莫紅 郝學(xué)新

時(shí)變論域下紅綠燈配時(shí)的語(yǔ)言動(dòng)力學(xué)分析

莫紅1郝學(xué)新1

城市道路不同時(shí)刻的車(chē)流量變化很大,建立與車(chē)流量變化相適應(yīng)的紅綠燈動(dòng)態(tài)配時(shí)模型有利于緩解交通擁堵,減少出行者的等待時(shí)間.本文通過(guò)綜合時(shí)變論域、平行控制理論、語(yǔ)言動(dòng)力系統(tǒng)(Linguistic dynamic system,LDS),提出了一種新的紅綠燈控制方法.該方法以紅綠燈不同時(shí)刻周期時(shí)長(zhǎng)所形成的序列為時(shí)變論域,由各相位的排隊(duì)長(zhǎng)度確定對(duì)應(yīng)的通行序列與時(shí)長(zhǎng),得到時(shí)變論域下紅綠燈配時(shí)方案.該方案形成一個(gè)由實(shí)時(shí)車(chē)流數(shù)據(jù)驅(qū)動(dòng)的動(dòng)態(tài)模糊規(guī)則庫(kù)來(lái)對(duì)紅綠燈配時(shí)周期及相位通行序列與時(shí)長(zhǎng)進(jìn)行動(dòng)態(tài)調(diào)整,進(jìn)而形成紅綠燈配時(shí)演化過(guò)程的語(yǔ)言動(dòng)力學(xué)軌跡,最后通過(guò)實(shí)例驗(yàn)證該方案的有效性.

紅綠燈配時(shí),時(shí)變論域,模糊邏輯,語(yǔ)言動(dòng)力系統(tǒng)

近年來(lái),交通系統(tǒng)的理論與方法研究受到了人們的廣泛關(guān)注[1?3].然而,交通系統(tǒng)作為一個(gè)復(fù)雜系統(tǒng),行人、機(jī)動(dòng)車(chē)輛行為的隨機(jī)性及不可預(yù)測(cè)性增加了對(duì)其建立精確數(shù)學(xué)模型的難度,采用傳統(tǒng)的方法對(duì)交通系統(tǒng)進(jìn)行控制很難達(dá)到令人滿意的效果.尤其是在車(chē)輛及行人集中的交叉路口,各種交通流(機(jī)動(dòng)車(chē)、非機(jī)動(dòng)車(chē)和行人)反復(fù)地合流、分流及交叉,使得交通狀況異常復(fù)雜,所以城市交通擁堵主要集中在交叉口處,因此,提高交叉路口的通行效率是緩解交通擁堵的關(guān)鍵之一.

紅綠燈是疏導(dǎo)交叉路口交通流的一種有效方法,合理的紅綠燈配時(shí)方案有利于提高道路通行能力,減少交通事故的發(fā)生.傳統(tǒng)的紅綠燈控制大都采用固定信號(hào)周期、固定時(shí)長(zhǎng)和固定相位轉(zhuǎn)換次序的方法,無(wú)法對(duì)路口信號(hào)進(jìn)行實(shí)時(shí)、經(jīng)濟(jì)的控制,因而經(jīng)常出現(xiàn)“綠燈無(wú)車(chē)紅燈堵”的現(xiàn)象,在早晚高峰期及節(jié)假日尤為明顯.

隨著計(jì)算機(jī)交通控制系統(tǒng)、傳感器技術(shù)、電子技術(shù)和智能控制的發(fā)展,通過(guò)信息化手段實(shí)現(xiàn)的智能交通系統(tǒng)[4](Intelligent transport system,ITS)管理調(diào)度交通資源,為解決當(dāng)前道路交通擁堵問(wèn)題提供了一條有效途徑.在智能交通系統(tǒng)中,先進(jìn)的信息技術(shù)、數(shù)據(jù)通訊傳輸技術(shù)、電子傳感技術(shù)、電子控制技術(shù)及計(jì)算機(jī)處理技術(shù)等被集成運(yùn)用于整個(gè)地面交通管理系統(tǒng),并建立起一種在大范圍內(nèi)、全方位發(fā)揮作用的實(shí)時(shí)、準(zhǔn)確、高效的綜合交通運(yùn)輸管理系統(tǒng)[5].

