李 欣，李海華

（哈爾濱理工大學(xué) 測(cè)控技術(shù)與通信工程學(xué)院，黑龍江 哈爾濱 150080）

隨著經(jīng)濟(jì)的發(fā)展，交通需求和交通量成為城市交通網(wǎng)絡(luò)中急需解決的問(wèn)題，智能交通系統(tǒng)為改善和提高交通發(fā)揮了重要的作用，其中，交通信號(hào)控制是智能交通系統(tǒng)的一個(gè)重要方面，平面交叉口的控制是交通信號(hào)控制的基礎(chǔ)。交通信號(hào)控制系統(tǒng)具有較強(qiáng)的非線性、模糊性和不確定性，用傳統(tǒng)的控制理論和方法很難對(duì)其進(jìn)行有效的控制，如傳統(tǒng)的定時(shí)控制和感應(yīng)控制具有很明顯的缺點(diǎn)。把先進(jìn)技術(shù)應(yīng)用與交通路口的信號(hào)控制是一個(gè)新的研究方向。從模糊控制算法在智能交通控制領(lǐng)域的應(yīng)用可知，模糊控制基本上都是應(yīng)用在單路口交通控制上。對(duì)于復(fù)雜的多路口智能交通控制即區(qū)域智能交通控制上，目前研究的還相當(dāng)少。本文采用模糊控制的方法，綜合考慮了相鄰路口之間車流量相互影響的因素，根據(jù)相鄰上下游路口信號(hào)配時(shí)和車流量對(duì)相位實(shí)施不同的配時(shí)方案，從而提高了整個(gè)區(qū)域的通行能力，緩解了交通壓力。

1 模糊控制系統(tǒng)的原理及基本結(jié)構(gòu)

模糊控制 （Fuzzy Control）[1]的基本思想是把人類專家對(duì)特定的被控對(duì)象或過(guò)程的控制策略總結(jié)成一系列以 IF（條件）THEN（作用）形式表示的控制規(guī)則，通過(guò)模糊推理得到控制作用集，作用于被控對(duì)象或過(guò)程?？刂谱饔眉癁橐唤M條件語(yǔ)句，狀態(tài)條件和控制作用均為一組被量化了的模糊語(yǔ)言集，如“正大”、“負(fù)大”、“高”、“低”、“正常”等。 它們共同構(gòu)成控制過(guò)程的模糊算法。

模糊控制系統(tǒng)結(jié)構(gòu)是由給定輸入、模糊控制器、對(duì)象、反饋信號(hào)與給定輸入的相加環(huán)節(jié)等組成。模糊控制系統(tǒng)結(jié)構(gòu)框圖[2]如圖1所示。

圖1 模糊控制系統(tǒng)結(jié)構(gòu)基本框圖Fig.1 Fundamental structure of fuzzy control system

圖中S為系統(tǒng)的設(shè)定值，是精確量；e、c為系統(tǒng)偏差與偏差變化率，均是精確量；E、C為經(jīng)模糊量化處理后，偏差與偏差變化率的模糊量；U為模糊量的偏差與偏差變化率，經(jīng)模糊控制規(guī)則近似推理處理后，得到模糊量的控制作用；u為對(duì)模糊量的控制作用 U，經(jīng)模糊判決，得到模糊控制器輸出的精確量的控制作用u，去控制被控對(duì)象。

模糊控制器（FLC）主要由4個(gè)部分組成：模糊化處理，模糊規(guī)則庫(kù)，模糊推理機(jī)和逆模糊化處理[3]。

1.1 模糊化處理

模糊化處理部分即精確輸入量的模糊化，它實(shí)現(xiàn)了從確定量的輸入空間Ψ?Rn到定義在Ψ上的模糊集的映射。這些模糊集都是由某一個(gè)隸屬函數(shù)：Ψ→[0，1]來(lái)表征，并由語(yǔ)言性語(yǔ)句如“小”，“中”，“很大”來(lái)標(biāo)記。

常用的模糊化方法是單元素集合模糊化（Singleton Fuzzifier）。它把Ψ∈x映射到Ψ模糊集Ax，其隸屬函數(shù)為：

由于實(shí)際中輸入值通常是連續(xù)變化的，所以必須將輸入量變化范圍由相關(guān)專家評(píng)定來(lái)分成若干等級(jí)，以便使輸入量對(duì)應(yīng)有限個(gè)模糊集。定義模糊集隸屬函數(shù)通常采用三角形模糊數(shù)與梯形模糊數(shù)。假設(shè)輸入量的變化范圍設(shè)定為區(qū)間[-6，6]，離散化將其變成含 13個(gè)整數(shù)的集合：

