英语原文共 5 页
2010第七届模糊系统与知识发现国际会议(FSKD 2010)
交通信号城市交通的控制
基于模糊控制的交叉口群
穆海波，于建宁，刘林忠
兰州交通大学交通运输工程系，兰州，中国
摘要—随着交通需求的增加，城市交通问题变得越来越严重。由于交通系统的复杂性，模糊控制理论显示出强大的优势。本文以交叉口群信号控制问题为目标，提出了一种由局部模糊控制器和特殊情况控制器组成的分布式控制系统。每个局部模糊控制器除了控制自己的交通流外，还根据相关交叉口的交通流控制指定交叉口的交通流。当当前的交通状况超出了本地交通控制器的能力时，将启动特殊情况控制器。采用所设计的模拟退火算法，优化了路网各交叉口的绿灯时间扩展。该算法在考虑系统优化的前提下，给出了评价各可行解效率的成功指标。最后，将该系统与一般模糊控制系统进行了比较，并通过系统仿真验证了其有效性。
关键词-模糊控制;信号控制;模拟退火算法;成功指标;系统仿真
I.介绍
随着国民经济的发展，交通需求和机动车数量不断增加，造成城市交通拥堵、能源消耗和环境污染。城市交通问题是当前制约城市发展和经济建设的一个重要因素，许多学者更加关注交通的合理控制。由于交通系统是一个具有随机性、非线性、离散性和不确定性的复杂系统，很难通过建立精确的数学模型对其进行控制，固定区间控制和驱动控制的效果也不能完全令人满意。近年来，模糊控制理论在交通信号控制领域得到了广泛的应用。模糊控制是一种基于规则的智能控制，不需要精确的数学模型。1977年，Pappis等人将模糊逻辑应用于城市交叉口信号控制。从那时起，许多学者开始了这一领域的研究。Niittymaki等人采用模糊推理方法对单交叉口进行控制，通过仿真验证了模糊控制的有效性。Gao等人对四相交叉口模糊控制进行了研究。Favilla等人提出了一种基于自适应策略的城市交通模糊控制器。Chou等人[5]根据同步控制和异步控制讨论了多车道、多交叉口的条件。Iisakki[6]提出了一种基于实时仿真、多智能体控制和模糊干扰的控制系统。随着智能交通系统的快速发展，一些智能优化算法被应用于城市交通的协调控制中，以确定信号的定时和隶属函数[7-9]。许多其他控制系统也被提出[11-16]。
在实际的城市交通网络中，由于一个交叉口的交通状态在很大程度上受相邻交叉口所发生情况的影响，因此研究单个交叉口的信号控制问题意义不大。本文主要研究城市交通网络中具有多个交叉口的局部区域的信号控制，这是整个城市交通网络控制的基础。对于这样一个复杂的网络，可以采用分布式控制来实时、合理、有效地控制流量的变化。以整个区域为网络，每个交叉口为节点，提出了一种分布式控制系统。假设每个节点都对其邻域有详细的了解，对整个网络结构和系统目标有拓扑知识。局部模糊控制器是节点的基本处理单元。它除了自己的信息外，还可以收集邻居交叉口的信息，根据这些信息来决定是否延长当前的绿灯时间，并将自己的决定通知邻居，以便共享信息。当由于某些意外情况(如事故)的紧急情况而无法有效控制时，将调用特殊情况控制器(special case controller, SCC)。SCC综合考虑了所有交叉口的情况，并对输出进行优化，如采用模拟退火算法对每个交叉口的绿灯时间进行扩展。
通过对一个四交叉口群的计算机仿真，对该控制系统的性能进行了评价，并与传统控制方法进行了比较，验证了该控制系统的有效性。
II.模糊控制系统设计
该系统由位于各交叉口的局部模糊控制器和一个特例控制器组成。局部模糊控制器主要控制指定交叉口的交通流。它可以做决定相互沟通，相互配合，实现整个系统的协调。特殊的案例控制器帮助局部模糊控制器处理复杂的案例。它每隔T秒收集一次各节点的交通流信息，并从整体上决定是否控制绿灯时间扩展。为了获得同步时间，每个局部模糊控制器所采用的时钟是相同的。如果数据正常，SCC不会采取措施。否则，以各交叉口各阶段车辆排队长度为输入，以车辆排队长度最短为目标，采用智能算法优化各交叉口的绿灯时间扩展。
A.局部模糊控制器设计
由于城市主干道承担着巨大的交通负荷，主干道交叉口交通流量的控制效果直接影响到整个城市的状况。在该系统中，单交叉口的交通控制主要受局部两相四向交叉口流量的影响。此外，它还受到下一个交叉口流量的影响。为了获得交通量，为模糊控制提供必要的数据，在每个入口设置信号检测器，形成检测区域，如图1所示。根据队列的长度在红色的阶段和车辆的到达率在绿色阶段,当地的模糊控制器计算出绿灯延长时间按照单个十字路口的控制方法首先,然后它将计算额外的扩展时间根据队列数据来自邻国的十字路口。额外的扩展时间可以是负数。
