duì)不同交通參與者進(jìn)行細(xì)致的區(qū)分。

由于模糊控制理論無需借助現(xiàn)有的量化模型，就能脫離精確的數(shù)學(xué)模型從而對(duì)模型中的研究對(duì)象進(jìn)行控制，因此非常適用于城市交通信號(hào)的控制[6]。而模糊控制因?yàn)橐蕾囉趯＜医?jīng)驗(yàn)，在處理復(fù)雜的非線性控制對(duì)象方面具有優(yōu)勢(shì)。所以，國(guó)內(nèi)的許多學(xué)者也開始采用模糊控制方法對(duì)交通信號(hào)控制系統(tǒng)進(jìn)行優(yōu)化，來提升交通系統(tǒng)的通行效率[7]。李鑫瑞針對(duì)有主次干道之分的干線多個(gè)連續(xù)交叉口，通過模糊控制理論協(xié)調(diào)各路口信號(hào)周期、綠信比和相位差三個(gè)控制參數(shù)完成對(duì)干線交叉口信號(hào)的配時(shí)優(yōu)化。該實(shí)例仿真表明在李鑫瑞設(shè)計(jì)的組合協(xié)調(diào)模糊控制方法下的車輛平均延誤較低于干線普通模糊控制方式，控制效果有所提高[8]。王敏[9]對(duì)城市主干道過飽和的交叉口提出一種基于模糊控制的交叉口交通信號(hào)控制方法，來緩解交通過飽和狀況。王敏設(shè)計(jì)了綠燈需求度模糊控制器，來動(dòng)態(tài)地控制交叉口信號(hào)相位的相序；在此基礎(chǔ)上，考慮將下一次相位的需求度作為輸入，設(shè)計(jì)了綠燈延時(shí)模糊控制器，用于確定當(dāng)前相位綠燈的延長(zhǎng)時(shí)間。曹潔等[10]將神經(jīng)網(wǎng)絡(luò)與模糊控制進(jìn)行結(jié)合。利用神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)的能力，通過訓(xùn)練來學(xué)習(xí)給定的經(jīng)驗(yàn)，并生成模糊控制規(guī)則，而模糊控制則用來生成信號(hào)配時(shí)的時(shí)間。

1? ? 交叉口現(xiàn)狀

本文以濟(jì)南市歷城區(qū)世紀(jì)大道與龍鳳山路交叉口作為研究對(duì)象，來探討交叉口信號(hào)燈運(yùn)用模糊控制的結(jié)果。

1.1? ? 交叉口車道布置及其相位

圖1為該交叉口的交通流向圖。本文研究的單交叉路口采用典型的四相位控制，每個(gè)進(jìn)口道均有左轉(zhuǎn)、直行和右轉(zhuǎn)車道并且人行道和右轉(zhuǎn)車道之間有綠化帶進(jìn)行分隔。在實(shí)際交通中一般右行車輛只與過馬路行人發(fā)生沖突而不與其他方向的車流沖突。

為了確保交叉路口的機(jī)動(dòng)車交通順暢，本文所研究的交叉口采用了一種四相位控制方案，如圖2所示。這四個(gè)相位分別代表道路上正在通行的車輛，而交通信號(hào)燈也按照這四個(gè)相位的順序進(jìn)行切換。在不同相位的信號(hào)燈進(jìn)行切換時(shí)，黃燈會(huì)閃爍以提醒駕駛員進(jìn)行紅綠燈的相位切換。在這個(gè)信號(hào)燈組中，右行車道的控制暫時(shí)不予考慮。

1.2? ? 交叉口存在的問題

交叉口西進(jìn)口左轉(zhuǎn)車輛較多，在高峰期間會(huì)造成較長(zhǎng)的車輛排隊(duì)現(xiàn)象，同時(shí)東西進(jìn)口方向直行車輛較少。在高峰期間，會(huì)造成交叉口東西方向直行時(shí)間的浪費(fèi)。

應(yīng)用智能控制算法來管理單交叉口信號(hào)燈配時(shí)和相位順序，實(shí)際上是為了確定最佳的信號(hào)燈配時(shí)周期，以最小化整個(gè)路口的通行延誤時(shí)間，優(yōu)化交通流的控制，以提高道路通行效率，減少交通擁堵，以及提升通行者的出行體驗(yàn)。在本文中，我們將研究和分析智能控制算法如何用于優(yōu)化單交叉口的信號(hào)燈控制，以實(shí)現(xiàn)上述目標(biāo)。

2? ? 模糊控制系統(tǒng)的設(shè)計(jì)

