基于模糊逻辑的涉及紧急车辆抢占的 新型单路口交通灯控制器外文翻译资料

英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

基于模糊逻辑的涉及紧急车辆抢占的

新型单路口交通灯控制器

摘要

模糊参数已成为交通运行的一种重要的智能控制方法。本文的贡献在于提出了一种新的模糊信号控制系统，用于包含紧急车辆抢占的全单结点控制。该研究不仅提出了一种新的模糊控制系统，而且同时考虑了车辆在紧急情况下的抢占和车辆在有转向运动的路口的控制。该控制系统包括模糊相位选择器和模糊绿灯相位扩展器两个主要功能。第一个模糊相位选择器指定下一个绿灯相位，由绿灯相位扩展器的功能决定是扩展还是终止当前的绿灯相位。通过仿真对系统的性能进行了评估。最后，将所提出的控制系统与定时控制系统进行了比较，仿真结果表明该控制策略比定时控制策略有明显的改进。

关键词：模糊控制系统，应急车辆抢占，全单结点，模糊参数

1 引言

近年来，随着机动车数量的增加和交通需求的增加，城市街道和高速公路经常面临严重的道路交通拥堵问题。一般来说，交通信号控制是通过预先控制或主动控制来实现的。在定时控制器(PTC)类型(常规)中，每个交通信号周期的绿色/红色相位是恒定的。这种操作方式虽然简单，但在流量大的情况下，其性能一般较差。通过检测进入交叉口的所有车道上的车辆的通过和停止情况，驱动控制器根据实时交通需求计算相位持续时间。

交通流通常具有随机性和不确定性的特点，因此设计一个智能控制器代替交通信号灯控制系统是一个明智的选择。众所周知，模糊逻辑适合于此类问题的建模和控制。Zadeh[20]引入了模糊逻辑这个概念;该技术已成功地应用于解决许多工程问题。Rahman和Ratrout[16]概述了模糊逻辑在交通工程中的应用。他们阐述了基于模糊逻辑的交通信号控制的发展，并讨论了在沙特阿拉伯使用这种交通信号控制的前景。

已有大量文献将集合理论应用于交通信号控制中。最著名和最具开创性的一个是由Pappis和Mamdani[14]提出的。他们为双向交通枢纽建立了一个很好的模型，其中每条道路都有一条交通流车道。他们的模型使用了放置在每个路口上游的车辆环路检测器来测量接近流和估计队列。这些数据被用来决定在有规律的时间间隔内是延长还是终止当前信号阶段。Teodorovic[17]广泛地研究了模糊逻辑在交通运输过程建模中的应用，发现模糊集理论和模糊逻辑是一种很有前途的数学方法，可以用来建模复杂的交通运输过程，这些过程通常是主观的、模糊的、不确定的和不精确的。Niittymaki和Kikuchi[11]对人行横道信号的控制器进行了研究。

Bingham [3]使用了与Pappis和Mamdani[14]的模拟相同的交叉配置。在她的研究中，采用基于仿真环境的增强学习算法确定了Mamdani型模糊交通信号控制器的参数，目的是尽量减少车辆延误。她发现提出的模糊控制器在流量不变的情况下表现出良好的性能。Niittymaki和Pursula[12]模拟了一个孤立的十字路口。他们报告说，模糊逻辑控制器导致更短的车辆延误和更低的停车百分比。

Zaied和Al Othman[21]开发了一个考虑两个双向交叉口的模糊逻辑交通系统，该系统能够根据交通状况水平调整交通信号的时间间隔变化。他们使用收集自科威特哈瓦利省信号交叉口的真实数据来应用和测试他们的系统。他们发现，与现有系统比较，使用的系统实施方法可有效减少车辆延误及节省时间。Trabia等人提出了一种针对孤立交叉口的模糊逻辑交通信号控制器的设计与评估方法。他们设计了这种控制器来响应实时的交通需求。他们比较了该控制器与交通驱动控制器在模拟四进路交叉口不同交通条件下的性能。他们的控制器产生的车辆延误比交通驱动的控制器更低。