图1交叉口
1)变量的模糊描述
设Anow, Qnext分别为绿色相位的到达率和红色相位的队列长度，G, Grsquo;分别为绿灯扩展时间和附加扩展时间。Anow和Qnext是输入变量，G和G #39;是输出变量。输入和输出变量分别关联了语言变量arrival、queue、extension和extra extension，它们在以下术语集中假定语言值:
到达:{非常少，很少，中等，很多，太多}，abbrevd。{VF, F, M, MA, TM}
队列:{非常短，短，中，长，太长}，abbrevd。{VS, S, M, L, TL}
扩展名:{非常短，短，中，长}，abbrevd。{VS, S, M, L}
附加Eextension:{大负片，中负片，小负片，无分机，短，中，大}，abbrevd。{LN, MN, SN, NE, S, M, L}
成员函数用于描述车辆到达、队列、绿灯时间扩展和其他扩展，如图2到图5所示。
图2 绿灯阶段车辆到达率的隶属函数
图3红色阶段车辆队列的隶属度函数
图4绿灯时间扩展的隶属函数
图5会员功能的额外绿灯时间延长
2)模糊控制规则
利用前面设置的模糊输入变量，给出了绿灯时间扩展的模糊规则(记为e)，如表1所示。
有相应的规则来确定额外的绿灯时间延长。不同车辆到达和队列长度的情况对应一组不同的规则。例如，设Q1为局部红相队列，Q2为下一个交叉口红相队列，为输入[17]。模糊输出是额外的绿灯时间扩展,用Delta;e。少数车辆到达的模糊规则如表2所示。由于篇幅的限制，本文没有给出其他规则。
表一 延长绿灯时间的规则
表二 额外延长绿灯时间的规则
3)局部模糊控制器的模糊控制算法
设最小绿灯时间Tmin为10s，最大绿灯时间Tmax为80s，控制方法如下:
步骤1：指定最小绿灯时间Tmin和最大绿灯时间从第一阶段每个阶段的最高温度;
步骤2：检测绿色阶段进近车辆到达率和红色阶段进近车辆排队长度，分别标记为Anow和Qnext;
步骤3：将当前相位G的绿灯时间延长为最小绿灯时间Tmin;
步骤4：计算T秒后各阶段车辆排队长度;
步骤5：判断整个路网的总体状态是否可控。如果是，转到步骤6，否则转到步骤9;
步骤6:令Qnow为绿色阶段进场车辆队列长度。若Qnow为零，或Qnowle;V (V为给定车辆数量，V为gt;0)，Qnextge;W(W为固定值)，或累计绿灯时间G=Tmax，则切换到下一阶段，进入步骤3;
步骤7：确定绿灯时间延长Delta;G根据模糊控制规则的基础上的价值Qnow Qnext。如果Delta;G gt;最高温度,Delta;G = Tmax-G, G = G Delta;G;
步骤8：确定额外的绿灯时间延长Delta;G′队列数据的基础上,从邻居的十字路口。Delta;G′可能是积极的还是消极的在不同条件下的光。如果G Delta;G′gt;最高温度,然后Delta;G′=最高温度- G和转到步骤4。
步骤9：将每个交叉口的两个阶段的队列长度发送给SCC。SCC在设计的模拟退火算法的基础上，确定所有交叉口的最优绿灯时间扩展，并将结果发送给局部模糊控制器，根据该算法，局部模糊控制器实现了新程序。
B.特殊机箱控制器的设计
当当前交通状况超出当地交通控制器的能力,换句话说,当它完全不能处理或有效,特殊情况下控制器将综合考虑整体条件和优化绿色时间延长采用智能算法来得到理想的队列。
模拟退火算法(SA)[18]属于邻域搜索算法，是一种能够解决组合优化问题的随机搜索方法。由于在邻域搜索中引入了随机因子，不需要特殊的目标限制条件，使得SA直观、简单，具有广泛的应用前景。目前，它已广泛应用于生产调度、图像处理、控制工程等领域。本文从邻域构造、可行解目标的计算、温度下降、相同温度下的迭代策略和终止条件等方面给出了一种通用的模拟退火算法。
1)邻居建设
如果E #39;是一个可行解，则E #39;的k近邻定义为Nk (E #39;)，其中
Nk (E #39;)={E ' | E '为可行解，| E #39;cap;E ' |ge;k}
也就是说，E #39;的k邻域是一组可行解，其k个交叉点的绿灯时间延长至少与E #39;中的相同。
