基于BP模糊神经网络交通信号灯控制器设计.docVIP

基于BP模糊神经网络交通信号灯控制器设计 　　摘要: 针对当前定时交通信号灯控制的落后现状，提出一种基于模糊神经网络的交通信号灯控制系统.通过模糊化处理，根据改进后BP算法进行离线训练，该系统能随时根据车辆情况智能控制信号灯的时间.实验表明该控制器与单纯用模糊控制比较，控制精度高、响应速度快、智能化程度高和鲁棒性好. 　　? 　　关键词: 智能化；交通信号灯；BP模糊神经网络；网络训练? 　　中图分类号:TP 183 　　 文献标志码:A文章编号:1672-8513(2011)06-0511-04 　　?? 　　The Design of Traffic Light Controller Based on BP Fuzzy Neural Network 　　 　　 WANG Shi?chun 　　? 　　 (Taizhou Vocational Technical College, Taizhou 317000, China) 　　 　　Abstract: Aiming at improving the poor condition of the existing time-control traffic signal light system, a new control system based on neuro-fuzzy network has been put forward, which can intelligently control the time of the traffic signal light according to the traffic flow after fuzzlization and off-line training based on BP calculation. The experiment has proved its accuracy, quicker response, more intelligence and better robustness compared with the use of fuzzy control only. 　　? 　　Key words: intelligentize; traffic signal light; BP fuzzy neural network; network training 　　?? 　　 　　 　　 　　近年来，国内外许多专家学者致力于开发城市交通信号灯的控制方案，取得了一些成果[1-2]，模糊控制是其中的研究方向之一，它是无模型的控制方法，便于结合人的思维和经验，可满足实时性的要求，是一种比较好的交通控制方法.但是普通的模糊控制，其量化因子是固定不变的，稳态性能较差，且很难使2种性能指标都达到理想要求复杂的系统，单纯的模糊控制难以保证控制精度，有时甚至会降低控制系统的鲁棒性.神经网络具有良好的非线性映射能力、学习能力、并行处理能力、容错能力和自学习能力[3]，可以克服这个缺点.如果能将模糊理论表达知识的能力和神经网络的自学习能力结合起来[4]，提高整个系统对知识的学习和表达能力，无疑会受到控制工程界的极大欢迎.? 　　1 交通信号灯控制原理? 　　1.1 交通信号灯? 　　一般交通信号灯用4个相位来实现，每个相位相当于1个状态，根据正在放行车道上的车辆数（取平均数）与下一相位的车辆数相比较，来决定是否转到下一相位.在1状态，把车辆数输入到模糊神经网络控制器，设定初始绿灯时间，当执行完后，根据下一相位的车辆数来决定是否转到下一相位，若不转移，则增加绿灯时间?T?，如总时间超过设定最大时间（一般驾驶员最大能承受时间120s[5]），则执行完后必须转到下一相位；如还小于最大时间，则反复执行此过程.模糊神经网络控制器的输入是检测到的车辆数，输出为绿灯时间?G?t，通过模糊神经网络推理可以对绿灯时间进行控制.? 　　1.2 具体实现? 　　模糊神经网络经过离线训练[6-10]，结合PLC硬件，实现总的控制过程.? 　　步骤1:在状态1中，即东西方向红灯期间，检测出南北方向车辆数?L?，采用模糊神经控制算法，得出初始绿灯时间?G?s，令?G?s=?T,将T?通过PLC的功能指令传送给计时器并由PLC开始执行;? 　　步骤2:在Δ?G=G?s内根据检测器送来的车辆到达和离开交叉口的数据,分别计算当前放行相位及下一个放行相位的排队长度,设其分别为?L?i和L?i+1?;? 　　步骤3: 若?L?i=0,或L?ie(r≥0,e≥0?),或累积绿灯时间?G?i?=?G?i?max,则将绿灯转到下一相位,回到步骤2,否则继续;? 　　步骤4:按照?L?i及?Δ?L?i值的大小