模糊控制的本質(zhì)是對(duì)人進(jìn)行決策的一種模擬，它把人的思維與決策過程和模糊推理相結(jié)合，把人類的體驗(yàn)作為一個(gè)知識(shí)庫(kù)，并把這種體驗(yàn)通過數(shù)字形式傳送到電腦中，從而實(shí)現(xiàn)計(jì)算機(jī)程序代替人類的思維進(jìn)行模擬運(yùn)算。在此模擬基礎(chǔ)上，有人提出了一種新的控制方法，并在此基礎(chǔ)上實(shí)現(xiàn)了對(duì)控制量的準(zhǔn)確計(jì)算[2]。這種控制方法的目的就是讓計(jì)算機(jī)在不確定的情況下，對(duì)其進(jìn)行智能化的判斷與控制，這與人基于經(jīng)驗(yàn)或模糊信息進(jìn)行判斷的過程十分相似。模糊控制器的基本結(jié)構(gòu)如圖3所示。

2.1? ? 模糊控制相位選擇規(guī)則

如圖2所示，本文研究的交叉口共有四個(gè)相位，在進(jìn)行模糊控制時(shí)，相位選擇方案[6]如下。

a.將四個(gè)相位分別命名為qa，qb，qc，qd。

b.如果當(dāng)前相位狀態(tài)為qa，則對(duì)比剩余三個(gè)相位狀態(tài)，如果qb為VB的狀態(tài)，那么將相位由qa變?yōu)閝b。

c.如果qb不是VB狀態(tài)，跳過qb再選擇qc，qd中的一個(gè)變?yōu)閂B狀態(tài)，并且作為下一個(gè)選擇相位。

d.如果剩余三個(gè)相位都不是VB狀態(tài)，那么選取車流量作為決定因素，車流量最大的相位下，將該相位作為下一相位。

e.如果剩余三個(gè)相位中，有兩個(gè)車流量大的相位并且狀態(tài)一樣，那么根據(jù)之前的命名方式，由qb＞qc＞qd的關(guān)系來決定。

f.當(dāng)qa后的相位選擇好之后，再對(duì)剩余的兩個(gè)相位進(jìn)行對(duì)比。規(guī)則如之前所示。

g.當(dāng)?shù)谌齻€(gè)相位選擇好之后，這一輪相位選擇決定了這一輪相位順序，為一個(gè)循環(huán)。通行完這一循環(huán)的最后一個(gè)相位，進(jìn)入新一輪的相位選擇循環(huán)中。

2.2? ? 模糊控制下的交通信號(hào)時(shí)間控制算法

本文運(yùn)用模糊控制研究的交叉口相位綠燈延長(zhǎng)時(shí)間的具體步驟如下[7]。

基本參數(shù)：gmin表示該相位原本綠燈時(shí)間；gmax表示該相位允許的最長(zhǎng)綠燈時(shí)間；gd表示當(dāng)前相位已延續(xù)綠燈時(shí)間；gy表示黃燈時(shí)間。

a.先不對(duì)交叉口信號(hào)時(shí)長(zhǎng)進(jìn)行任何改變，該相位按照原本的綠燈時(shí)間gmin進(jìn)行通行。

b.在當(dāng)前相位的綠燈時(shí)間結(jié)束前，通過路段上設(shè)置的檢測(cè)器將當(dāng)前相位剩余綠燈時(shí)間和當(dāng)前相位中的車輛排隊(duì)信息、到達(dá)率等輸入到模糊控制中的觀測(cè)模塊。

c.將b.道路觀測(cè)器中觀測(cè)到的剩余綠燈時(shí)間和排隊(duì)信息輸入到Matlab中的模糊控制決策模塊，并經(jīng)過相關(guān)推理得到當(dāng)前相位的交通強(qiáng)度，并根據(jù)所得到的交通強(qiáng)度進(jìn)一步推理出綠燈延長(zhǎng)時(shí)間。推理后有：如果延長(zhǎng)時(shí)間大于等于10s，并且延長(zhǎng)時(shí)間加上gd小于gmax，則給當(dāng)前相位以之前決策模塊推理出的延長(zhǎng)時(shí)間，并且回到b.；如果延長(zhǎng)時(shí)間大于等于10s，并且延長(zhǎng)時(shí)間加上gd大于等于gmax，則到d.；如果延長(zhǎng)時(shí)間小于10s，則到e.。

d.得到綠燈延長(zhǎng)時(shí)間后，進(jìn)入到下一相位，進(jìn)行e.。

e.經(jīng)過gy后，進(jìn)入到下一綠燈相位，回到a.。（將綠燈延長(zhǎng)時(shí)間的閾值設(shè)為10s的原因是：實(shí)驗(yàn)中發(fā)現(xiàn)短于10s的綠燈延長(zhǎng)會(huì)造成車輛無法及時(shí)通過交叉口進(jìn)而對(duì)交叉口下一相位的車輛造成影響）

