陸 琳，張 虹，宋美劍

（貴州財(cái)經(jīng)大學(xué)，貴州 貴陽 550004）

1 引言

經(jīng)濟(jì)社會(huì)的迅速發(fā)展給城市交通帶來了巨大壓力，常用的擴(kuò)大交通基礎(chǔ)設(shè)施建設(shè)的做法因受制于政府財(cái)政約束，作用空間已不大，在現(xiàn)有城市硬件設(shè)施的基礎(chǔ)上，利用現(xiàn)代信息技術(shù)開發(fā)城市智能交通管理和控制系統(tǒng)對(duì)解決目前日益緊張的城市交通問題就顯得尤為必要了。Chiu[1]設(shè)計(jì)了一個(gè)雙輸入雙輸出的模糊決策系統(tǒng)用于多交叉口交通網(wǎng)絡(luò)；劉智勇[2]提出一種遞階模糊神經(jīng)網(wǎng)絡(luò)交通控制方法，采用控制子系統(tǒng)和協(xié)調(diào)層以提高控制精度。現(xiàn)有文獻(xiàn)所構(gòu)建模型主要是采用結(jié)構(gòu)參數(shù)固定的模糊控制系統(tǒng)，對(duì)于復(fù)雜環(huán)境下的城市交通控制問題，不確定因素和子系統(tǒng)間的相互藕合作用增多，結(jié)構(gòu)參數(shù)固定的模糊控制系統(tǒng)顯然無法處理此類問題。針對(duì)這一問題，本文提出了一種新的分級(jí)模糊控制器，用于交叉路口交通流的控制與優(yōu)化。

2 分級(jí)模糊控制器設(shè)計(jì)及應(yīng)用

2.1 分級(jí)模糊控制器結(jié)構(gòu)

分級(jí)模糊控制器的效能在于有效減少規(guī)則數(shù)，易于提取模糊規(guī)則。基于這一思想，設(shè)計(jì)分級(jí)模糊控制器如圖1所示。

在圖1中，綠燈增益模塊和紅燈損失模塊（第一級(jí)模塊）分別根據(jù)各車道上安裝的信號(hào)檢測器檢測該車道的交通信息情況，并通過該信息來判斷當(dāng)前該模塊交通流方向的交通擁堵狀況，確定綠燈增益模塊繁忙度和紅燈損失模塊的緊急度，并且兩模塊同時(shí)將確定結(jié)果傳輸給判決模塊（第二集模塊），再由判決模塊比較兩模塊的的繁忙度和緊急度，決定當(dāng)前綠燈是否調(diào)整跳轉(zhuǎn)。綠燈增益模塊的輸入量采用當(dāng)前綠燈相位信號(hào)燈轉(zhuǎn)換的瞬間為起點(diǎn)開始計(jì)時(shí)，記錄下在規(guī)定時(shí)間內(nèi)通過該車道的車輛數(shù)作為變量X的論域，t=10S。紅燈損失模塊的輸入量是采用當(dāng)前紅燈相位的上游車道檢測器所檢測到的排隊(duì)等待通行的車輛數(shù)和紅燈持續(xù)累計(jì)時(shí)間作為變量Y的論域。綠燈增益模塊的輸出為綠燈繁忙度，紅燈損失模塊的輸出為紅燈緊急度。第二級(jí)的判決模塊根據(jù)第一級(jí)兩個(gè)模塊輸出量的信息，在經(jīng)過一系列的模糊推理運(yùn)算后，將所得的結(jié)果做出判斷對(duì)比，從而決定綠燈是否調(diào)整跳轉(zhuǎn)，做出相應(yīng)的模糊決策，并把該決策模糊化為一個(gè)實(shí)數(shù)值輸出，其范圍取(0～1)。當(dāng)被反模糊化后的這個(gè)實(shí)數(shù)值超過某個(gè)特定值時(shí)，綠燈調(diào)整跳轉(zhuǎn)，否則綠燈保持不變。

