信号交叉口模糊控制仿真分析.docxVIP

信号交叉口模糊控制仿真分析 1 模糊控制算法的应用 车辆的平均减速度和停止时间是交叉口交通能力的主要量化指标，也是评价交通控制性能的主要依据。然而，关于这些宏观结果以及这些宏观结果与控制方法之间的密切关系的研究很少。系统的外在行为表现出了不同系统深层的互动效应。从交通条件的微观变化出发，研究不同交通控制方法的机理及其可能结果，对交通控制计算的设计具有重要价值。 交通量的急剧增加和交通流的日益复杂,时常引起信号交叉口处的交通拥堵,成为城市交通的主要瓶颈.这也促使人们不断探索新的交通控制算法,其中,模糊控制算法颇具代表性,显示了良好的发展前景[1~6].但仍存在值得改进之处.例如,部分研究仅对绿灯时间进行自适应调整,未能充分挖掘交叉口的通行能力;部分研究仅用排队长度或等待时间等单一指标决定相序和绿灯时间,不能准确反映真实的交通需求;个别研究允许相位构成改变,易导致驾驶者心理紧张和误判.还有些研究的模糊变量和控制级数过多,导致算法的效率严重下降,难以满足交通控制的高实时性要求.除个别研究在交通安全与算法效率等方面的考虑有欠缺外,上述大部分研究本质上还在于没有提出更好的交通供需匹配方案. 我们提出一种信号交叉口模糊控制模型,并以广泛使用的定时控制和感应式控制为比较对象,采用仿真技术,从微观层面多角度地对比分析了交通流的微观变化与控制方法的内在联系,从宏观层面多角度地对比了不同控制方法下的交通效率和公平. 2 加权需求度的确定 模糊控制模型的设计思路是:根据各条入口车道的通行需求程度的高低,决定通行相位和通行时间.一条入口车道上的车辆排队和平均滞留时间越长,表明该车道的通行需求程度越高,反之则反.每条入口车道的队长和车辆平均滞留时间,根据埋设在车道停车线和上游的两个环形线圈的检测数据计算得到.模型由相位控制器和时间控制器构成. 相位控制器用于决定通行相位,其输入为各车道的加权队长和这些车辆的平均滞留时间,其输出代表了各车道对通行权的需求程度,我们称之为加权需求度.加权队长=实际队长×最大平均到达率/该车道的平均到达率.通行相位的确定过程如下:当前绿灯时间结束时,计算每条车道的加权需求度,并从中选出加权需求度最大的车道,并将该车道所属相位作为下一个通行相位.如果结果不唯一,则从中随机选择一个相位作为最终结果. 时间控制器用于决定通行时间,其输入为各车道的实际队长和平均滞留时间,其输出代表了各车道对通行时间的需求程度,我们称之为实际需求度.如果绿灯相位仍然被相位控制器选为通行相位,则绿灯时间延长3秒.如果绿灯时间到达上限,则从其余相位中选择通行相位.如果红灯相位被选为通行相位,则根据该相位实际需求度最大的车道,设定初始绿灯时间.初始绿灯时间=被选车道的实际需求度2/实际需求度上限. 两个控制器共用一套控制规则和隶属度函数.根据经验确定的隶属度函数如图1所示.加权实际队长的实际论域为,计算论域为;平均等待时间的实际论域为,计算论域为;加权实际需求度的实际论域为,计算论域为.模糊规则见表1.模糊推理用Mamdani算法,解模糊运算用中心法. 定时控制的策略是:直行和右转绿灯均为60秒,左转绿灯20秒;感应式控制的策略是:最短绿灯12秒,当绿灯相位在最后1秒内有到来车辆时,则延长3秒绿灯时间, 否则将通行权切换到下一个相位,绿灯时间上限为60秒. 3 绿灯时间的确定 本文采用四路交叉口进行模糊控制模型与传统方法的仿真试验对比,相位分配如图2所示.仿真参数设置如下:各车道停车线和检测器之间的距离均为200米,车辆平均长度7.5米,车头间距2.5米.因此,可检测到的最大队长为20辆.绿灯时间有三个参数,即绿灯损失、最短绿灯和最长绿灯.绿灯损失又包括绿灯相位开始时的启动损失和结束时的滞后损失,本文简化为假定每相位的绿灯损失只发生在绿灯相位开始阶段.最短绿灯限制了相位初始化时绿灯时间的下限,以确保一辆车有足够时间通过交叉口.最长绿灯则限制了可以分配的绿灯时间的上限,以确保在各相位间合理地分配绿灯时间.最短绿灯为12秒,最长绿灯为60秒;绿灯损失为3秒,黄灯间隔为3秒;上游车辆到达率服从泊松分布;直行、左转和右转车流率分别为1辆秒、0.8辆秒和1辆秒;左转率和右转率均为20%.平均车速36(公里小时). 各向达到率组合如表2所示,每种组合仿真10次、每次7200秒,最后取10次仿真结果的平均值作为最终结果. 4 微观过程分析 4.1 加权需求度指标 表3给出的是采用模糊控制,各向到达率均为1200(辆小时)时5次通行权的切换情况.对比各车道的各项数据可以看出,需求度指标综合反映了各车道的车辆排队和等待情况.加权需求度指标提供了各车道获得通行权的均等机会,实际需求度指标则提供了合理确定通行时间的度量依据,以它们为判据确定通行权和绿灯时间,是符合各向的实际交