2.3? ? 輸入、輸出模塊

輸入模塊是輸入當(dāng)前交叉口所觀測(cè)到的交通量e1，和根據(jù)觀測(cè)到的交通量計(jì)算當(dāng)前相位剩余的綠燈時(shí)間e2和預(yù)測(cè)下一綠燈相位的交通流強(qiáng)度。

輸出模塊是輸出綠燈延長(zhǎng)時(shí)間et。

輸入模塊交通量e1的論域設(shè)置為[0，20]，將輸入e1論域劃分為五個(gè)模糊子集，用文字表述為[很少，少，中等，多，非常多]，用字母簡(jiǎn)單的表述為[VS，S，M，L，VL]；當(dāng)前相位綠燈剩余時(shí)間e2的論域設(shè)置為[0，20]，將輸入e2論域劃分為五個(gè)模糊子集，用文字表述為[很短，短，中等，長(zhǎng)，非常長(zhǎng)]，用字母簡(jiǎn)單的表述為[VS，S，M，L，VL]。詳見圖4。

輸出模塊綠燈延長(zhǎng)時(shí)間et的論域設(shè)置為[0，20]，將輸出et論域劃分為五個(gè)模糊子集，用文字表述為[很短，短，中等，長(zhǎng)，非常長(zhǎng)]，用字母簡(jiǎn)單的表述為[VS，S，M，L，VL]。詳見圖5。

隸屬度函數(shù)選取三角形的原因是：三角形的隸屬度函數(shù)具有計(jì)算復(fù)雜度低，參數(shù)靈活易于調(diào)整等優(yōu)點(diǎn)。

2.4? ? 決策模塊模糊規(guī)則的設(shè)置

按照經(jīng)驗(yàn)總結(jié)出來的輸入輸出變量的模糊子集一對(duì)一劃分，共有25條對(duì)應(yīng)規(guī)則，如表1所示，綠燈延時(shí)補(bǔ)償用字母簡(jiǎn)單表述為[VS，S，M，L，VL]，用文字表述為[很短，短，中等，長(zhǎng)，很長(zhǎng)]。

2.5? ? 模糊推理及解模糊

模糊推理是基于輸入模型中的模糊量e1，e2，并且通過表1中規(guī)定的模糊規(guī)則進(jìn)行控制，以解決模糊關(guān)系方程的問題。在本文所設(shè)計(jì)的模糊控制系統(tǒng)中，在進(jìn)行解模糊的過程中本文采用的方法是乘積推理法和重心法。

乘積推理法是指基于輸入模糊量e1，e2的模糊規(guī)則進(jìn)行推理，使用模糊集合之間的乘積運(yùn)算來獲得推理結(jié)果。而重心法則用于解模糊化，通過計(jì)算模糊集合的重心或平均值，將模糊輸出轉(zhuǎn)換為精確的控制量。重心法是首先求解模糊集合隸屬度函數(shù)曲線與橫坐標(biāo)軸所圍成的面積，然后算出面積的中心，詳見圖6。選這個(gè)中心對(duì)應(yīng)的橫坐標(biāo)值作為集合的代表值的方法。在本文中，我們的模糊控制系統(tǒng)采用了這些方法來實(shí)現(xiàn)模糊推理和解模糊化的過程。

具體計(jì)算方法[7]如下所示。

公式中：u*為決策結(jié)果的精確輸出量；ui為所觸發(fā)的第i條模糊規(guī)則的后件隸屬度函數(shù)的中心值；μi為被觸發(fā)的第i條規(guī)則的所有輸入變量的隸屬度的乘積；I為所觸發(fā)的模糊規(guī)則數(shù)。

3? ? 仿真運(yùn)行及結(jié)果研究

3.1? ? 仿真軟件

Sumo是一款自由開源的微觀多模式交通仿真軟件包，為交通領(lǐng)域的研究和開發(fā)提供了關(guān)鍵工具。該軟件允許用戶通過其官方提供的Python接口進(jìn)行二次開發(fā)，以滿足特定需求。在此本文建立了潮汐車道，只在高峰時(shí)段為了緩解交通擁堵而設(shè)立的一條左轉(zhuǎn)可變車道。將原交叉口的西進(jìn)口直行車道中的一個(gè)換成了左轉(zhuǎn)的潮汐車道以應(yīng)對(duì)左轉(zhuǎn)擁堵的情況。得到只運(yùn)用潮汐車道的仿真結(jié)果，并進(jìn)行仿真結(jié)果的對(duì)比。