當(dāng)然也可將問(wèn)題簡(jiǎn)化而成為 7個(gè)整數(shù)之集：{-3，-2，-1，0，1，2，3，4，5，6}。并根據(jù)需要將其分成若干個(gè)等級(jí)，每個(gè)等級(jí)對(duì)應(yīng)一個(gè)模糊集。 例如 7級(jí)：正大（PB）、正中（PM）、正?。≒S）、零（Z0）、負(fù)?。∟S）、負(fù)中（NM）、負(fù)大（NB）。

1.2 模糊規(guī)則庫(kù)

控制規(guī)則是模糊控制器的核心，模糊規(guī)則庫(kù)包含形如“if-then”的語(yǔ)言規(guī)則，對(duì) M 條規(guī)則：Rj：IF x1isand x2isand …and xnisTHEN U is Bj。 其中， j＝1，2，3，…….，M：xi（1，2，…，N）是模糊控制系統(tǒng)的輸入變量；和 Bj是模糊隸屬函數(shù) μ（xi）和 μB（μ）分別表征的語(yǔ)言 A 性語(yǔ)句。每一條 Rj都可以看作一個(gè)模糊蘊(yùn)涵，

1.3 模糊推理機(jī)

仿照人腦的模糊推理過(guò)程，在模糊自動(dòng)控制中也有一個(gè)推理法則，以便在實(shí)時(shí)輸入時(shí)做出模糊決策。常用的模糊推理方法有廣義前向推理和廣義逆向推理兩種方法。模糊控制規(guī)則采用“IF--THEN--”形式，IF部分是規(guī)則的前提，THEN部分是規(guī)則的結(jié)論。如果已知規(guī)則的前提，求結(jié)論，稱作廣義前向推理；若已知規(guī)則的結(jié)論求前提，則稱為廣義逆向推理。模糊推理一般采用廣義前向推理方法。

模糊推理利用模糊規(guī)則確定了從輸入空間Ψ上的模糊集到輸出空間R上的模糊集之間的映射。設(shè)Ax是Ψ上任意一個(gè)模糊集，則每一條確定了一個(gè)R上的模糊集，即

其中算子“*”可取 min，sup 取 max。

1.4 逆模糊化處理

逆模糊化處理就是實(shí)現(xiàn)模糊量到確定量的轉(zhuǎn)化，因?yàn)槭芸剡^(guò)程只能接受一個(gè)確定的控制量，逆模糊化處理部分把R上的模糊集映射到確定點(diǎn)（crisp points）Ax。Rj（j=1，2，3……m）常用的逆模糊化是加權(quán)平均法，這種方法也稱為重心法（Centriod Defuzzifier）， 它實(shí)現(xiàn)了從 R 上的模糊集 Ax?Rj到精確量的映射：

其中Uj是中的μBj（u）達(dá)到最大值的那個(gè)點(diǎn)（一般假定

2 模糊控制器的設(shè)計(jì)

控制器本身采用相序優(yōu)化，即除了當(dāng)前綠燈相位外，所有的紅燈相位中交通要求最嚴(yán)重的相位優(yōu)先放行?？刂破靼?個(gè)模塊:相序優(yōu)化模塊[4]，綠燈判斷模塊和相位切換模塊，如圖2所示。

圖2 控制器結(jié)構(gòu)Fig.2 Structure of controller

每個(gè)模塊都有自己的模糊規(guī)則。相序優(yōu)化模塊用來(lái)評(píng)價(jià)除當(dāng)前綠燈相位外所有紅燈相位的交通情況，然后選擇交通情況最緊急的相位為下一個(gè)優(yōu)先放行的候選綠燈相位。綠燈判斷模塊用來(lái)評(píng)價(jià)當(dāng)前綠燈相位的交通情況，從而對(duì)是否該停止放行當(dāng)前綠燈相位做出判斷。相位切換模塊根據(jù)前兩個(gè)模塊的輸出來(lái)決定是否需要進(jìn)行綠燈相位切換?？刂破髅扛粢欢〞r(shí)間運(yùn)算一次。該控制器體現(xiàn)了相位序列和綠燈相位時(shí)間隨實(shí)際交通環(huán)境動(dòng)態(tài)改變的原則。交通流信息對(duì)控制器的實(shí)時(shí)控制效果起著決定性的影響。我們假定每個(gè)交叉口的每條進(jìn)口引道上都安裝有檢測(cè)器，每個(gè)檢測(cè)器應(yīng)能計(jì)算出經(jīng)過(guò)的車輛數(shù)[5-6]。

