【摘要】以城市交叉口為研究對(duì)象，提出了一種基于車頭時(shí)距的綠燈時(shí)間修正算法的交通流模糊控制方案，該方案在自適應(yīng)模糊控制算法的基礎(chǔ)上，增加了綠燈時(shí)間修正算法模塊，從而對(duì)綠信比進(jìn)行了優(yōu)化，并用matlab軟件進(jìn)行了仿真研究，仿真結(jié)果表明：在相同的交通環(huán)境下該方法比沒有基于車頭時(shí)距的對(duì)綠信比進(jìn)行優(yōu)化的自適應(yīng)模糊控制系統(tǒng)方案有效。

【關(guān)鍵詞】模糊邏輯；車頭時(shí)距；六相位；模糊規(guī)則

引言

自從PAPPIS等人將模糊邏輯應(yīng)用于城市交叉路口信號(hào)控制中以來，國內(nèi)外許多學(xué)者也進(jìn)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(duì)長度和紅燈相位的車輛排隊(duì)長度為模糊控制器[5]的輸入變量，綠燈相位的綠燈延時(shí)為模糊輸出，很少考慮車頭時(shí)距[6]這個(gè)重要參數(shù)，本文就是將車頭時(shí)距考慮進(jìn)去實(shí)現(xiàn)綠燈時(shí)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(shí)間，從而提高通行能力。

1、系統(tǒng)模型及其控制算法

交叉口交通信號(hào)的控制就是模仿了有經(jīng)驗(yàn)的交警指揮過程，根據(jù)其指揮過程，設(shè)計(jì)了系統(tǒng)模糊控制的總體規(guī)劃方案。第一級(jí)為觀測級(jí)；第二級(jí)為決策級(jí)。觀測級(jí)包括兩個(gè)模塊：紅燈相位選擇模塊和綠燈相位觀察模塊。決策級(jí)也包含兩個(gè)模塊：初級(jí)決策模塊和總決策模塊。每個(gè)模塊都是一個(gè)子模糊控制器。

2、模糊控制器的設(shè)計(jì)

2.1紅燈相位選擇模塊

這個(gè)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(gè)緊迫度最高的相位，需要計(jì)算所有輸入相位的相位緊迫度，進(jìn)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）模糊推理的輸入輸出變量

輸入變量：qr和tr；輸出變量：Ur，qr是一個(gè)紅燈相位兩個(gè)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(shí)間，模糊語言分別是：={很少，少，中等，多，很多}和={很短，短，中等，長，很長}；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），Ur的離散論域{0，1，2，4，5，6}，量化因子也取1。

（2）模糊推理關(guān)系

每條模糊語句都對(duì)應(yīng)一條模糊關(guān)系：其中， i=0，1，……，24，j，k，l=0，1，……4；M1表示一種矩陣運(yùn)算關(guān)系，目的是把11×11矩陣寫成121×1列向量；分別表示這條規(guī)則對(duì)應(yīng)的向量。

（3）模糊控制規(guī)則的確定與matlab的實(shí)現(xiàn)

通過總結(jié)交警指揮經(jīng)驗(yàn)和專家知識(shí)，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(dá)的車輛數(shù)增多或紅燈持續(xù)時(shí)間增長時(shí)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。

2.2綠燈相位觀察模塊

這個(gè)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(shí)間后的綠燈延長時(shí)間（tg）。

（1）模糊推理的輸入輸出變量

輸入變量：qg和tg，qg和tg模糊語言分別是：={很少，少，多}和 ={很短，短，長}；qg的基本論域{0，1，2，3，4，5，……，30}，離散論域{0，5，10，15，20，25，30}；tg的基本論域{0，30}，離散論域{0，5，10，15，20，25，30}。輸出變量：Bt，其模糊語言是：={低，中等，高}。Bt的基本論域（0，4），離散論域{0，1，2，3，4}，量化因子全部取1。

（2）模糊推理關(guān)系

每條模糊語句都對(duì)應(yīng)一條模糊關(guān)系：，其中， i=0，1，.....，8；j，k，l=0，1，2；M1表示一種矩陣運(yùn)算關(guān)系，目的是把7×7矩陣寫成49×1列向量；分別表示這條規(guī)則對(duì)應(yīng)的向量。

（3）模糊控制的確定與matlab的實(shí)現(xiàn)

通過總結(jié)實(shí)踐和專家經(jīng)驗(yàn)，建立模糊控制規(guī)則，原則是：如果一個(gè)綠燈交通流延長時(shí)間增長或剩余車輛數(shù)減少，那么繁忙度將降低。和前面一樣，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。

2.3決策級(jí)子系統(tǒng)設(shè)計(jì)

初級(jí)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）。

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(jì)中敘述過了，這里不再重復(fù)。

每條模糊語句都對(duì)應(yīng)一條模糊關(guān)系：，其中， i=0，1，…，14；j=0，1，2，3，4；k=0，1，2；l=0，1。M1表示一種矩陣運(yùn)算關(guān)系，目的是把7×5矩陣寫成35×1列向量；分別表示這條規(guī)則對(duì)應(yīng)的向量。通過總結(jié)實(shí)踐和專家經(jīng)驗(yàn)，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(gè)模塊將停止當(dāng)前綠燈相位并給候選相位一個(gè)綠燈信號(hào)。

2.4綠燈相位時(shí)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(shí)間ET，車頭時(shí)距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(shí)間ET，車頭時(shí)距GAP以及修正時(shí)間的賦值表

模糊規(guī)則的確定依據(jù)是：綠燈持續(xù)時(shí)間長或車頭時(shí)距大，那么修正時(shí)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。

3、仿真結(jié)果及其分析

本文主要是針對(duì)某個(gè)石河子市盤旋路十字路口利用matlab軟件進(jìn)行編程仿真的，實(shí)際測量各個(gè)交叉口的交通數(shù)據(jù)，對(duì)一段時(shí)間數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，根據(jù)分析結(jié)果生成車輛數(shù)。對(duì)于六相位（i=6），每個(gè)相位有兩股車流（j=2）的典型交叉口，T時(shí)間內(nèi)交叉口的每輛車的平均延誤時(shí)間可用下式表示：

式中，λ為綠信比，C為信號(hào)周期，x為相位飽和度，q為車輛到達(dá)量，y為流量比率（q/S）。仿真中采用的飽和流量Sij全部取2000。時(shí)，基于車頭時(shí)距模糊控制系統(tǒng)比沒有基于車頭時(shí)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，即時(shí)，前者比后者減少了32.658%，在交通流高峰期，即時(shí)，前者比后者減少了11.125%。這說明了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(shí)間，提高了交叉口的通行能了，是可行的有車頭時(shí)距的模糊控制系統(tǒng)明顯比沒有時(shí)的控制效果要好得多。

4、結(jié)論

本文在自適應(yīng)模糊控制的基礎(chǔ)上增加了綠燈時(shí)間修正模糊算法，即：基于車頭時(shí)距對(duì)綠燈時(shí)間進(jìn)行了微調(diào)，對(duì)模糊控制精度方面作了有益的嘗試，仿真結(jié)果表明，該算法易實(shí)現(xiàn)且效果好。