Sumo軟件的功能涵蓋了多個(gè)仿真應(yīng)用領(lǐng)域。然而，在其目前的版本中，Sumo軟件在進(jìn)行交通路網(wǎng)仿真時(shí)，交通信號(hào)燈的配時(shí)仍然采用了靜態(tài)的時(shí)間表控制方式，包括固定程序定時(shí)控制和多時(shí)段控制，這限制了其實(shí)現(xiàn)動(dòng)態(tài)的交叉口信號(hào)燈配時(shí)策略的能力。

3.2? ? 建立模糊控制仿真交叉口模型

為了驗(yàn)證模糊控制的交通信號(hào)配時(shí)方案的有效性，筆者選擇了濟(jì)南市道路在交通高峰時(shí)段的數(shù)據(jù)作為研究對(duì)象。在相同的道路條件下，筆者進(jìn)行了一周的連續(xù)觀察，獲得了高峰時(shí)段的平均車輛數(shù)量。隨后，筆者運(yùn)用Matlab-Simulink進(jìn)行了模型建立和仿真，模擬了上述的模糊控制配時(shí)方案。在仿真中，筆者對(duì)比了使用模糊控制配時(shí)方案和目前交叉口采用的固定定時(shí)信號(hào)控制方案的仿真結(jié)果。筆者以平均車輛延誤、排隊(duì)長(zhǎng)度以及停車次數(shù)等指標(biāo)作為評(píng)價(jià)標(biāo)準(zhǔn)，比較了這兩種不同配時(shí)方案的仿真結(jié)果，以評(píng)估它們?cè)谛盘?hào)配時(shí)控制方面的效果。這一研究方法的目的是通過仿真和數(shù)據(jù)對(duì)比，來確定模糊控制信號(hào)配時(shí)方案是否能夠在濟(jì)南市的交通高峰時(shí)段內(nèi)取得更好的交通流控制效果。

3.3? ? 仿真參數(shù)

仿真中車輛交叉口設(shè)置為從東、西、南、北4個(gè)進(jìn)口道進(jìn)入路網(wǎng)，并且右轉(zhuǎn)車流與人行道之間有綠化帶進(jìn)行分割，4個(gè)進(jìn)口道都設(shè)有左轉(zhuǎn)、直行、右轉(zhuǎn)車道。本文研究的交叉口原有的定時(shí)控制方案為四相位，高峰時(shí)段的定時(shí)控制方案周期時(shí)長(zhǎng)為198s，其中東西方向基礎(chǔ)相位綠燈時(shí)間為81s，35s；南北方向基礎(chǔ)相位綠燈時(shí)間為35s，33s，黃燈時(shí)間均為3s。設(shè)置仿真時(shí)長(zhǎng)為2 400s。

3.4? ? 性能評(píng)價(jià)指標(biāo)

用于評(píng)價(jià)控制器性能的指標(biāo)來自仿真軟件中的輸出文件。該輸出文件記錄了仿真過程中車輛、紅綠燈以及所有實(shí)驗(yàn)中涉及到的需求元素的狀態(tài)信息。在這些信息中，本文選取了平均延誤時(shí)間、平均停車次數(shù)、平均排隊(duì)長(zhǎng)度作為控制性能評(píng)價(jià)指標(biāo)。

3.5? ? 仿真結(jié)果及分析

由圖7可以看出在該交叉口應(yīng)用了模糊控制方案后，可以有效減小上述評(píng)價(jià)指標(biāo)的值，并且對(duì)交叉口的優(yōu)化效果比運(yùn)用可變車道的效果要明顯。在運(yùn)用了模糊控制之后可以有效地降低車輛的停車次數(shù)，這表明可以有效減少車輛的二次停車情況。這是通過預(yù)測(cè)車輛到達(dá)交叉口的時(shí)間，并相應(yīng)地調(diào)整綠燈延長(zhǎng)時(shí)間來實(shí)現(xiàn)的。

根據(jù)預(yù)測(cè)結(jié)果，可以合理地安排綠燈延長(zhǎng)時(shí)間，使本次信號(hào)循環(huán)中的等待車輛可以不用等到下一循環(huán)通過，從而減少了車輛通過該交叉口的延誤時(shí)間和排隊(duì)長(zhǎng)度。這種策略能夠有效提高交通流暢性，降低車輛的延誤，并對(duì)交通擁堵問題做出積極的貢獻(xiàn)。

