基于混沌管制的智能交通分析

屈 展，高新芝，趙 鑫

（甘肅廣播電視大學(xué)，甘肅 蘭州730000）

0 引 言

美國(guó)鹽湖城1918年創(chuàng)造并使用了世界上第一個(gè)道路管理系統(tǒng)［1］。1930年出現(xiàn)了使用電磁感應(yīng)機(jī)構(gòu)構(gòu)建的探測(cè)器，隨后開展了超聲脈沖多普勒雷達(dá)等電子技術(shù)的研究［2］。1964年，IBM6＿50計(jì)算機(jī)因其優(yōu)良的特性被應(yīng)用于許多領(lǐng)域。其中，亞洲知名的自適應(yīng)交通管理系統(tǒng)（SCATS），是基于及時(shí)部署分時(shí)選項(xiàng)來(lái)達(dá)成對(duì)網(wǎng)絡(luò)的調(diào)解管制，包括英國(guó)的（Traffic network research tools）和 SCOOT （SPOTE ring moving optimization method）系統(tǒng)等［3］。本項(xiàng)目的研究?jī)?nèi)容是基于20世紀(jì)70年代后期至80年代中國(guó)城市迅速發(fā)展的智能交通為主的城市交通，城市道路發(fā)生r擁堵問(wèn)題［4］。在開發(fā)了智能混沌管制算法后，PapPis和Mamdani增加了算法并對(duì)其實(shí)行了評(píng)估。運(yùn)用該技術(shù)車輛的平均耽延比傳統(tǒng)技術(shù)低約7%［5］。但由于中國(guó)的基礎(chǔ)設(shè)施條件不容樂觀，人口眾多，車輛眾多等原因，其雜亂性作用實(shí)質(zhì)降低了管制效益［6］。因此如何從優(yōu)化管制成就和節(jié)能的角度策劃智能交通管制系統(tǒng)是本文的主要探討內(nèi)容。

1 交通時(shí)間序列的混沌區(qū)別

Lyapunov指數(shù)用于量度在相空間中初始條件不同的兩個(gè)相鄰軌跡是否隨時(shí)間按指數(shù)規(guī)律吸引或離散的程度［7］。這種軌跡收斂或發(fā)散的比率稱為L(zhǎng)yapunov指數(shù)。對(duì)于系統(tǒng)xn＋1＝f（xn），其Lyapunov指數(shù)為：

Lyapunov指數(shù)實(shí)際上就是系統(tǒng)在各次迭代點(diǎn)處導(dǎo)數(shù)絕對(duì)值的對(duì)數(shù)平均，在混沌的診斷中λ起著非常重要的作用：若λ＜0，系統(tǒng)收斂于不動(dòng)點(diǎn)；若λ＞0且有限，系統(tǒng)既不會(huì)穩(wěn)定在不動(dòng)點(diǎn)，也不存在穩(wěn)定的周期解，同時(shí)也不會(huì)發(fā)散，表明系統(tǒng)進(jìn)入混沌，計(jì)算出觀測(cè)獲得的混沌時(shí)間序列的最大Lyapunov指數(shù)的一種方法。但是為了求得一個(gè)好的最大Lyapunov指數(shù)的估計(jì)值，必須要求觀測(cè)時(shí)間序列具有足夠的長(zhǎng)度，而作為判斷存在混沌的鑒別方法，最大Lyapunov指數(shù)方法是適用的。

1.1 重建拓?fù)淇臻g

混沌時(shí)間序列重構(gòu)相空間的工作始于Packard等人，Packard等人建議用原始系統(tǒng)中的某變量的延遲坐標(biāo)重構(gòu)相空間。坐標(biāo)延遲相空間重構(gòu)技術(shù)有2個(gè)關(guān)鍵的地方，即嵌入維數(shù)m和時(shí)間延遲τ的確定。關(guān)于時(shí)間延遲τ和嵌入維數(shù)m的選取，主要有兩種觀點(diǎn)：一種認(rèn)為兩者是互不相關(guān)的，即τ和m的選取是獨(dú)立進(jìn)行的，包括序列相關(guān)法、相空間擴(kuò)展法、復(fù)自相關(guān)法和去偏復(fù)自相關(guān)法；另一種方法認(rèn)為兩者是相關(guān)的，即τ和m的選取是互相依賴的。如時(shí)間窗口法、C－C方法可同時(shí)計(jì)算時(shí)間延遲和時(shí)間窗口。

1.2 混沌管制器設(shè)計(jì)

