李佳奇，黨建武

（河西學(xué)院物理與機電工程學(xué)院，甘肅張掖734000）

1 引言

在我國，隨著經(jīng)濟的持續(xù)發(fā)展，城市化進程加快，機動車輛快速增加，交通出行量不斷增長，城市交通供給嚴重不足，在這種情況下，為了提高城市道路的通行能力，減少交叉路口對車輛的延誤，人們開始研究智能交通系統(tǒng)ITS（Intelligent Transportation System）。模糊控制是一種不需要建立被控對象精確的數(shù)學(xué)模型的一種智能控制，它是基于一種規(guī)則的控制，采用的是語言型控制規(guī)則［1-2］，因而控制規(guī)則和控制機理容易被人們理解和接納。

自從 PAPPIS［3］等人將模糊邏輯［4］應(yīng)用于城市交叉路口信號控制中以來，國內(nèi)外許多學(xué)者也進行了這方面的研究工作。盡管后續(xù)也有很多人研究了雙向車流，多相位的模糊控制系統(tǒng)，但是他們大體主要是以當(dāng)前綠燈相位的車輛排隊長度和紅燈相位的車輛排隊長度為模糊控制器［5］的輸入變量，綠燈相位的綠燈延時為模糊輸出，很少考慮車頭時距［6］這個重要參數(shù)。本文就是將車頭時距考慮進去實現(xiàn)綠燈時間修正的模糊控制器輸入變量之一來提高綠信比，充分利用綠燈時間，從而提高通行能力。

2 系統(tǒng)模型

本文研究的是八車道十字路口，有機動車道和非機動車道，在機動車道用到的交通數(shù)據(jù)來自各個車道的檢測器，每一車道有兩個檢測器，一個設(shè)在停車線處稱為前端檢測器，用于檢測該車道的車輛離開數(shù)；另一個設(shè)在距停車線一定距離處稱為后端檢測器，用于檢測車輛到達數(shù)，根據(jù)檢測算法可以得到某車道上兩檢測器之間的排隊車輛數(shù)。所需考慮的車流總共有東西直行，東西左行，東西右行，南北直行，南北左行和南北右行六個相位［7-9］，交通信號控制就是決定一個周期內(nèi)的相位如何變化以及每個相位應(yīng)該分配多少時間，所以為了控制交叉口的交通信號，首先要選擇組成周期的相位。在自行車-行人流量不大的交叉口，將其合并專用相位，這時采用汽車右行和自行車分時復(fù)用一個信號相位的辦法。

3 系統(tǒng)模糊控制算法

模糊控制是模擬了人腦的思維、推理、決策的過程，所以交叉口交通信號的控制就是模仿了有經(jīng)驗的交警指揮過程，根據(jù)其指揮過程，設(shè)計了系統(tǒng)模糊控制的總體規(guī)劃方案，如圖1所示為該方案算法的組成框圖。

圖1 基于車頭時距的模糊控制系統(tǒng)組成框圖

第一級為觀測級；第二級為決策級。觀測級包括兩個模塊：紅燈相位選擇模塊和綠燈相位觀察模塊。決策級也包含兩個模塊：初級決策模塊和總決策模塊。每個模塊都是一個子模糊控制器。

算法如下：紅燈相位選擇模塊根據(jù)車輛檢測器檢測到的交通信息判斷出當(dāng)前綠燈方向外所有紅燈相位的交通狀況，計算各紅燈相位等待綠燈的緊迫度，并確定出對綠燈要求最為緊迫的紅燈相位作為下一個綠燈相位的候選相位和它的相位緊迫度，將它們傳送給初級決策模塊；綠燈相位觀察模塊根據(jù)車輛檢測器檢測到的交通信息判斷出當(dāng)前綠燈方向交通狀況，確定綠燈相位繁忙度，也將其傳送給初級決策模塊；初級決策模塊紅燈相位等待綠燈的緊迫度和綠燈相位的繁忙度，決定是切換相位還是延長當(dāng)前綠燈時間。如果是延長該相位綠燈時間，則將該相位綠燈的繁忙度傳送給綠燈時間修正模塊，該模塊根據(jù)繁忙度和該相位的車頭時距得出修正時間，從而得到了綠燈相位總的綠燈時間；如果由紅燈相位選擇模塊選出的相位緊迫度比由綠燈相位觀察模塊觀察的綠燈相位繁忙度高，那么初級決策模塊立刻進行綠燈相位的切換，這樣就不需要綠燈時間的修正。

