城市交通信号模糊控制研究.doc

城市交通信号模糊控制研究 　　摘要：随着社会经济的发展, 城市化进程不断提高, 交通需求和交通量迅速增长, 城市交通拥堵状况日益严重, 严重影响人们的日常生活。由于在城市内新建或者扩建道路的难度越来越大, 所以优化交通信号控制已成为改善城市交通状况的重要措施。 　　关键词：城市 交通信号模糊控制 　　中图分类号：U491.5+1 文献标识码：A 文章编号： 　　 　　前言 　　城市交通控制(UTC)是智能交通系统中非常重要的组成部分。在一些复杂的交通情况下，使用传统的控制方法进行交通信号控制的效果并不好。由于模糊逻辑能够较好地描述复杂系统的定性模型，因此它非常适合对路口交通信号灯进行控制。 　　一、模糊神经网络技术 　　模糊控制模拟人的思维,无需精确的数学模型，对时变、不确定等非线性系统同样具有良好的控制效果和鲁棒性，模糊控制基本结构有四部分组成，如图1所示。 　　 　　1 模糊化 　　模糊化部分的作用是将输入的精确量转化为模糊量，为完成输入模糊化，必须知道输入量对模糊集的隶属函数、语言变量的论域、模糊集的个数等。 　　首先，要对输入量进行处理得到模糊控制所要求的输入，如计算偏差e 和偏差的导数c。然后，将处理得到的精确输入量e 和c 进行尺度变换，一般是乘上尺度变换因子ke、ke，使其变换到各自的论域范围，为处理上方便将输入的论域取为。最后，将已变换到论域的精确输入进行模糊处理，精确量转化为模糊量，即将E 和C 视为论域[-6,6]上的语言变量，其模糊集为{PL，PM，PS，ZE，NS，NM，NL}，含义为PL(正大)、PM(正中)、PS(正小)、ZE(零)、NS(负小)、NM(负中)、NL(负大)，隶属函数形状可根据实际而定，一般可取三角形、梯形或正态分布等，在此取正态分布型，隶属度函数表如表1所示。 　　 　　 　　2 模糊决策 　　模糊决策为模糊控制的核心，具有模拟人的基于模糊概括推理能力，该推理过程是基于模糊规则进行的，模糊控制系统品质与模糊规则关系很大，双输入单输出的模糊控制器的模糊规则一般采取如下形式：If E is A 1，C is A 2 Then U is B。 　　3 清晰化 　　通过模糊决策得到模糊量输出，将之用于实际系统，需要进行逆模糊处理。清晰化主要功能是将模糊推理得到的控制量(模糊量)变换成用于控制的精确量，它包含两方面内容： 　　(1)将模糊的控制量经过逆模糊化变换成在论域范围内的精确量； 　　(2)将表示在论域范围的精确量经过尺度变换成实际的控制量。常见的逆模糊化方法有最大隶属度法、加权平均法、取中位法等。 　　4 知识库 　　知识库包含具体应用领域中的知识和要求的控制目标，通常由数据库和模糊控制规则库两部分组成： 　　(1) 数据库主要包括各语言变量的隶属函数，尺度变换因子和模糊空间分级数等； 　　(2)规则库包括用模糊语言变量表示的一系列控制规则，反映了控制专家的经验和知识。 　　神经网络具有学习功能，我们将模糊控制和神经网络结合起来，利用两者的优点，设计了一种基于神经网络的自适应模糊控制器，不失一般性，对常规双输入单输出模糊控制器，可以用一个神经网络来构造模糊控制模型，如图2 所示。 　　 　　二、基于模糊神经网络的交通信号控制 　　1 经典的单交叉口信号控制 　　图3给出了一个被广泛采用的经典单交叉口信号控制的模块图。 　　 　　此控制系统考虑的是二相控制，是两输入单输出：输入为绿灯车队Q g(取两个方向上较大者)、红灯车队Q r(取两个方向上较大者)；输出量为绿灯的延长时间Δt 。为了采集车流数据，在十字路口4个方向共装8个传感器(前后2个传感器相距150 m)。平均车长约5 m，所以定义车辆队列数Q 的论域为[0，30]，分为3个模糊子集：少、中、，其隶属度函数如图4所示。 　　 　　绿灯延时Δt 论域为[0，40]，分为3个模糊子集：短、中、长，其隶属度函数如图5所示。 　　 　　在没有任何数据资料的情况下，只能根据经验设计其模糊规则，其结构如表2所示。 　　 　　2 改进的单交叉口信号控制 　　针对1 方法中的不足做出相应的改进：采集车流数据与1 方法一样，车辆队列数Q 取2 个相对方向上车队数的平均数，车辆队列数Q 的论域仍为[0，30]，为了提高精度分为5 个模糊子集：微、少、中、多、巨，但红绿灯的隶属度函数不同，因为给绿灯的优先权相对比较大，隶属度函数分别如图6 和图7 所示。 　　 　　为了进一步提高控制精度，绿灯延时取定值Δt =10 s，模糊控制器输出是一个确定值1 或0(1表示绿灯延时Δt =10 s，0 表示不延时)，这样就可以在绿灯期间以10 s 为一个周期检测红绿灯方向的车流情