4? ? 結(jié)? ? 論

本研究的結(jié)果表明，采用本文提出的方法可以有效地減少車輛通過交叉口的延誤時(shí)間，并減少車輛的二次停車情況。這是通過預(yù)測(cè)車輛到達(dá)交叉口的時(shí)間，并相應(yīng)地調(diào)整綠燈延長(zhǎng)時(shí)間來實(shí)現(xiàn)的。并且根據(jù)預(yù)測(cè)結(jié)果，可以合理地安排綠燈延長(zhǎng)時(shí)間，使本應(yīng)等待下一周期通行的車輛得以在當(dāng)前周期通過，從而縮短車輛的排隊(duì)長(zhǎng)度。這種策略能夠有效提高交通流暢性，降低車輛的延誤，并對(duì)交通擁堵問題做出積極的貢獻(xiàn)。

然而，由于研究對(duì)象的復(fù)雜性，仍然存在一些限制和問題需要解決。首先，在本研究中未設(shè)計(jì)車輛信息采集系統(tǒng)，這導(dǎo)致模擬車輛數(shù)據(jù)與實(shí)際道路上的車輛狀態(tài)存在一定差異。為了更準(zhǔn)確地反映實(shí)際交通狀況，未來的研究可以考慮引入先進(jìn)的車輛信息采集技術(shù)。另外，本文主要側(cè)重于城市道路信號(hào)交叉口的單點(diǎn)控制問題。為了更全面地緩解城市交通擁堵，進(jìn)一步的研究可以將本文所提出的控制方法推廣到干線和區(qū)域的交通控制。這將為實(shí)現(xiàn)更大范圍的交通流優(yōu)化提供有益的參考和指導(dǎo)。本研究的方法在緩解交通擁堵方面取得了顯著效果，但仍然存在改進(jìn)的空間和可以拓展的研究方向。通過進(jìn)一步改進(jìn)車輛信息采集系統(tǒng)并擴(kuò)大研究范圍，我們可以進(jìn)一步提高交通系統(tǒng)的效率和可持續(xù)性。

參考文獻(xiàn)：

[1] LEITNER D，MELEBY P，MIAO Lei．Recent advances in traffic signal performance evaluation[J]．Journal of Traffic and

Transportation Engineering （English Edition），2022，9（4）：507-531．

[2] 郭宇婷，田宗忠，蔡宏洲．復(fù)雜交通流條件下自適應(yīng)信號(hào)控制系統(tǒng)協(xié)調(diào)優(yōu)化方法的研究[J]．公路，2020，65（8）：255-263．

[3] CHEN Qi，WANG Wei，WU Fangyu，et al．A survey on an emerging area： Deep learning for smart city data[J]． IEEE? ?Transactions on Emerging Topics in Computational Intelligence，2019，3（5）：392-410．

[4] XING Jiping，WU Wei，CHENG Qixiu，et al．Traffic state estimation of urban road networks by multi-source data fusion： Review and new? insights[J/OL].Physica A： Statistical Mechanics and its Applications，2022：127079.[2023-10-02].https：//api.semanticscholar.org/CorpusID：247123472.

[5] 雒冰．單點(diǎn)信號(hào)交叉口智能控制的優(yōu)化模型和方法研究[D]．北京：北京交通大學(xué)，2018．

[6] 鄧麗云，賀為婷．單交叉口交通信號(hào)燈的模糊控制方法研究[J]．國(guó)外電子測(cè)量技術(shù)，2018，37（4）：83-86．

[7] 劉佳佳．基于模糊邏輯和強(qiáng)化學(xué)習(xí)的交通信號(hào)優(yōu)化方法設(shè)計(jì)與實(shí)現(xiàn)[D]．北京：北京郵電大學(xué)，2022．

[8] 李鑫瑞．基于模糊控制的交通信號(hào)配時(shí)優(yōu)化[D]．西安：西安科技大學(xué)，2017．

[9] 王敏．城市主干道過飽和交叉口交通信號(hào)控制方法研究[D]．西安：長(zhǎng)安大學(xué)，2016．

[10] 曹潔，李振宸，任冰．基于神經(jīng)網(wǎng)絡(luò)模糊控制的單交叉口信號(hào)控制[J]．蘭州理工大學(xué)學(xué)報(bào)，2010，36（1）：86-90．

[11] 黃文杰．單個(gè)交叉口信號(hào)配時(shí)的模糊控制[J]．交通科技，2009（S1）：89-91．