基于智能计算的干线多路口交通信号控制.doc

第22卷第2期 济南大学学报(自然科学版) V01．22 No．2 2008年4月 JOURNAL 0F UNIVERSITY OF JINAN(Sci．Tech．) Apr．2008 文章编号：1671— 3559(2008)02— 0137一08 基于智能计算的干线多路口交通信号控制 盖。斐1，赵建玉1，贾磊2 (1．济南大学控制科学与工程学院，山东济南250022；2．山东大学控制科学与工程学院，山东济南25500i) 摘要：评述基于递阶模糊神经网络、高阶广义神经网络及 如模糊控制、神经网络和遗传算法都对传统的交通 模糊控制、遗传算法和模拟退火算法等几种当前主要的基于 信号配时方法做了改进，取得了一定的效果。 智能计算的干线多路口交通信号控制方法的优缺点，分析得 出将智能计算方法有效结合可有效改善控制的结论，提出该 1智能计算与干线控制 领域的研究将向混合智能计算以及与相关学科结合发展的 1．1智能计算 趋势。 关键词：多路口；交通信号控制；智能计算 智能计算(Intelligent Computing)又称为软计算 (Soft Computing)，是信息技术、神经信息学、生物信 中图分类号：U491．112 文献标识码：A 息学及化学信息等学科发展的核心和基础。它的概 念最早是由模糊理论的创始人，伯克利大学教授L 智能交通系统? (Intelligent Transport System， Zadeh提出来的[3J。所谓的智能计算方法是以人工 ITS)是一个跨学科、信息化、系统化的综合研究体 神经网络、模糊逻辑粗糙集等为代表。同传统的硬 系，其主要内容是将先进的人工智能技术、自动控制 计算方法相比，智能计算是一种可以处理信息中的 技术、计算机技术、信息与通信技术及电子传感器技 不精确性、不确定性和部分准确的研究计算方 术等有效的集成并应用于整个地面交通管理系统， 从而建立的一种在大范围内全方位发挥作用的，实 法‘4|。 早期的智能计算方法主要包括三个基本方法： 时、准确、高效的综合交通运输管理系统。ITS的实 神经网络、模糊逻辑和全局优化算法。近几年，新的 施将带来巨大的经济和社会效益，因此世界上许多 智能计算方法∞。61不断提出，主要有：人工神经网 国家，特别是发达国家投入了大量的人力物力从事 络、模糊系统、遗传算法、进化策略、进化规划、模糊 ITS的研究和应用。 神经网络、进化神经网络、模糊进化计算、进化模糊 多路口交通信号控制是智能交通系统的重要内 系统、神经模糊系统、进化模糊神经网络、模糊进化 容。由于交通系统具有较强的非线性、模糊性和不 神经网络、人工免疫系统、人工内分泌系统、软计算 确定性，是一个典型的分布式系统，而且具有多信息 生态计算、模糊退火等。其中，混合智能计算方法的 ‘来源、多传感器的特点，用传统的理论与方法很难对 研究逐渐成为智能计算领域的研究热点，目前较为 其进行有效的控制，因此将智能控制技术、信息融合 集中的研究有进化模糊系统o¨，神经模糊系 技术、智能信息处理技术等引入交通信号优化控制 统‘卜121，进化神经计算‘13】，进化模糊神经计 是一个必然的趋势。实现多路口信号的优化控制不 仅要得到准确、可靠的短期交通流预测信息，更重要 算‘14。1 5|，混合进化计算‘16— 81等。 ’智能计算中的主要算法¨引都具有自适应的结 的是采用合适的优化控制方法旧J。随着智能计算 构、随机产生或指定的初始状态、适应度的评测函 的发展，在多路口交通信号优化控制领域中，已有多 种基于智能计算的控制方法应用于该方面的研究， 数、修改结构的操作、系统状态存储器、终止计算的 条件、指示结果的方法、控制过程的参数等共同要 素，具有自学习、自组织、自适应的特征和简单、通 收稿日期：2007— 05— 30 基金项目：国家自然科学基金；济南大学博士基金 用、鲁棒性强、易并行处理等特点，其最大特点是它 (130608) 作者简介：盖斐(1983一)，男，山东淄博人，硕士生；赵建玉(1966 不需要建立问题本身的精确(数学或逻辑)模型Ⅲ】。 一般(模糊逻辑推理除外)也不依赖于知识表示，而 一)，女，山东临沂人，教授，博士，硕士生导师。 万方数据  138 济南大学学报(自然科学版) 第22卷 是在信号或数据层直接对输入信息进行处理。未来 制。本文将分别对上述各方法作出评述。 几年智能计算的发展方向则是加强智能计算应用技 2．1 基于递阶模糊神经网络干线交通信号控制 术的研究嵋¨。 2．1．1基本思想 由于交通系统多变，难以建立方便准确的数学 干线的递阶模糊神经网络交通信号控制方法用 模型，因此严重制约了基于模型的优化控制算法的 递阶结构把模糊理论