陳大山 孫 劍 李克平

(同濟(jì)大學(xué)道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室 上海 200092)

0 引 言

高速公路主線可變限速控制是提高高速公路主線行車(chē)安全和交通效率的重要措施,在各國(guó)得到廣泛的應(yīng)用.可變限速的速度值應(yīng)該隨著交通狀況、天氣狀況和路面狀況的變化而發(fā)生相應(yīng)的變化.車(chē)輛行駛的速度分布越離散,交通事故的風(fēng)險(xiǎn)越大[1-2],提供可參考的最佳行駛速度,可以使得車(chē)速分布相對(duì)集中,影響最佳速度值的因素是多方面的,其計(jì)算方法也有所不同,傳統(tǒng)的計(jì)算方法有2種:(1)統(tǒng)計(jì)法,是依據(jù)統(tǒng)計(jì)數(shù)據(jù)確定最佳速度值,所以實(shí)時(shí)性較差;(2)數(shù)學(xué)模型法,是靠建立數(shù)學(xué)模型來(lái)計(jì)算,其模型的建立和各項(xiàng)參數(shù)的確定也比較困難.鑒于此,國(guó)內(nèi)外許多學(xué)者采用了智能控制的方法來(lái)研究可變限速控制[3-4],在此基礎(chǔ)上,文中給出的最佳速度綜合算法,是針對(duì)高速公路主線實(shí)際情況,充分利用實(shí)時(shí)檢測(cè)到的交通狀況、環(huán)境狀況等與速度密切相關(guān)的信息,先按照模糊規(guī)則進(jìn)行模糊推理,再應(yīng)用神經(jīng)網(wǎng)絡(luò)來(lái)記憶和學(xué)習(xí)模糊規(guī)則,同時(shí)使用遺傳算法對(duì)神經(jīng)網(wǎng)絡(luò)的初始權(quán)值進(jìn)行標(biāo)定,避免其陷入局部極值,加快收斂速度.由此得到的最佳速度實(shí)時(shí)性好,準(zhǔn)確性高,可為高速公路主線可變限速控制提供可靠的依據(jù),產(chǎn)生良好的經(jīng)濟(jì)效應(yīng)[5-6].

1 模糊設(shè)計(jì)

最佳速度模糊控制器的輸入量有2個(gè),即路段上的車(chē)輛數(shù)量和行車(chē)環(huán)境綜合評(píng)價(jià)指標(biāo)值;輸出量只有一個(gè),即高速公路路段的車(chē)輛最佳行駛速度,如圖1所示.其中,行車(chē)環(huán)境綜合評(píng)價(jià)指標(biāo)值采用模糊邏輯得到一個(gè)具體的指標(biāo)值,行車(chē)環(huán)境綜合評(píng)價(jià)指標(biāo)值的模糊控制器的設(shè)計(jì)如圖2所示.

圖1 最佳行駛速度模糊控制器

圖2 行車(chē)環(huán)境綜合評(píng)價(jià)指標(biāo)值模糊控制器

行車(chē)環(huán)境綜合評(píng)價(jià)指標(biāo)值模糊控制器的輸入量有兩個(gè),分別為天氣指標(biāo)值和路況指標(biāo)值,因?yàn)樘鞖夂吐窙r的確定存在一定的模糊性,對(duì)于天氣的描述分為5個(gè)語(yǔ)言變量:w1(差),w2(較差),w3(一般),w4(較好),w5(好),其取值范圍為 0～10,越大天氣越好;對(duì)于路況的描述也分為5個(gè)語(yǔ)言變量:r1(差),r2(較差),r3(一般),r4(較好),r5(好),其取值范圍為0～10,越大路況越好.同時(shí),v(行車(chē)環(huán)境綜合評(píng)價(jià)指標(biāo)值)分為:v1(低),v2(較低),v3(一般),v4(較高),v5(高)5個(gè)語(yǔ)言變量值,值范圍為0～10,越大越好.

模糊推理規(guī)則為

其中:i=1,2,3,4,5;j=1,2,3,4,5;k=1,2,…,25;共有25條規(guī)則.行車(chē)環(huán)境綜合評(píng)價(jià)指標(biāo)值的模糊規(guī)則表如表1所列.

表1 指標(biāo)值模糊規(guī)則表

對(duì)于車(chē)輛行駛速度模糊控制器,與行車(chē)環(huán)境綜合評(píng)價(jià)指標(biāo)值模糊控制器類(lèi)似,在此不贅述.

行車(chē)環(huán)境綜合評(píng)價(jià)指標(biāo)控制器的輸入語(yǔ)言變量有2個(gè)為天氣和路況,天氣、路況描述隸屬度函數(shù)曲線如圖3所示,圖4為行車(chē)環(huán)境綜合評(píng)價(jià)指標(biāo)值的隸屬度函數(shù)曲線,圖5為該模糊推理系統(tǒng)的輸出曲線,圖6為最佳速度模糊推理系統(tǒng)輸出曲線;隸屬度函數(shù)全部采用正態(tài)型,清晰化計(jì)算采用最為常用的加權(quán)平均法.