針對(duì)交通燈配時(shí)不合理這一現(xiàn)象,Pappis等在1977年開(kāi)始智能紅綠燈的研究[6],提出了通過(guò)建立模糊規(guī)則庫(kù)或者專(zhuān)家系統(tǒng)對(duì)各種交通狀況進(jìn)行控制[7],并取得了很好的效果.Bi等[8]和Balaja等[9?10]針對(duì)路網(wǎng)中多個(gè)路口建立二型模糊控制器,然而二型模糊集合控制器增加了計(jì)算的復(fù)雜性,且不適用于單交叉路口.Collotta等[11]通過(guò)無(wú)線傳感器網(wǎng)絡(luò)(Wireless sensor networks,WSN)收集路口車(chē)流數(shù)據(jù),對(duì)多相位路口建立多個(gè)平行模糊控制器,分別進(jìn)行模糊決策.Abbas等[12]提出了一種改進(jìn)的車(chē)流數(shù)據(jù)收集及紅綠燈配時(shí)方法,并通過(guò)仿真驗(yàn)證了該方法的優(yōu)越性.在國(guó)內(nèi),陳洪等在Pappis的基礎(chǔ)上,設(shè)計(jì)了多級(jí)模糊控制器[13],Li等討論了深度增強(qiáng)學(xué)習(xí)與平行系統(tǒng)理論在紅綠燈配時(shí)及交通流控制中的應(yīng)用[14?15],Abdi等研究了模糊集合在交通方面的應(yīng)用主要針對(duì)短時(shí)交通流量的預(yù)測(cè)[16?17]和實(shí)時(shí)控制計(jì)算[18].

另外,國(guó)內(nèi)還運(yùn)行著一些自適應(yīng)信號(hào)控制系統(tǒng),如 SCOOT(Split-cycle-oあset optimization technique)與SCATS(Sydney coordinated adaptive traきc system)等,但由于其控制原理等多方面的限制,在過(guò)飽和狀態(tài)下的控制效果不佳,其目前的版本SCOOT MC3[19](Managing congestion,communication and control)中,雖然加入了擁堵監(jiān)控模塊,但也只能處理常發(fā)性擁堵,不能很好地處理異常情況導(dǎo)致的偶發(fā)性擁堵.針對(duì)實(shí)時(shí)路況,一些自適應(yīng)學(xué)習(xí)算法也被廣泛應(yīng)用于路口的信號(hào)控制,如Wiering等研究了基于車(chē)輛投票的強(qiáng)化學(xué)習(xí)優(yōu)化模型,通過(guò)估計(jì)每個(gè)車(chē)輛的等待時(shí)間決定配時(shí)方案[20],Box等將具有人工干預(yù)的監(jiān)督學(xué)習(xí)和時(shí)間差分強(qiáng)化學(xué)習(xí)應(yīng)用于信號(hào)配時(shí)優(yōu)化[21?22],劉臍鍾等提出將改進(jìn)的遺傳算法用于區(qū)域交通信號(hào)的優(yōu)化控制模型中[23],Bingham使用神經(jīng)網(wǎng)絡(luò)調(diào)整模糊交通信號(hào)控制器的成員函數(shù),使用強(qiáng)化學(xué)習(xí)評(píng)估神經(jīng)網(wǎng)絡(luò)采用行為的效用,改進(jìn)了模糊控制的效果[24],以上研究結(jié)果均證明自適應(yīng)控制效果優(yōu)于定時(shí)控制、感應(yīng)式控制等.

針對(duì)復(fù)雜系統(tǒng)建模、分析、控制與管理問(wèn)題,國(guó)內(nèi)學(xué)者于1995年提出了語(yǔ)言動(dòng)力系統(tǒng)(Linguistic dynamic systems,LDS)理論.在LDS理論中,詞計(jì)算代替常規(guī)的數(shù)值與符號(hào)計(jì)算,以期從語(yǔ)言的層次上解決復(fù)雜系統(tǒng)的建模、分析、控制與評(píng)估問(wèn)題,形成關(guān)于復(fù)雜系統(tǒng)狀態(tài)演化的動(dòng)態(tài)描述,并在2004年提出了平行系統(tǒng)理論[25?26],構(gòu)建了平行交通管理系統(tǒng)的體系框架[27].為了有效解決交叉路口紅綠燈配時(shí)問(wèn)題,建立與交通流狀況相一致的紅綠燈配時(shí)方案,本文通過(guò)綜合時(shí)變論域[28]、語(yǔ)言動(dòng)力學(xué)理論[29]及平行控制理論[26],提出了平行紅綠燈的理論與方法,來(lái)對(duì)紅綠燈的配時(shí)策略進(jìn)行實(shí)時(shí)調(diào)整,并提出平行控制策略.本文中,時(shí)變論域理論被用來(lái)描述其周期及定義在該周期上的各相位配時(shí)的模糊集合.