2)可行解目标的计算
一个可行的解决方案是对所有交叉口的东西南北方向进行一组绿灯时间的扩展。评估每一个可行的解决方案的效率,成功指数(用delta;)。
计算方法如下:
如果= (Bi-Ai) / n, Bi是可行解的第i个元素在SCC采取措施之前,和人工智能的第i个元素是可行的解决方案在SCC采取措施后,和n元素的数量,wi的重量是第i个元素,和一个更大的成功率就意味着更好的可行的解决方案。例如，考虑到路网由四个十字路口组成，每个十字路口采用两个阶段。将每个阶段的平均车辆作为该阶段的队列。考虑4个交叉口的东西西向队列的单位权重分别为8、12、9、6，而四个交叉口的南北队列分别为10、6、5、2，则我们将其描述为:
8 10 12 6 9 5 6 2
如果特殊情况控制器给出绿灯时间扩展方案后，每个时隙的元素变为
4 9 10 10 6 8 3 2
则计算成功指数为:
delta;=((8 - 4) (- 9) (成员) (6 - 10) (因) (5 - 8) (3) (2 - 2))/ 8 = 1.1
将系统优化思想引入到成功指标的设计中。该指标描述了一个事实，即可行解是一个更好的一个，如果它可以减少大多数交叉口的队列，但不可行解，可以显著减少队列只有一个或几个交叉口。对于可行解，取成功指数的负值作为目标函数。
3)温度控制及停机情况
由于SA的速度和精度受退火函数性能的控制，本文采用指数退火函数[16]来确定温度Tk。它的定义如下。
Tau;kappa;=Tau;0sdot;alpha;kappa; (2)
由式(2)可以充分看出，较小的k，如高温意味着快速下降，较大的k，如低温意味着缓慢下降，这更符合SA过程的初衷。在0le;alpha;le;1,k是外部周期数字,Tau;0是初始温度。摘要alpha;的值和Tau;0是0.85,分别为10。给出了迭代步骤的接收速率P、上限U和下限L。在每个温度下，算法至少迭代L次，记录总迭代次数M和接受次数R。如果Mgt;L和R/Mge;P，停止迭代并降低温度。否则，继续迭代，直到上限U。
本文采用了两种停车条件。在降温过程中，若电流温度低于0.01或电流解未改变50次以上，则可以停止算法。
4) SCC算法通过SA求出最佳绿灯时间扩展
步骤1：生成每一个交叉口的绿灯时间延长的当前队列中所有路口的每个阶段基于局部问题控制器的控制规则,并把它作为初始可行解S0, tlArr;T0, nlArr;0 klArr;0;
步骤2：计算新的队列在这个绿色的时间延长和计算的成功指数delta;,其目标函数值f (S0) = -delta;。
步骤3：随机生成当前解S0的邻居Srsquo;，按照Step2提供的方法计算其目标函数值f(Srsquo;)。计算增量Delta;f = f (S′) - f (S0) ifDelta;f lt; 0, S0lArr;S′,其他生成一个随机数在[0,1]xi;。如果exp(-Delta;f / t) gt;xi;,S0lArr;S′;
步骤4 nlArr;n 1;
步骤5：如果Mgt;L和R/Mge;P，或M= =U，则转到步骤7，否则转到步骤3;
步骤6 ：klArr;k 1 tlArr;T0alpha;k;
步骤7：如果tge;0.01，且当前解未改变50次以下，转到步骤3，否则停止算法，将最优解发送给局部模糊控制器。
III. 仿真
为了评价该控制系统的性能，将其与[12]中提出的一种分布式模糊区域控制系统进行了比较，通过对一个具有四个交叉口且每个交叉口与图1所示相同的路网进行系统仿真。在该系统中，局部模糊控制器的功能与本文给出的模糊控制器相同。但没有考虑系统优化。车辆离开等待排的速度为1辆/秒，东西方向车辆的到达速度为0-1.2辆/秒，东西方向车辆的到达速度为0-1.2辆/秒，南北方向车辆的到达速度为0-1辆/秒。以各交叉口车辆平均排队数为评价指标，以3000s为仿真时间，仿真结果如图6所示。可以清楚地看到，本文所提供的模糊控制系统取得了较好的控制效果，对于较复杂的交叉口群可以获得较好的性能指标。
图6两个系统的仿真结果。
IV.结论
提出了一种由局部模糊控制器和特殊情况控制器组成的分布式模糊控制系统，实现了对一组交叉
资料编号：[4750]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