圖3 天氣、路況描述隸屬度函數(shù)曲線

2 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)權(quán)值

圖4 指標(biāo)值隸屬度函數(shù)曲線

圖5 指標(biāo)值模糊推理系統(tǒng)輸出曲面

圖6 速度模糊推理系統(tǒng)輸出曲面

BP神經(jīng)網(wǎng)絡(luò)具有高度非線性和較強(qiáng)的泛化能力,但也存在收斂速度慢、迭代步數(shù)多、易于陷入局部極小和全局搜索能力差等缺點(diǎn).采用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值進(jìn)行優(yōu)化,首先是在解析空間找出較好的搜索空間,再用BP網(wǎng)絡(luò)在相對(duì)較小的搜索空間內(nèi)搜索最優(yōu)解,這樣就可以防止BP神經(jīng)網(wǎng)絡(luò)陷入局部極小,使得收斂的速度更加的快,迭代的步驟相對(duì)的減少(見(jiàn)圖7).

BP神經(jīng)網(wǎng)絡(luò)限速控制模型中,輸入變量有兩個(gè),一個(gè)是單位長(zhǎng)度上車(chē)輛數(shù)量n,另一個(gè)是行車(chē)環(huán)境綜合評(píng)價(jià)指標(biāo)值v,輸出變量為速度的限制值s,因此輸入層神經(jīng)元為2個(gè),輸出層神經(jīng)元為1個(gè).在確定了輸入輸出變量后,需要進(jìn)行尺度變換,尺度變換常常將它們變換到[-1,1]或[0,1]的范圍;采用 Matlab函數(shù) premnmx(),tramnmx()和函數(shù)postmnmx()進(jìn)行相應(yīng)的數(shù)據(jù)變換處理,隱含層的神經(jīng)元數(shù)目為10個(gè).

遺傳算法的主要參數(shù)選定為:種群n=100,遺傳交叉率Pc=0.5和變異率Pm=0.06,適應(yīng)度函數(shù)為

式中:μi為期望的控制輸出值為控制的輸出值.遺傳算法訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)權(quán)值的數(shù)據(jù)源來(lái)源于最佳速度模糊推理系統(tǒng)產(chǎn)生的300組數(shù)據(jù).

圖7 遺傳算法標(biāo)定神經(jīng)網(wǎng)絡(luò)權(quán)值

3 仿 真

應(yīng)用標(biāo)定好初始權(quán)值的BP神經(jīng)網(wǎng)絡(luò)來(lái)學(xué)習(xí)和記憶最佳行駛速度模糊推理系統(tǒng),400組數(shù)據(jù)來(lái)源于最佳行駛速度推理系統(tǒng)產(chǎn)生的新數(shù)據(jù).圖8和圖9分別是未優(yōu)化權(quán)值和優(yōu)化權(quán)值的BP神經(jīng)網(wǎng)絡(luò)誤差訓(xùn)練曲線.

圖8 未優(yōu)化權(quán)值訓(xùn)練誤差曲線

圖9 優(yōu)化權(quán)值后訓(xùn)練誤差曲線

設(shè)仿真時(shí)選定時(shí)間點(diǎn) 21個(gè),此路段最高限速為100 km/h,時(shí)間間隔為10 min,路段上的車(chē)輛數(shù)、天氣、路況和仿真輸出速度見(jiàn)表2所列.

表2 最佳行駛速度仿真

由仿真結(jié)果可以看出,隨著交通量、天氣狀況和路面狀況的變化,可變限速的速度值發(fā)生了相應(yīng)的變化.通過(guò)可變限速標(biāo)志,把最佳行駛速度參考值提供給駕駛員,可使車(chē)速分布相對(duì)集中,減少駕駛員駕駛強(qiáng)度,從而降低交通事故的風(fēng)險(xiǎn).

4 結(jié)束語(yǔ)

高速公路車(chē)輛的不合理的行駛速度是影響通行能力和誘發(fā)交通事故的重要原因,確定合理的最佳行駛速度具有重要的意義.本文闡述的綜合算法,充分利用與速度密切相關(guān)的天氣狀況、道路狀況與交通狀況來(lái)確定最佳行駛速度,克服了傳統(tǒng)算法的缺陷,為最佳行駛速度的確定提供了更為科學(xué)的方法,為高速公路可變限速控制提供了更合理的依據(jù),可使高速公路通行能力增加、行程時(shí)間減少,并且有效的減少事故的發(fā)生和降低駕駛員的駕駛強(qiáng)度.如何把影響行駛速度的主觀、客觀因素進(jìn)行更加詳細(xì)的分析和建模,以及可變限速對(duì)安全的影響評(píng)價(jià)是本文下一步研究的方向.

[1]裴玉龍,程國(guó)柱.高速公路車(chē)速離散性與交通事故的關(guān)系及車(chē)速管理研究[J].中國(guó)公路學(xué)報(bào),2004,17(1):74-78.

[2]Liu G.Provincial wide travel speed and traffic safety study in Saskatchewan[J].T ransportation Research Record 1595,1997:8-13.

[3]梁新榮,劉智勇,毛宗源.高速公路模糊神經(jīng)網(wǎng)絡(luò)限速控制與仿真研究[J]公路交通科技,2005,22(11):123-125.

[4]李寶家,黃小原.高速公路交通的變速限模糊控制[J].控制工程,2002,9(3):45-47.

[5]Krause B.Intelligent highway by fuzzy logic:congestion detection and traffic control on multi-lane roads with variable road signs[C]//Proceedings of the 5th IEEE International Conference on Fuzzy Systems,1996:1832-1837.

[6]雋志才,姚宏偉,朱泰英,等.高速公路可變限速系統(tǒng)的社會(huì)經(jīng)濟(jì)影響評(píng)價(jià)[J].公路交通科技,2004,21(5):104-108.