本文的紅綠燈配時(shí)具有以下特點(diǎn):首先,模糊集合所在論域隨時(shí)間變化而改變,以描述紅綠燈的配時(shí)周期隨交通流的變化而改變的情形,且模糊集合的隸屬函數(shù)根據(jù)周期的變化狀況進(jìn)行實(shí)時(shí)調(diào)整;其次,本文配時(shí)方案對(duì)應(yīng)的模糊規(guī)則庫(kù)由人工紅綠燈在各種交通流狀況下,以出行者平均等待時(shí)間最短為目標(biāo)經(jīng)過(guò)計(jì)算實(shí)驗(yàn)的結(jié)果而得;再次,本文的配時(shí)方案是實(shí)時(shí)的,即在不同的時(shí)間,隨著交通流的變化,配時(shí)周期及各相位的時(shí)長(zhǎng)與交通流的狀況相適應(yīng);最后,本文采用時(shí)變論域下的語(yǔ)言動(dòng)力系統(tǒng)結(jié)合平行控制理論來(lái)對(duì)紅綠燈配時(shí)的演化過(guò)程進(jìn)行動(dòng)態(tài)描述,這也是本文獨(dú)有的.對(duì)交通流進(jìn)行有效的引導(dǎo)和調(diào)度,能夠使交通流保持在一個(gè)平穩(wěn)的運(yùn)行狀態(tài),避免或者緩和交通擁擠,有利于提高交通流通行效率,減少交通事故,降低污染與能源消耗.

本文安排如下,第1節(jié)介紹相關(guān)定義與術(shù)語(yǔ);第2節(jié)針對(duì)紅綠燈配時(shí)設(shè)計(jì),給出了基于平行控制的紅綠燈系統(tǒng)的結(jié)構(gòu)方案及數(shù)據(jù)處理流程;第3節(jié)建立了人工紅綠燈系統(tǒng)的配時(shí)方案;第4節(jié)根據(jù)某交叉路口24小時(shí)內(nèi)不同時(shí)間段的配時(shí)方案進(jìn)行動(dòng)態(tài)設(shè)計(jì)及語(yǔ)言動(dòng)力學(xué)演化分析;第5節(jié)為本文小結(jié).

1 預(yù)備知識(shí)

1.1 一型模糊集合與隸屬函數(shù)

1965年,Zadeh提出模糊集合理論[30].設(shè)ω為論域?上的模糊集合,表示為

這里,稱(chēng)ω為?上的一型模糊集合,μω(·)被稱(chēng)為模糊集合ω的隸屬函數(shù),μω(x)稱(chēng)為x對(duì)于ω的隸屬度,且0≤μω(x)≤ 1.

若?為一個(gè)連通的單因素論域,表示為?=[x1,xn],對(duì)應(yīng)的模糊集合通常為一個(gè)分段連續(xù)函數(shù),即

1.2 時(shí)變論域

論域?yàn)檠芯繉?duì)象全體構(gòu)成的集合,若集合中的元素隨時(shí)間改變,則稱(chēng)該論域?yàn)闀r(shí)變論域[28],記為?t.若對(duì)任意t,都有?t=?,則稱(chēng)恒定論域.一般情況下,取 t=1,···,n,···,則形成一個(gè)時(shí)變論域序列

簡(jiǎn)記為{?n,n∈N},N 為自然數(shù).若論域?n是離散的,記為

稱(chēng)?n為離散時(shí)變論域.若每一個(gè)?n連通,即

則稱(chēng)?n為連通時(shí)變論域.

當(dāng)論域隨時(shí)間發(fā)生變化時(shí),對(duì)應(yīng)的模糊集合的隸屬函數(shù)隨之改變,根據(jù)論域變化的特點(diǎn),時(shí)變論域被分成遞增型、遞減型及波動(dòng)型三種情況.