2.1 相序優(yōu)化模塊

相序優(yōu)化模塊用來(lái)決定下一個(gè)優(yōu)選的綠燈相位。它的輸入是除當(dāng)前綠燈相位外所有紅燈相位的交通情況，而輸出是交通要求最緊急的紅燈相位及其優(yōu)先PDP。PDP反映了對(duì)應(yīng)紅燈相位的緊急程度，相序優(yōu)化模塊能計(jì)算所有紅燈相位PDP（The priority degree of a phase）， PDP 反映了對(duì)應(yīng)紅燈相位的緊急程度，相序優(yōu)化模塊能計(jì)算所有紅燈相位 PDP，然后把PDP最大的紅燈相位作為下一個(gè)候選綠燈相位。

為了計(jì)算 PDP，相序優(yōu)化模塊 N以 NCar，RTime，STime和 FNCar作為它的模糊輸入。NCar表示交叉口某紅燈相位中某車道檢測(cè)器檢測(cè)到的車輛數(shù) （排隊(duì)長(zhǎng)度），其語(yǔ)言值：Z（零），S（小），M（中），L（大），VL（很大）；RTime 表示該車道上的紅燈延續(xù)時(shí)間，其語(yǔ)言值：Z（零），S（?。?，M（中），L（大），VL（很大）；這兩個(gè)輸入反映了該交叉口本身的交通狀況。STime為上有交叉口和當(dāng)前交叉口的相位差，如果沒(méi)有上游交叉口可設(shè)STime為無(wú)窮大 ，其語(yǔ)言值和 RTime的語(yǔ)言值相似；FNCar為當(dāng)前交叉口和下游交叉口之間的車輛數(shù)，如果下游沒(méi)有交叉口可設(shè) FNCar為 0，其語(yǔ)言值為：S（小）， L（大）；這兩個(gè)輸入反映了相鄰交叉口間的耦合。相序優(yōu)化模塊的輸出是：Urgency；即該車道的交通緊急度，其語(yǔ)言值為：Z（零），S（?。琈（中），L（大），VL（很大）。

相序優(yōu)化模塊的模糊規(guī)則是這樣的：Urgency正比于NCar和 RTime，也就是說(shuō)，當(dāng)某一車道上兩檢測(cè)器間的車輛數(shù)越多，且（或）該車道上的紅燈延續(xù)時(shí)間越長(zhǎng)，那么該車道上的交通情況越緊急，Urgency越大；對(duì)于信號(hào)一致性，如果上游交叉口和該交叉口該車道之間的相位差距標(biāo)準(zhǔn)相位差越長(zhǎng)，該車道的 Urgency也越大；如果 FNCar越多，表明下游有太多的車輛在等待，那么應(yīng)該減小該車道的Urgency。相序優(yōu)化模塊有36條模糊規(guī)則，表1列舉了部分規(guī)則。

表1 相序優(yōu)化模塊的部分規(guī)則Tab.1 Part regular of phase optim ization module

2.2 綠燈判斷模塊

綠燈判斷模塊根據(jù)當(dāng)前綠燈相位的交通情況，來(lái)決定是否停止該綠燈相位的放行。它輸出一個(gè)叫停止度SDGP（the stop degree of the green phase）的變量，SDGP表示控制器該停止當(dāng)前綠燈相位放行的可能性。類似于相序優(yōu)化模塊，綠燈判斷模塊以 Orate，RNCar和 FNCar作為模糊輸入。Orate表示交叉口綠燈相位中某車道的出口車流率，其語(yǔ)言值：Z（零），L（低），H（高）；RNCar 表示車道上滯留著的車輛數(shù)（正在等待通過(guò)排隊(duì)數(shù)），其語(yǔ)言值：Z（零），L（低），H（高）。這兩個(gè)輸入定義了本交叉口的綠燈時(shí)間使用率和交通堵塞情況，代表了本交叉口的車流信息。FNCar的定義和相序優(yōu)化模塊中的一樣。綠燈判斷模塊的輸出是當(dāng)前綠燈相位該車道的停止度，用來(lái)衡量是否該停止當(dāng)前該車道的放行。其語(yǔ)言值：N（否），M（可能），Y（是）。