2.2 模糊規(guī)則的設(shè)計(jì)與提取

（1）在綠燈增益模塊中，為了實(shí)現(xiàn)模糊控制將離開車輛數(shù)模糊化，需要將綠燈時(shí)間分為A,B兩部分：A部分主要采集交叉路口當(dāng)前相位上車輛狀態(tài)參數(shù)，采集時(shí)間為10s；B部分是對(duì)模糊決策的延時(shí)，判斷依據(jù)為當(dāng)前兩個(gè)方向車流量的變化量。同時(shí)保證車輛的行車速度不超過25km/h，則在10s內(nèi)通過該路口的車輛數(shù)大約為10輛，計(jì)時(shí)起點(diǎn)均以當(dāng)前綠燈相位的信號(hào)燈轉(zhuǎn)換的瞬間為準(zhǔn)，變量X的論域?yàn)?0s內(nèi)通過的車輛數(shù)，取(1-10)，并將其分為五個(gè)模糊子集:很少、少、中等、多、很多，其從屬函數(shù)如圖2所示。

（2）在紅燈損失模塊中，因?yàn)橛绊戄斎肓縔的變化論域?yàn)榈竭_(dá)車輛數(shù)的車隊(duì)排隊(duì)長度。以貴陽市某些路段的交叉路口在不同時(shí)段車流量的實(shí)測數(shù)據(jù)為依據(jù)分析，本系統(tǒng)的檢測距離為100m左右。通常情況下，車輛間距與車輛本身的長度平均為5m左右，所以輸入量Y的變化論域?yàn)?0-20)。并將其分為五個(gè)模糊子集: 很多、多、中等、少、很少，其從屬函數(shù)如圖3所示。

（3）本系統(tǒng)以不同相位間交通信號(hào)燈的轉(zhuǎn)化作為系統(tǒng)的輸出量。且各個(gè)相位間的關(guān)系都在于對(duì)當(dāng)前綠燈的延時(shí)。貴陽市某些路段的交叉路口在不同時(shí)段車流量的實(shí)測數(shù)據(jù)為依據(jù)分析，本系統(tǒng)對(duì)直行取30s，左行取10s，則該相位綠燈延時(shí)的論域分別為(0-30)和(0-10)，并將其分為5個(gè)模糊子集：很長、長、適中、短、很短，其從屬函數(shù)如圖4所示。

（4）本系統(tǒng)采用矩陣方式對(duì)模糊控制規(guī)則進(jìn)行設(shè)計(jì)，并根據(jù)現(xiàn)有相關(guān)知識(shí)和交警的實(shí)際操作來確定本系統(tǒng)的模糊規(guī)則。其具體控制規(guī)則見表1。

在表1中，當(dāng)綠燈增益模塊和紅燈損失模塊方向間的車流狀態(tài)處于互補(bǔ)時(shí)，本系統(tǒng)對(duì)綠燈的延時(shí)均取“適中”，其目的是為了保證兩個(gè)模塊在車流量相差不多的情況下，盡可能快速地均衡疏散當(dāng)前的車流。表1中共包含了如下多條條件語句：