1.3 語(yǔ)言動(dòng)力系統(tǒng)

在LDS中,詞計(jì)算代替了常規(guī)的數(shù)值符號(hào)計(jì)算.對(duì)于一個(gè)控制系統(tǒng)來(lái)說(shuō),其狀態(tài)方程、輸出方程、反饋方程經(jīng)過(guò)抽象化以轉(zhuǎn)化為對(duì)應(yīng)的語(yǔ)言形式,即語(yǔ)言動(dòng)力系統(tǒng)的狀態(tài)方程、輸出方程與反饋方程[29]:

LDS的狀態(tài)方程

LDS的輸出方程

LDS的反饋方程

其中,Z={0,1,···,K},X(k)∈IN為系統(tǒng)的狀態(tài)詞,Y(k)∈IP為輸出詞,V(k)∈IQ為輸入詞,U(k)∈IP為控制詞,k∈{1,2,···,n,···}為離散的時(shí)間序列,且F,H,R均為模糊邏輯算子,分別定義了LDS的系統(tǒng)、輸出及控制映射.若該系統(tǒng)為自治系統(tǒng),當(dāng)U(k)=F?(X(k))時(shí),將輸出方程代入反饋方程,再代入狀態(tài)方程,則

給定初始狀態(tài)X(0),由式(9)可得X(1),如此下去,有

這樣形成了關(guān)于初始狀態(tài)的語(yǔ)言動(dòng)力學(xué)軌跡.

1.4 平行交通系統(tǒng)

平行交通系統(tǒng)(ACP)由人工交通系統(tǒng)(Artifi cial systems)、計(jì)算實(shí)驗(yàn)(Computational experiment)及平行執(zhí)行(Parallel execution)三部分組成[25].綜合考慮各方面的因素,采用理論建模等方法建立與實(shí)際系統(tǒng)“等價(jià)”的人工系統(tǒng),解決實(shí)際交通系統(tǒng)無(wú)法用傳統(tǒng)方法建模的難題[31],通過(guò)二者的相互作用,完成對(duì)實(shí)際交通系統(tǒng)的管理與控制,對(duì)相關(guān)行為和決策的實(shí)驗(yàn)與評(píng)估,相應(yīng)地調(diào)節(jié)各自的控制與管理方式.本文結(jié)合時(shí)變論域、平行交通系統(tǒng)及語(yǔ)言動(dòng)力系統(tǒng)開(kāi)展紅綠燈配時(shí)方面的工作.

2 紅綠燈配時(shí)系統(tǒng)結(jié)構(gòu)

為了實(shí)現(xiàn)對(duì)單交叉路口紅綠燈時(shí)長(zhǎng)的實(shí)時(shí)調(diào)整,本文提出一種根據(jù)實(shí)時(shí)車(chē)流數(shù)據(jù)調(diào)整配時(shí)周期、相位順序及各相位綠燈時(shí)長(zhǎng)的平行(ACP)控制方案,結(jié)構(gòu)如圖1所示,該系統(tǒng)包括人工紅綠燈、計(jì)算實(shí)驗(yàn)和平行執(zhí)行三個(gè)層次.

圖1 紅綠燈系統(tǒng)結(jié)構(gòu)Fig.1 Architecture of traきc light timing system

人工紅綠燈為與實(shí)際紅綠燈“等價(jià)”的虛擬系統(tǒng),包括與實(shí)際路況同步運(yùn)行的虛擬路口與虛擬的交通流,通過(guò)數(shù)據(jù)采集傳輸?shù)葘?shí)時(shí)路況數(shù)據(jù)傳輸至虛擬路口,包括實(shí)際路況運(yùn)行情況、配時(shí)決策模塊,其中,配時(shí)決策模塊為平行系統(tǒng)中的計(jì)算實(shí)驗(yàn)?zāi)K,具體分為以下幾個(gè)模塊:

1)相序決策模塊,根據(jù)各相位實(shí)時(shí)車(chē)流數(shù)據(jù)計(jì)算相位優(yōu)先級(jí),作為下一周期相位執(zhí)行順序;

2)周期決策模塊,由該路口歷史車(chē)流數(shù)據(jù)經(jīng)模糊決策確定該時(shí)段內(nèi)周期所在區(qū)間,作為各相位配時(shí)的論域;

3)紅綠燈配時(shí)模塊,根據(jù)時(shí)變論域理論及模糊集合的詞計(jì)算,由實(shí)時(shí)數(shù)據(jù)計(jì)算各相位綠燈時(shí)長(zhǎng).