基本思想是：如果綠燈相位中各車道的駛出率較大，且（或）各車道滯留的車輛數(shù)較多，那么應(yīng)該考慮繼續(xù)放行該綠燈相位；如果下游交叉口中與當(dāng)前交叉口放行車道相連的車道上滯留較多的車輛，那么應(yīng)該立即停止當(dāng)前綠燈相位的放行。綠燈判斷模塊有10條規(guī)則，表2列舉了它的部分規(guī)則。

表2 綠燈判斷模塊的部分規(guī)則Tab.2 Part regular of green lamp judge m odu le

2.3 相位切換模塊

相位切換模塊的輸入分別是相序優(yōu)化模塊的輸出 PDP'和綠燈判斷模塊的輸出 SDGP。輸出是相位切換權(quán)（Switch），用來(lái)衡量是否該將放行相位切換到由相序優(yōu)化模塊得到的優(yōu)先權(quán)最大的那個(gè)候選綠燈相位，其語(yǔ)言值：N（否）和 Y（是），如果清晰化后的切換度大于某一設(shè)定的閥值，那么控制器就切換當(dāng)前的綠燈相位到候選綠燈相位。

基本思想：如果候選相位的優(yōu)先權(quán)很高，且當(dāng)前綠燈相位的停止權(quán)很大，那么馬上進(jìn)行相位切換。相位切換模塊有15條規(guī)則，表3列舉了相位切換模塊的部分規(guī)則。

表3 相位切換模塊的部分規(guī)則Tab.3 Part regular of green phase switch module

3 結(jié) 論

城市交通的智能控制成為今后發(fā)展的必然趨勢(shì)，模糊控制應(yīng)用到交通控制系統(tǒng)，可能會(huì)帶來(lái)新的突破。模糊邏輯是一種處理不確定性、非線性等問(wèn)題的有力工具，能夠表示模糊及定性知識(shí)，從而可以模仿人類的推理過(guò)程。針對(duì)有城市區(qū)域道路交通狀況，文中提出了基于模糊控制原則的區(qū)域協(xié)調(diào)控制算法，該方法不采用統(tǒng)一的信號(hào)周期，而是由相鄰交叉口間相互平衡，從這一點(diǎn)看，可以減少車輛的平均延誤。隨著現(xiàn)在路面車輛的大量增多和人們對(duì)交通信號(hào)管理的不斷重視，它必定會(huì)有一個(gè)廣泛的應(yīng)用前景。

[1]王立新.模糊系統(tǒng)與模糊控制教程[M].北京:清華大學(xué)出版社，2003.

[2]李艷，樊曉平.基于模糊控制的城市交叉路口群信號(hào)控制及仿真[J].交通運(yùn)輸工程學(xué)報(bào)，2008，3（2）：117-119.LI Yan，F(xiàn)AN Xiao-ping.Fuzzy logic control and simulation of urban traffic intersections group[J].Journal of Traffic and Transportation Engineering，2008，3（2）：117-119.

[3]陳淑燕，陳森發(fā)，吳明贊.單路口交通的多相位實(shí)時(shí)模糊控制[J].系統(tǒng)工程理論與實(shí)踐，2008，13（1）:110-115.CHEN Shu-yan， CHEN Sen-fa， WU Ming-zan.Real-time fuzzy control for multiphase traffic signals in isolated intersection[J].System Engineering-Theory and Practice，2008，13（1）:110-115.

[4]李偉，李潤(rùn)梅，何東之.一種道路交叉口多相位模糊控制方法及其仿真[J].公路交通科技，2010，22（6）：126-129.LI Wei， LI Run-mei， HE Dong-zhi.A fuzzy control method for multiphase intersection and its simulation[J].Journal of Highway and Transportation Research and Development，2010，22（6）:126-129.

[5]趙忠杰，劉小強(qiáng)，謝光秋.單交通路口變相位變周期信號(hào)控制[J].長(zhǎng)安大學(xué)學(xué)報(bào)：自然科學(xué)版，2009，6（25）：70-72.ZHAO Zhong-jie， LIU Xiao-qiang， XIE Guang-qiu.Changeable phases and changeable periods signal control at traffic intersection[J].Journal of Chang’an University:Natural Science Edition，2009，6（25）:70-72.

[6]尹宏斌，徐建閩.一種信號(hào)交叉口模糊交通控制方法[J].華南理工大學(xué)學(xué)報(bào)，2007，28（12）：22-25.YIN Hong-bin，XU Jian-min.A method of fuzzy traffic control of signalized intersection[J].Journal of South China University of Technology:Natural Science Edition，2007，28（12）:22-25.