在設(shè)計(jì)智能交通管制算法時(shí)，狀態(tài)變更的管制格外重要，信號(hào)管制周期不能太短，在現(xiàn)實(shí)狀態(tài)下不短于N×（15＋3）s，同樣地，信號(hào)的長(zhǎng)度不應(yīng)該太長(zhǎng)，對(duì)于駕駛員來(lái)說(shuō)很容易感覺到安全性不可靠并且不安全。因此當(dāng)車輛的延遲時(shí)間很小時(shí)，它被預(yù)先設(shè)置按最短時(shí)間行駛時(shí)，最大循環(huán)時(shí)間受到管制。

1.3 混沌控制器的輸入設(shè)計(jì)

經(jīng)過(guò)規(guī)劃設(shè)計(jì)錄入量的全面分析，混沌語(yǔ)言：

C1的語(yǔ)言值：gnll（很少），gn12（少），gn13（較少），gn14（中等），gn15（較多），gn16（多），gn17（很多）；

C2的語(yǔ)言值：rnll（很少），rn12（少），rn13（較少），rn14（中等），rn15（較多），rn16（多），rn17（很多）；

經(jīng)過(guò)綜合分析，本論文輸入C1、C2采取的是梯形和三角形混合的隸屬函數(shù)，如圖1所示。

圖1 輸入C1，C2仿真圖

從上面可以得到輸入量的混沌子集表，如表1所示。

表1 輸入量的混沌子集表

1.4 時(shí)間序列預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)方法

神經(jīng)網(wǎng)絡(luò)是一個(gè)自適應(yīng)的非線性系統(tǒng)，神經(jīng)元是并聯(lián)高度相關(guān)的計(jì)算處理單元，以一定的方式連接起來(lái)。

2 預(yù)測(cè)實(shí)例

預(yù)測(cè)實(shí)例中使用的流量數(shù)據(jù)是在2002年7月22日00：00和2002年7月26日23：59從北京圈的交互式四通道回路匯集的。采樣間隙為5 min。總共1 440個(gè)數(shù)據(jù)，流量曲線如圖2所示。

2.1 重建相空間

圖2 交通量曲線

圖3 C－C算法求延誤的計(jì)算圖

從圖2中可以看出，在t＝6時(shí)，ΔS（t）的第一個(gè)最小值被采用，并且t的范圍增加到［1－16］。當(dāng)t＝6時(shí)，函數(shù)值幾乎是Scor（t）。因此，最小值是t＝6。

經(jīng)過(guò)Matlab編程計(jì)算，延時(shí)30分鐘后，E1（m）的停止率發(fā)生變化，程序執(zhí)行圖如圖4所示，所以對(duì)應(yīng)的嵌入維數(shù)m應(yīng)取為8。

圖4 嵌入維數(shù)程序運(yùn)行圖

2.2 混沌理論和神經(jīng)網(wǎng)絡(luò)合作的預(yù)測(cè)

為了評(píng)估預(yù)測(cè)的準(zhǔn)確性，假設(shè)最后的n個(gè)業(yè)務(wù)量丟失，將Nn預(yù)測(cè)為訓(xùn)練樣本，然后將預(yù)測(cè)值與實(shí)際值進(jìn)行比較以計(jì)算預(yù)測(cè)準(zhǔn)確度，圖5顯示了用于計(jì)算絕對(duì)誤差作為評(píng)估實(shí)際值和歸一化絕對(duì)誤差圖的指標(biāo)的值比較圖。

圖5 使用混沌時(shí)間序列預(yù)測(cè)的交通量預(yù)測(cè)值a與實(shí)際值b的比較

傳統(tǒng)的混沌控制考慮了車輛各個(gè)階段對(duì)交通道口控制的影響，以保持獨(dú)特交通系統(tǒng)的動(dòng)態(tài)特性，而多級(jí)混沌控制則基于車輛到達(dá)率、緊急程度、階段考慮優(yōu)先級(jí)和控制變化的影響。

3 結(jié)論與展望

使用混沌時(shí)間序列的分析方法雖然步驟繁多，而且研究體系內(nèi)不少理論和方法都存在爭(zhēng)議和討論，但是混沌時(shí)間序列的分析方法伴隨著混沌理論的定量化、模型化的發(fā)展在交通預(yù)測(cè)領(lǐng)域已初顯其精度優(yōu)勢(shì)，本文依托混沌理論研究交通量關(guān)于時(shí)間的演變行為，并與啟發(fā)式的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)相耦合，統(tǒng)計(jì)指標(biāo)顯示了初步優(yōu)化的效果；而進(jìn)一步的研究將圍繞交通系統(tǒng)內(nèi)多變量的時(shí)間序列分析方法展開討論，并應(yīng)該深入探討包括神經(jīng)網(wǎng)絡(luò)方法在內(nèi)的多種預(yù)測(cè)方法與混沌動(dòng)力系統(tǒng)分析耦合的可行性和適用性，以期得到更精準(zhǔn)的預(yù)測(cè)效果。