紅綠燈配時(shí)模塊中,給出交叉路口人工紅綠燈配時(shí)方案,根據(jù)交叉路口特征及車(chē)輛排隊(duì)長(zhǎng)度Wi,i=1,···,n,給出各種不同的配時(shí)周期與各相位時(shí)長(zhǎng)的配時(shí)方案,并將各種不同的配時(shí)周期與相位時(shí)長(zhǎng)加載于人工紅綠燈,通過(guò)計(jì)算實(shí)驗(yàn)得出不同配時(shí)周期及相位時(shí)長(zhǎng)下的出行者平均等待時(shí)間,進(jìn)一步得出各相位在給定排隊(duì)長(zhǎng)度下,以出行者等待時(shí)間最短為目標(biāo)的配時(shí)周期與相位時(shí)長(zhǎng)的方案,所有不同排隊(duì)長(zhǎng)度下的最優(yōu)配時(shí)周期與相位時(shí)長(zhǎng)形成模糊配時(shí)規(guī)則庫(kù),也就是說(shuō),本文中紅綠燈配時(shí)方案是由交通流狀況預(yù)先決定的.

計(jì)算實(shí)驗(yàn)層中,根據(jù)收集到的交通流數(shù)據(jù)確定各相位在本周期內(nèi)采集到的最大車(chē)流排隊(duì)長(zhǎng)度,該數(shù)據(jù)經(jīng)過(guò)兩次計(jì)算處理,如圖2所示,通過(guò)相序決策模塊計(jì)算相位優(yōu)先等級(jí),將紅綠燈配時(shí)模塊作為模糊控制器的輸入,經(jīng)模糊化、模糊決策及逆模糊化等過(guò)程計(jì)算得到各相位綠燈時(shí)長(zhǎng).計(jì)算得到的配時(shí)方案經(jīng)平行執(zhí)行層輸入到實(shí)際紅綠燈中,紅綠燈執(zhí)行層通過(guò)實(shí)際紅綠燈與人工紅綠燈的相互連接,對(duì)二者之間的行為進(jìn)行對(duì)比和分析,完成對(duì)各自未來(lái)的狀況的“借鑒”和“預(yù)估”,相應(yīng)地調(diào)節(jié)各自的控制方式,進(jìn)而實(shí)施有效的配時(shí)方案.

圖2 數(shù)據(jù)處理流程Fig.2 Data processing procedure

3 時(shí)變論域下紅綠燈配時(shí)的計(jì)算實(shí)驗(yàn)

根據(jù)實(shí)際情況,一天內(nèi)的不同時(shí)間段,交通流量的變化十分明顯,紅綠燈的配時(shí)周期需要進(jìn)行相應(yīng)調(diào)整,以提高交通流通行效率.本文以配時(shí)周期為論域,給出時(shí)變論域下配時(shí)周期的詞描述及平行控制策略,并結(jié)合相位優(yōu)先級(jí)計(jì)算動(dòng)態(tài)配時(shí)方案.

3.1 時(shí)變論域下紅綠燈周期及配時(shí)的詞描述

設(shè){?1,?2,···,?k,···}為波動(dòng)型連通時(shí)變論域序列,且?k連通,記為

對(duì)于三叉路口來(lái)說(shuō),通常設(shè)置為三個(gè)相位P1,P2,P3.實(shí)際情況下,每個(gè)相位的綠燈時(shí)間不低于7s,黃燈時(shí)間設(shè)置為3s.因此,一個(gè)周期的配時(shí)最少為30s.考慮到駕駛員的心理承受能力及其他因素,正常情況下,一個(gè)周期時(shí)長(zhǎng)不多于150s,早晚高峰期可以適當(dāng)延長(zhǎng),以適應(yīng)車(chē)流量較大的狀況.設(shè)?(t)為論域,T(t)為持續(xù)時(shí)間,t為?(t)上的時(shí)間變量,t=0,1,2,···,形成時(shí)變論域序列

令 ?k=[0,30+20k],k=0,1,2,···,6,有:

其中

令Ti為各相位Pi分配的通行時(shí)間,有T=T1+T2+T3,其中,分別為相位Pi的綠燈和黃燈時(shí)間,i=1,2,3.綜上,有:

設(shè){ωjk,j∈Z+}為定義在對(duì)應(yīng)論域上的模糊集合,其隸屬函數(shù)隨著論域的變化而改變:

其中,C0=0,Cm0+1=30+20k,且

f0(x), ···,fm(x), ···,fmo(x) 分別為對(duì)應(yīng)論域[c0,c1],···,(cm,cm+1],···,(cm0,cm0+1]上的連續(xù)函數(shù).