4 模糊控制器的設(shè)計

根據(jù)上述分析研究，模糊控制器的設(shè)計包括兩大部分：第一級的觀測子系統(tǒng)和第二級決策子系統(tǒng)的設(shè)計。

4.1 觀測子系統(tǒng)的設(shè)計

4.1.1 紅燈相位選擇模塊

這個模塊的輸入是除了綠燈相位以外的所有紅燈相位交通流數(shù)據(jù)，輸出是被選出的相位（Pr）和它的相位緊迫度（Up）。Up描述了本相位的綜合交通狀況。為了選出一個緊迫度最高的相位，需要計算所有輸入相位的相位緊迫度，進行比較并從中選出相位緊迫度最高的相位作為候選相位。

（1）模糊推理前數(shù)據(jù)處理

（2）模糊推理的輸入輸出變量

輸入變量：qr和 tr；輸出變量：Ur，qr是一個紅燈相位兩個車流各自兩檢測器之間的車輛數(shù)的平均數(shù)，tr是該相位上次綠燈結(jié)束以來紅燈持續(xù)的時間，模糊語言分別是：q?r＝｛很少，少，中等，多，很多｝和；變量論域：qr的基本論域｛0，1，2，3，4，5，…，30｝，qr的離散論域｛0，3，6，9，12，15，18，21，24，27，30｝；tr的基本論域（0，120），tr的離散論域｛0，12，24，36，48，60，72，84，96，108，120｝，量化因子全部取 1。Ur是該相位交通流緊迫度，模糊語言是很低，低，中等，高，很高｝；Ur的基本論域（0，6），的離散論域｛0，1，2，4，5，6｝，量化因子也取 1。

（3）模糊推理關(guān)系

（4）模糊控制規(guī)則的確定與Matlab的實現(xiàn)

通過總結(jié)交警指揮經(jīng)驗和專家知識，建立了25條模糊控制規(guī)則，確定的原則是：當(dāng)車道上已到達的車輛數(shù)增多或紅燈持續(xù)時間增長時該相位的緊迫度要相應(yīng)的增高。本文利用Matlab工具箱中Viewsurf菜單命令可以看到模糊控制規(guī)則曲面如圖2所示。

4.1.2 綠燈相位觀察模塊

這個模塊以綠燈相位交通流數(shù)據(jù)作為輸入，產(chǎn)生的綠燈相位繁忙度（Bt）作為輸出。綠燈交通流數(shù)據(jù)選擇綠燈相位剩余車輛數(shù)（qg）和綠燈相位經(jīng)過最小綠燈時間后的綠燈延長時間（tg）。

（1）模糊推理前的數(shù)據(jù)處理

qg＝max（qg1，qg2），式中：qg1和 qg2分別為綠燈相位兩個車流停留在車道上兩檢測器之間的車輛數(shù)。

（2）模糊推理的輸入輸出變量

（3）模糊推理關(guān)系

（4）模糊控制的確定與Matlab的實現(xiàn)

通過總結(jié)實踐和專家經(jīng)驗，建立模糊控制規(guī)則，原則是：如果一個綠燈交通流延長時間增長或剩余車輛數(shù)減少，那么繁忙度將降低。同上所述，利用Matlab工具箱中Viewsurf菜單命令可以看到模糊控制規(guī)則曲面如圖3所示。

4.2 決策級子系統(tǒng)設(shè)計

4.2.1 初級決策模塊

初級決策模塊的輸入是候選相位（Pr），相位緊迫度（Up）和繁忙度（Bt），輸出是決策程度（Dc）。Pr是由紅燈相位選擇模塊選出的相位，Up是此相位的相位緊迫度，Bt是綠燈相位觀測模塊輸出的綠燈相位繁忙度。Dc決定是否將通行權(quán)付給候選相位（Pr）。

（1）模糊輸入輸出變量

該模糊控制器的輸入變量是紅燈相位的緊迫度Up和綠燈相位的繁忙度Bt，其模糊語言、基本論域以及離散論域都已經(jīng)在紅燈相位觀察模塊和綠燈相位選擇模塊設(shè)計中敘述過了，這里不再重復(fù)。

（2）模糊推理關(guān)系

（3）模糊規(guī)則的確定［10-11］與 Matlab 的實現(xiàn)

通過總結(jié)實踐和專家經(jīng)驗，建立了模糊控制規(guī)則，原則是：如果候選相位的緊迫度高或當(dāng)前綠燈相位的繁忙度低，那么這個模塊將停止當(dāng)前綠燈相位并給候選相位一個綠燈信號。利用Matlab工具箱中Viewsurf菜單命令可以看到模糊控制規(guī)則曲面圖如圖4所示。

4.2.2 綠燈相位時間修正量模塊

（1）模糊輸入輸出變量

輸入變量：綠燈延長持續(xù)時間為ET，車頭時距為GAP，ET和GAP的模糊語言是：ET＝｛短，中等，長｝，GAP＝｛小，中等，大｝。

（2）綠燈持續(xù)時間ET，車頭時距GAP以及修正時間的賦值表

如表1、2、3所示分別為綠燈持續(xù)時間ET、車頭時距GAP及修正時間的賦值表。

（3）模糊規(guī)則的確定與Matlab的實現(xiàn)