Wong和Woon[19]提出了一种改进的方法，该方法基于迭代重新估计每天的时间间隔(TOD)。他们进行了实验以验证他们的方法的有效性。Angulo等人提出了一种基于监控技术的交通信号灯交叉口自适应控制方法。他们使用基于模糊逻辑的技术来表示预测模型中的原型。Jian等人[7]提出了一个同时考虑交通效率和公平性的孤立信号交叉口两阶段模糊逻辑控制模型。Niittymaki和Turunen[13]提出了一种新的模糊IF-THEN控制算法。该算法寻找与实际输入值最相似的IF部分，然后触发相应的THEN部分。他们的结论是基于相似性的推理系统为交通信号设计提供了一种有竞争力的控制方法。Niittymaki[10]介绍了模糊信号控制器(FSC)在实际交叉口的安装。结果表明，该控制系统可以安装在真实的基础设施中，模糊控制算法比传统的车辆控制更有效。Quek等人[15]描述了使用真实值限制法(POPFNNTVR)建模交通行为的一种特定类别的神经模糊系统，称为伪外产物模糊神经网络。

Kosonen[8]提出了一种基于实时仿真、多智能体控制方案和模糊推理的交通信号控制系统。在他的控制技术中，每个信号作为一个代理单独运行，与其他信号协商控制策略，并且这些代理的决策是基于模糊推理的，允许流畅性、经济性、环境和安全性等多个方面的组合。Murat和Gedizlioglu[9]提出了由模糊相位绿灯持续时间模型和模糊相位序列模型组成的Mamdani结构模糊信号控制模型。他们通过模拟一个孤立的四臂交叉路口来比较他们的模型。他们使用三角形的成员关系函数来表示输入和输出。Zarandi和Rezapour[22]提出了一种基于模糊规则和实时交通信息的不完全交叉口信号控制系统。

Chou和Teng [5]提出了一种基于模糊逻辑的交通枢纽信号控制器(FTJSC)。为了设计一个更实用的控制器，他们模拟了一个比以往更能符合交通状况的环境。他们的实验结果证实了所提出的FTJSC的性能。Barzegar等人[2]研究了一种混合自适应模型，该模型基于彩色Petri网、模糊逻辑和学习自动机的组合，用来有效地控制交通信号。他们发现，与文献结果相比，使用他们的方法车辆延迟时间明显减少。

Fan和Liu [6]提出了一种针对单个交叉口的第五层神经模糊相位序列可变控制器。他们用预先确定的训练样本，用反向传播来训练控制器。他们基于得到的仿真结果得出了他们的控制方法可以显著降低车辆的平均延迟的结论。Chong等人[4]研究了基于绿灯区(GLD)交通信号灯仿真软件的孤立四臂简单交通交叉口交通信号灯控制的四种不同神经模糊体系结构的性能。

上述的研究结果表明，模糊逻辑控制器的性能优于定时控制器和驱动控制器。然而，多数研究只考虑单行道或无转向运动的交叉口，未考虑应急车辆抢占。此外，模糊规则的确定主要是由主体方法上的交通条件决定的，而没有考虑竞争方法上的交通条件，而且它们选择的相序在大多数情况下是固定的。此外，在回顾研究中，作者通常不考虑模型实现的完全交集。本文提出了一种新的模糊交通信号控制方法，该方法包括模糊相位选择器和模糊绿灯相位扩展器两个主要的规则基函数。第一个模糊相位选择器指定下一个绿灯相位，由模糊绿灯相位扩展器的功能决定是扩展还是终止当前的绿灯相位。据笔者所知，所提出的信号控制系统不仅结构新颖，而且以往的研究也没有同时考虑过紧急车辆的抢占或利用这种模糊控制系统来控制整个路口的转弯运动。本文提出了一种新的可变相序信号控制方法，并通过仿真对其性能进行了评价。本文的结构如下:第2节介绍了模糊信号控制系统(FSCS)的两种功能，即模糊绿灯扩展器功能和模糊相位选择器功能。在第3节中，通过仿真对新控制器的性能进行了评估。第4节介绍了我们的结果。