例如,論域?k上5個(gè)基詞“很短”、“短”、“中”、“長(zhǎng)”、“很長(zhǎng)”(分別表示為V S、S、M、L、V L).如在論域[0,30+20k](k=0,1,···,6)上的模糊集合“很長(zhǎng)”(V L)定義為

3.2 配時(shí)方案

令Li為相位Pi的等候車(chē)輛排隊(duì)長(zhǎng)度,用5個(gè)模糊集合(基詞)“很短、短、中、長(zhǎng)、很長(zhǎng)”覆蓋,每一相位Pi的排隊(duì)長(zhǎng)度Li可以通過(guò)攝像頭采集得到.Ti為相位Pi分配的綠燈與黃燈時(shí)間之和,5個(gè)模糊集合“很短、短、中、長(zhǎng)、很長(zhǎng)”(S?、S、M、L、L?)定義在對(duì)應(yīng)論域上.令ωit為定義在論域?(t)上的各相位配時(shí)的模糊集合,對(duì)于三相位的T型交叉路口,考慮所有可能的情況,建立模糊規(guī)則R,模糊規(guī)則由模糊規(guī)則Ri,i=1,···,5構(gòu)成,每個(gè)Ri包含25條規(guī)則,表示如下(以R1為例):

同理,當(dāng)L1分別取模糊值時(shí),對(duì)應(yīng)的模糊規(guī)則分別為R2、R3、R4、R5.綜上,有:

通過(guò)路口攝像頭對(duì)路況的采集,將得到的車(chē)流長(zhǎng)度數(shù)據(jù)模糊化后輸入模糊控制器,從而相應(yīng)的模糊規(guī)則被激活,由匹配度法,計(jì)算出下一時(shí)刻的配時(shí)周期及各相位的配時(shí)時(shí)長(zhǎng).針對(duì)實(shí)時(shí)交通流量的各種情況,模糊規(guī)則給出了相應(yīng)的配時(shí)周期及各相位時(shí)長(zhǎng),根據(jù)實(shí)時(shí)數(shù)據(jù)對(duì)模糊控制規(guī)則進(jìn)行調(diào)整,由運(yùn)算結(jié)果對(duì)實(shí)時(shí)交通流量進(jìn)行控制,從而形成閉環(huán)控制策略,能夠達(dá)到較好的控制效果.

3.3 相位優(yōu)先級(jí)的計(jì)算

對(duì)于同一交叉路口,不同時(shí)刻各個(gè)相位的交通流量呈現(xiàn)出不同的規(guī)律,因此,根據(jù)交叉路口交通流量實(shí)時(shí)調(diào)整相位序列有利于提高交通通行效率.本文根據(jù)實(shí)時(shí)排隊(duì)長(zhǎng)度來(lái)計(jì)算相位優(yōu)先級(jí).

對(duì)某三叉路口設(shè)置p=3個(gè)相位(假設(shè)右轉(zhuǎn)不受紅綠燈限制),如圖3所示,每個(gè)相位有l(wèi)條車(chē)道,則各相位的優(yōu)先級(jí)別可由以下公式計(jì)算得到:

圖3 路口相位設(shè)置Fig.3 Traきc light phases

這里,P1,P2,P3分別為相位1,2,3的優(yōu)先級(jí)別,NA1,NA2,NB,NC分別表示交通流方向Tf-A1,Tf-A2,Tf-B,Tf-C上的車(chē)道數(shù)量,Ln,Lm,Li,Lj分別為方向Tf -A1第n,Tf-A2第m,Tf-B第i,Tf-C第j條車(chē)道的排隊(duì)長(zhǎng)度.

