基于模糊邏輯算法的感應式信號燈仿真設計

李曉玲 劉 秀 王 琪

(東北林業大學交通學院,黑龍江 哈爾濱 150040)

隨著我國國民經濟水平及出行要求的不斷提高，我國汽車保有量不斷提升，在方便了人們出行的同時也給城市道路造成了極大的壓力[1]。在高峰時段城市主干道路與支路交叉口之間的沖突是造成擁堵的主要問題之一[2]，由于支路的集散功能有著很強的時間差異，非高峰時段匯入主路的車輛數大大減少[3]，主路與支路的車流比變化明顯，因此主干路與支路交叉口使用固定信號控制勢必會降低非高峰時段主路車流的運行效率[4]。

我國在20世紀初才開始了交通信號控制系統方面的研究，并直到20世紀70年代，我國才逐漸引進和投入使用了感應式、定周期相關的信號控制方式[5]。隨后在1980年開始實施了通過計算機來進行干道協調控制和感應控制[6]。但現在國內仍大量存在因交通信號配時不當而引起擁堵的現象，這對道路安全及交通管理均帶去了大量不便之處。國外的交通控制系統也是在這樣不斷發現問題后不斷修復中得到提高。如今較為廣泛運用的信號控制系統有以下三種[7]：一是TRANSYT系統[8]；二是SCOOT系統[9]；三是SCATS系統[10]。

研究的是一種基于模糊邏輯算法的感應式信號燈，旨在通過給予模糊邏輯算法的自適應控制來提高主干路與支路交叉口通行效率。主要根據主干路與支路的車流量比及資源利用程度得出合理的配時，對應算法得出針對主支路交叉口信號配時的優化方案，以緩解交通擁擠問題。

1 研究整體思路

將根據主干路與支路的車流量比作為輸入量，結合模糊邏輯，得出對應控制量及配時方案，后經反饋得以連續，用以緩解主干路與支路信號交叉口的交通擁擠問題，大體結構如圖1所示。

2 模糊控制器設計

美國自動控制專家Zedeh于1965年發表了他的著名論文“模糊集合”(Fuzzy Sets)，開辟了模糊控制的新領域[11]。通過matlab等相關軟件可以輕易的看出，當隸屬度函數的值越接近1，變量隸屬于模糊集合的程度越高，反之隸屬度函數的值越接近0，則表示變量隸屬于模糊集合的程度越低[12,13]。

2.1 隸屬度函數

采用人工計數在司徒街—六順街信號交叉口所得的數據及相關理論繪制了如下函數：選擇主路與支路流量比e為觀察量，選取配時方案u為控制量，將e劃分為3個模糊集，選取語言變量值為負大(NB)、零(ZO)、正大(PB)。根據實際情況，設定e的取值范圍為[1,9],輸入量e隸屬度函數如圖2所示。且以上每一板塊均為數據壓縮下對應的語言變量，而輸入數值的定性便由隸屬函數來判斷[14]。

由此得到比值e對應的模糊控制表如表1所示。

表1 e變量的模糊集

同樣，將控制量u設置為3個級別，分別為負大(NB)、零(ZO)、正大(PB)設定u的取值范圍為[-1,1]，控制量u隸屬度函數如圖3所示。

由此得到控制量u對應的模糊控制表如表2所示。

根據所確定控制量的模糊集，制定配時方案Ⅰ，配時方案Ⅱ和配時方案Ⅲ。

表2 u變量的模糊集

2.2 模糊規則

制定模糊規則：采用“IF A THEN B”的規則，描述為：當e為負大(NB)時，應采取配時方案Ⅰ，其對應的控制量u的語言變量值為負大(NB)；當e為零(ZO)時，應采取配時方案Ⅱ，其對應的控制量u的語言變量值為零(ZO)；當e為正大(PB)時，應采取配時方案Ⅲ，其對應的控制量u的語言變量值為正大(PB)。根據上述制定的模糊規則，得到模糊關系集合R。

至此，模糊控制量u便可由輸入量e與模糊集合R合成求出，具體表達式如式(1)所示。

u=e⊙R

(1)

2.3 控制器實現

通過MATLAB仿真得到的模糊面圖和模糊函數圖見圖4，圖5。

3 VISSIM模擬仿真

經過實地調查，哈爾濱市香坊區司徒街—六順街交叉口符合本方案適用條件。其中，東西向為主干道，南北向為支路，車流量相差較大，仿真數據取自該交叉口高峰時段。

仿真采用人工計數法對司徒街—六順街信號交叉口高峰時段進行調查，得到高峰時段車流量。經過實地調查，該信號交叉口為三相位交叉口，相位設置如圖6所示。

采用韋伯斯特配時法進行信號配時，具體算法如式(2)～式(6)所示。

(2)

Ge=T-L

(3)

(4)

g=ge-A+1

(5)

(6)

其中，T為最佳周期長度;Y為周期長度內各相位最大飽和度yi值之和;L=∑(l+I-A)為每個周期的損失時間;I為綠燈間隔時間;l為起動損失時間;A為黃燈時間;Q為某進口的交通量;C為對應Q的設施通行能力。計算得到配時方案如表3所示。

表3 配時方案 s

4 仿真結論

通過VISSIM仿真，將根據實際情況隨機產生的車流量比，使用該配時方案與原有配時方案進行對比。

當支路與主路的流量比為1∶10時，仿真結果如表4所示。西進口延誤下降37.4%，東進口延誤下降72.3%。當支路與主路的流量比為1∶5時，仿真結果如表5所示。西進口延誤下降8.23%，東進口延誤下降6.73%。

表4 仿真結果(流量比為1∶10)

表5 仿真結果(流量比為1∶5)

5 算法改進

在一元輸入的基礎上，考慮其他因素進行多因素融合分析來進一步提高方案的效率。選取進入該交叉口的機動車與非機動車的交通構成比例作為增加輸入量m，其論域為{0，1}；通過仿真

實驗各項指標均優于先前所提方案。