模糊規(guī)則的確定依據(jù)：綠燈持續(xù)時間長或車頭時距大，那么修正時間就長。同樣利用Matlab工具箱中Viewsurf菜單命令可以看到模糊控制規(guī)則曲面圖如圖5所示。

表1 ET的賦值表

表2 車頭時距的賦值表

表3 修正時間的賦值表

5 仿真結(jié)果及其分析

本文主要是針對某市盤旋路十字路口利用Matlab進行編程仿真的，實際測量各個交叉口的交通數(shù)據(jù)，對一段時間數(shù)據(jù)進行統(tǒng)計分析，根據(jù)分析結(jié)果生成車輛數(shù)。對于六相位（i＝6），每個相位有兩股車流（j＝2）的典型交叉口，T時間內(nèi)交叉口的每輛車的平均延誤時間可用下式表示［12］：

式中：λ為綠信比，C為信號周期，x為相位飽和度，q為車輛到達量，y為流量比率（q／S）。仿真中采用的飽和流量Sij全部取2000veh·h-1。仿真時間按1小時來計算，程序自動計算各方向的車輛到達率并計算平均延誤時間，從而考察采用不同控制策略時的交叉口的總體運行效率，仿真結(jié)果如圖6所示。

圖6中的＊曲線表示模糊控制系統(tǒng)的控制方案仿真圖，＋曲線表示基于車頭時距的模糊控制系統(tǒng)的控制方案仿真圖。從仿真圖的對比來看，經(jīng)仿真結(jié)果數(shù)據(jù)分析，在交通流低峰期，即0＜λ＜0.1時，基于車頭時距模糊控制系統(tǒng)比沒有基于車頭時距的模糊控制系統(tǒng)平均車輛延誤減少了43.561%；在交通流中峰期，即 0.1＜λ＜0.3 時，前者比后者減少了 32.658%；在交通流高峰期，即 0.3＜λ＜0.4 時，前者比后者減少了11.125%。這說明在交通流不是高峰的前提下，前者要比后者控制效果要好得多，大大減少了平均車輛的延誤時間，提高了交叉口的通行能力，仿真結(jié)果證明，有車頭時距的模糊控制系統(tǒng)明顯比沒有時的控制效果好。

6 結(jié)論

模糊控制是一種智能控制，由于其內(nèi)部并不含有最優(yōu)控制算法，所以不能針對某一性能指標(biāo)給出最優(yōu)解。因此需要改進模糊控制算法，提高模糊控制的精度。本文在自適應(yīng)模糊控制的基礎(chǔ)上增加了綠燈時間修正模糊算法，即：基于車頭時距對綠燈時間進行了微調(diào)，對模糊控制精度方面作了有益的嘗試。仿真結(jié)果表明，該算法易于實現(xiàn)且效果好。

［1］汪培莊.模糊集合論及其應(yīng)用［M］.上海：上?？萍汲霭嫔纾?983.

［2］馮冬青，謝宋和，模糊智能控制［M］.北京：化學(xué)工業(yè)出版社，1998.

［3］Pappis C P，Mamdani E H.A Fuzzy logic controler for a traffic junction［J］.IEEE Trans.on SMC，1997，7（10）：707-717.

［4］褚 靜.模糊控制原理及應(yīng)用［M］.北京：機械工業(yè)出版社，2005.

［5］華寶玉，何 迪.交叉口信號協(xié)調(diào)控制適應(yīng)性仿真研究［J］.鐵路計算機應(yīng)用，2007，（7）.

［6］陳光勤.基于車頭時距的快速公交車輛交叉口信號優(yōu)先［J］.交通與計算機，2005，（3）.

［7］Jee-Hyong Lee，Hyung Lee-Kwang.Distributed and coop erative fuzzy controllers for traffic intersections group［J］.IEEE Transactions on System，Man and Cybernetics.1999，29：263-271.

［8］陸化普，李瑞敏.智能交通系統(tǒng)概論［M］.北京：中國鐵道出版社.

［9］交通部公路科學(xué)研究所.中國智能交通體系框架研究總報告，2001.

［10］Chiu S.Adaptive traffic signal control using fuzzy logic［J］.Proceedings of the IEEE Ingelligent Vehicles Symposium.1992：98-107.

［11］J J Ostergarad.Fuzzy logic control of a heat exchange Process in fuzzy a utomata and decision processes［C］.Amsterdam：Gupta MM.Et.Eds.NorthHolland，1997，3：48-65.

［12］王長軍，盧 靜.基于思維過程的單交叉路口多相位模糊控制算法研究［J］.信息與控制，2004.