2 提出的模糊控制系统

图1给出了所提出的模糊控制系统。可见，模糊相位选择器函数和模糊绿色相位扩展器函数分别位于多电平信号控制系统的不同电平上。绿灯扩展器函数负责绿灯扩展决策，相位选择器函数负责信号控制系统的时序级。该信号控制系统的结构如图1所示。

图1：交通信号模糊控制结构

我们定义了参数T_MAXG来防止绿灯相位延长过多，也定义了参数T_MAXRi来防止红灯相位延长过多。本算法使用的两个控制参数是:

T _MAXG =最大绿灯相位时间(秒)

T _MAXRi =最大红灯相位时间(秒)

(T _MAXG lt; T _MAXRi)

信号控制系统的程序如下：

步骤1：系统从结点的检测器中获取必要的数据。

步骤2：指定哪一个当前红色相位在应该下一个相位中切换到绿色(模糊相位选择函数)。

步骤3：检测T _MAXRi

步骤3.1：如果达到T _MAXRi，则结束当前绿灯相位并将红灯相位i转为绿灯，回到步骤1。

步骤3.2：如果没有达到T _MAXRi，回到步骤3。

步骤4：检测T _MAXG

步骤4.1：如果达到T _MAXG，则结束当前绿灯相位并将选择的红灯相位(在步骤2中)切换为绿灯，回到步骤1。

步骤4.2：如果没有达到T _MAXG，执行步骤5。

步骤5：确定当前绿灯相位是否应该延长或结束(模糊绿色相位扩展器)。

步骤5.1：如果当前绿灯相位应该结束，则终止当前绿色相位，并将选择的红灯相位(在步骤2中)切换为绿等，并转到步骤1。

步骤5.2：如果当前绿灯相位应该延长，就转到步骤1。

2.1 模糊相位选择器功能

为了确定最适合交通条件的相位顺序，基于规则的相位选择器函数会选择下一个绿色相位。图2给出了模拟节点的各相位，其中控制功能被测试，该节点的布局如图3所示。

图2：四相位信号的各相位

图3：模拟节点平面图

该模糊控制系统的决策基于各阶段的权值W (p_i)， p_i =A、B、C、D。权值通常由车辆的总等待时间或每个红色相位等待绿灯的排队车辆数量来确定。本文利用排队车辆数来确定权重。设计的规则优先考虑对绿灯时间要求最高的相位。如果当前绿灯相位A要终止，则相位选择器将决定是否启动下一个相位B、C或D。

例如，如果A相位终止，则执行B、C或D相位选择的模糊规则如表1所示。如果相位B、C或D终止，则相位选择规则与之前规则相似。

控制参数集合为：

QC=当前绿灯相位车道平均排队长度(车辆数/车道)

QN=下一相位可能获得绿灯的红灯相位车道平均排队长度(车辆数/车道)

AR=当前绿灯相位车道平均车辆到达率(车辆数/秒/车道)

这些规则是由交通专家提出的，对于现实世界中的每一个案例都是不同的。模糊规则相位选择器A、B或C的规则编辑器如图4所示。

例如，表1的第三行可以表示为:

如果 红灯车道D的平均排队长度是中等，而且

红灯车道C的平均排队长度是很长，而且

红灯车道B的平均排队长度是很长，

那么 车道C被选择作为下一个绿灯相位。

表1：相位选择器B或C或D的模糊规则

您可能感兴趣的文章

• 看边界：边界感知面部对齐算外文翻译资料
• 看边界：边界感知面部对齐算外文翻译资料
• 一种支持分布式正态智能监控的多代理体系结构外文翻译资料
• 增强的无线局域网协作MAC外文翻译资料
• 近眼显示器的绝对辐射和光度测量外文翻译资料
• 红外遥控系统外文翻译资料
• 一幅单一图像中雨滴去除的专注生成对抗性网络外文翻译资料
• 深度残差学习在图像识别中的应用外文翻译资料
• 低成本，便携式室内环境质量监测装置的设计与开发外文翻译资料
• 使用基于查询蓝牙的RSSI概率分布进行室内定位外文翻译资料