規(guī)則1：X=很少，且Y=很少，則t2=很短；

規(guī)則2：X=很少，且Y=很少，則t2=很短；

規(guī)則3：X=很少，且Y=中等，則t2=很短；

規(guī)則4：X=很少，且Y=多，則t2=很短；

規(guī)則5：X=很少，且Y=多，則t2=很短；

規(guī)則6：X=少，且Y=很少，則t2=很短；

規(guī)則7：X=少，且Y=少，則t2=很短；

規(guī)則8：X=少，且Y=中等，則t2=短；

規(guī)則9：X=少，且Y=多，則t2=適中；

規(guī)則10：X=少，且Y=很多，則t2=長；

規(guī)則11：X=中等，且Y=很少，則t2=很短；

規(guī)則12：X=中等，且Y=少，則t2=短；

規(guī)則13：X=中等，且Y=中等，則t2=適中；

規(guī)則14：X=中等，且Y=多，則t2=長；

規(guī)則15：X=中等，且Y=很多，則t2=很長；

規(guī)則16：X=多，且Y=很少，則t2=短；

規(guī)則17：X=多，且Y=少，則t2=適中；

規(guī)則18：X=多，且Y=中等，則t2=長；

規(guī)則19：X=多，且Y=多，則t2=很長；

規(guī)則20：X=多，且Y=很多，則t2=很長；

規(guī)則21：X=很多，且Y=很少，則t2=適中；

規(guī)則22：X=很多，且Y=少，則t2=長；

規(guī)則23：X=很多，且Y=中等，則t2=很長；

規(guī)則24：X=很多，且Y=多，則t2=很長；

規(guī)則25：X=很多，且Y=多，則t2=很長。

運(yùn)用模糊推理算法對(duì)結(jié)果進(jìn)行還原計(jì)算，然后再輸出精確量。

2.3 模糊隸屬度函數(shù)調(diào)整方法

分級(jí)模糊控制器對(duì)較多的輸入?yún)?shù)進(jìn)行了分塊分級(jí)處理，但仍然包含了較多的隸屬度函數(shù)，若憑經(jīng)驗(yàn)知識(shí)選取隸屬函數(shù)，帶有較大的主觀性，并且，固定系統(tǒng)參數(shù)模糊控制器在應(yīng)對(duì)大幅度波動(dòng)交通流狀況時(shí)，控制效果較差。根據(jù)交通的實(shí)際狀況對(duì)模糊控制器隸屬度函數(shù)進(jìn)行自適應(yīng)調(diào)整，并且利用智能優(yōu)化算法調(diào)整分級(jí)模糊控制器的隸屬度函數(shù)，可以改善控制系統(tǒng)的效果。源于遺傳算法（GA）的分布估計(jì)算法（EDAs）是一種新的智能優(yōu)化算法，其原理是采用群體中先進(jìn)的個(gè)體，即適應(yīng)度較高個(gè)體，然后統(tǒng)計(jì)其概率分布作為進(jìn)化模型產(chǎn)生下一代子群，更能反映變量間的相互關(guān)系，準(zhǔn)確度也更高。本文提出的分級(jí)模糊控制器運(yùn)作采取如下步驟：（1）初始化隸屬度函數(shù)，進(jìn)行模糊控制；（2）統(tǒng)計(jì)交叉路口交通參數(shù)，計(jì)入歷史數(shù)據(jù)庫中；（3）交通流模擬器根據(jù)歷史數(shù)據(jù)庫交通參數(shù)模擬交通流，運(yùn)用EDAs優(yōu)化交通流模擬器，找出適合于當(dāng)前交通流的模糊隸屬度函數(shù)，將其送入模糊控制器加以更新。

2.4 仿真實(shí)驗(yàn)

以貴陽市中山路實(shí)測數(shù)據(jù)為依據(jù)，該交叉口為3*3，12條交通路段的十字路口。根據(jù)實(shí)測，車輛的平均時(shí)速為35km/h，車輛直行的統(tǒng)計(jì)概率為0.65，左轉(zhuǎn)為0.2，右轉(zhuǎn)為0.15。EDAs算法設(shè)置如下：N=2 000，Se=600。根據(jù)路段的實(shí)地調(diào)查，定時(shí)控制器平均通行車輛的平均等待時(shí)間為5.52s/輛，而采用分級(jí)模糊控制器通行車輛的平均等待時(shí)間縮短為4.67s/輛，優(yōu)化達(dá)15.4%,顯示該分級(jí)模糊控制器能提高道路的使用效率，效果較好。

3 結(jié)束語

本文針對(duì)當(dāng)前交叉口信號(hào)燈管理的現(xiàn)狀提出一種新的分級(jí)模糊控制器，通過設(shè)定模糊規(guī)則及提取方法，降低了規(guī)則數(shù)目，并運(yùn)用EDAs算法根據(jù)不同的交通情況自適應(yīng)地調(diào)整控制器隸屬度函數(shù)，從而使分級(jí)模糊控制器取得更好的交通控制效果。

[1]SChiu,SCh and.Adaptive traffic signal using fuzzy logic[J].International Conference on Fuzzy System,1993,(2):1371-1376.

[2]劉志勇,等.城市交通大系統(tǒng)遞階模糊神經(jīng)網(wǎng)絡(luò)控制[J].信息與控制,1997,26(6):441-447.