第五章_单点交叉口的信号控制教程.ppt

一、模糊控制 1、模糊控制理论的基本原理 ——通过模糊逻辑和近似推理方法，把人的经验形式化、模糊化，变成计算机可以接受的控制模型，让计算机代替人来进行有效的实时控制。 关键是模糊控制器的设计： 确定模糊控制器的输入变量和输出变量； 设计模糊控制器的控制规则； 确定模糊化和解模糊的方法； 选择模糊控制器的输入变量及输出变量的论域，并确定模糊控制器的参数； 编制模糊控制算法的应用程序； 合理选择模糊控制算法的采样时间 模糊控制的特点： 不需要知道被控对象的数学模型； 模糊控制系统具有极好的稳定性和鲁棒性； 模糊控制器设计简单、调试方便 2、单点交叉口的两级模糊控制 两级模糊控制系统设计 二、神经网络自学习控制 模糊控制规则一经确定就不再改变，即不具备实时学习功能。系统的信号控制效果完全依赖于控制规则的合理性和遍历性，这对于交通状况复杂的路口，特别是多相位路口，是很难做到的。 神经网络自学习控制是一种具有实时学习功能的信号控制方法，该控制方法由两个处于底层的神经网络信号控制器和一个处于顶层的控制效果评价准则组成。系统处于自学习运行状态时，两个神经网络总是交替处于学习和工作状态，控制效果评价准则则根据路口的实际交通状况，确定神经网络是否需要进行学习。 图5-29 神经网络自学习控制方法结构 * 模糊控制和神经网络的智能控制方法，目前，这两种方法是比较常见的。 特别是模糊控制，可以说是其他智能控制方法的基础。现在智能控制研究成果较多，各类改进的模型层出不穷，但从总体上来说它们主要是对模糊控制方法的改进，或者是把模糊控制和其他的方法（如神经网络、遗传算法等）结合起来的优化方法。 三、其他智能控制方法 * （一）采用遗传算法优化的两级模糊控制方法 模糊控制器首先采用人工初始设置的隶属度函数进行模糊控制，同时历史数据库记录各时间段的交通数据。每经过一定的时间间隔，采用遗传算法利用历史数据库中的数据对模糊隶属度函数进行寻优，找出适合于当前交通流的模糊隶属度函数并且将调整后的隶属度函数送入模糊控制器加以更新。下面简要介绍其算法过程。 三、其他智能控制方法 * （二）人工神经网路（ANN）自校正预测控制 预测控制采用模型预测、滚动优化和模型误差反馈校正，因此，其控制精度高且鲁棒性强。 近20年来已在许多工业部门得到广泛应用。神经网络因其具有较强的非线性映射能力正引起控制界的极大兴趣，神经网络与预测控制相结合是解决非线性系统控制问题的一种方法。 三、其他智能控制方法 总结：信号配时方案设计计算步骤： 1.计算交叉口每个进口车道的车流量和饱和流量； 2.求出每个进口车道的车流量系数，并为每个相位选择流量比（最大的）； 3.将各相位的流量比相加得出整个交叉路口的Y值； 4.确定路口绿灯间隔时间I和损失时间L； 5.利用最佳周期计算公式计算周期时间； 6.用周期时间减去损失可得出可利用的有效绿灯时间； 7.将路口有效绿灯时间按各个相位的流量比分配给各个相位； 8.根据各相位的黄灯时间和起动损失时间，计算各相位的实际绿灯时间。 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * 3）设定自行车专用相位 左转自行车的冲突处理方法： 设置自行车左转专用相位和自行车两次过街。 * (四)基于行人的信号配时改进 1）交叉口行人信号灯设计 行人相位伴随机动车相位同时设置 主路 次路 机动车需长相位 主路 次路 行人需长相位 行人相位存在问题： 行人相位时间大部分为绿灯时间 行人清空时间仅有3s，行人常被“卡”在行车道上，进退不得 完整的行人相位包括行人绿灯、行人闪和行人红灯三部分。相位通行时间必须确保行人以一定的速度安全通过人行横道，所以要合理确定各参数值，主要是行人绿灯时间和行人闪时间。 （1）行人绿灯时间（一般4~7s） ——使得在一个周期内所有等待的行人离开路缘石进入交叉口。包括反应时间和人群通过路缘石进入人行横道的时间 （2）行人闪灯 （3）行人相位时间与机动车相位时间的关系 行人相位时间 机动车相位时间 二者关系 * (四)基于行人的信号配时改进 2）专用行人相位设定 适用于行人流量大、机动车流量适中、自行车流量小的路口 * 第四节 感应信号控制 一、感应信号控制的原理 二、传统的感应控制方法 三、改进的感应控制方法 四、定时控制