相位優(yōu)先級(jí)是根據(jù)該時(shí)刻周期內(nèi)檢測(cè)到的最大車(chē)流長(zhǎng)度在該周期將要結(jié)束時(shí)計(jì)算得到,得到各相位的優(yōu)先等級(jí)后,相序決策模塊將確定下一周期內(nèi)的相位運(yùn)行順序.結(jié)合時(shí)變論域下的紅綠燈的模糊配時(shí)算法得到下一周期內(nèi)的配時(shí)方案.

4 實(shí)例分析

本文以北京市海淀區(qū)某T型路口為例,南北直行的雙向四車(chē)道為主干道,東西雙向二車(chē)道為次干道,如圖4所示.相關(guān)設(shè)定如表1所示.該路口交通狀況較為復(fù)雜,且呈現(xiàn)出一定的規(guī)律性.

表1 交叉路口相關(guān)設(shè)定Table 1 Related notations

圖4 T型路口示意圖Fig.4 The intersection under study

4.1 周期時(shí)長(zhǎng)的語(yǔ)言動(dòng)力學(xué)分析

通過(guò)對(duì)上述路口進(jìn)行數(shù)據(jù)采集,將一天的時(shí)間以5分鐘為單位,劃分為288個(gè)時(shí)間段,檢測(cè)每個(gè)時(shí)間段內(nèi)通過(guò)該路口的車(chē)流總量,通過(guò)攝像頭每隔5分鐘從現(xiàn)場(chǎng)獲取一組交通流數(shù)據(jù),該組數(shù)據(jù)就表示當(dāng)前時(shí)刻所處時(shí)間段的實(shí)時(shí)交通數(shù)據(jù).本文對(duì)全年數(shù)據(jù)進(jìn)行抽樣調(diào)查,抽取不同月份(2、3、12月份)其中三個(gè)星期(不包括節(jié)假日)的數(shù)據(jù),求其平均值,得到流量變化曲線如圖5～7所示.

由圖5可知,工作日內(nèi)在凌晨 1:30～6:00,各相位車(chē)流量 “極小”,6:01～6:30,各相位車(chē)流量為 “很小”,6:31～7:00,各相位車(chē)流量為 “中”,7:00～8:30 各相位車(chē)流量為 “極大”,8:31～12:00 各 相 位 車(chē) 流 量 為 “很 大”,12:01～13:30,車(chē)流量為“大”,13:31～16:30,為“很大”,16:31～19:30,為“極大”,17:31～22:00,為“很大”,22:01～23:00,為 “中”,23:01～1:00,為 “小”,1:01～1:30,為“極小”.根據(jù)車(chē)流量不同時(shí)刻的變化規(guī)律及控制策略,設(shè)定凌晨1:30～6:00時(shí)間段的交通信號(hào)燈為黃燈閃爍的警示信號(hào),隨后各時(shí)間段的周期設(shè)定為

圖5 工作日車(chē)流量Fig.5 Traきc fl ow of workdays

圖6 雙休日車(chē)流量Fig.6 Traきc fl ow of weekends

圖7 工作日與雙休日車(chē)流量對(duì)比Fig.7 Comparison of traきc fl ow between workdays and weekends

這樣就得到工作日路口相位周期的語(yǔ)言動(dòng)力學(xué)軌跡.

同理,雙休日如圖可得,早高峰稍有延后,且晚高峰稍有提前.凌晨1:30～6:00同樣設(shè)置為黃燈閃爍的警示信號(hào),其余時(shí)間段內(nèi)可得新的語(yǔ)言動(dòng)力學(xué)軌跡為

4.2 各相位配時(shí)的語(yǔ)言動(dòng)力學(xué)分析

設(shè)右轉(zhuǎn)車(chē)輛以禮讓行人為前提不受紅綠燈限制.相位設(shè)置如圖3所示:南北直行為相位一(P1),南向北左轉(zhuǎn)為相位二(P2),西向東左轉(zhuǎn)為相位三(P3).以各相位在指定周期內(nèi)檢測(cè)到的最大排隊(duì)長(zhǎng)度為輸入Li(i=1,2,3),經(jīng)模糊化后輸入模糊控制器,根據(jù)前文所述模糊規(guī)則,經(jīng)過(guò)模糊推理計(jì)算各相位所占論域的百分比,得到對(duì)應(yīng)相位時(shí)長(zhǎng)為

輸入、輸出的隸屬度函數(shù)分別設(shè)置如圖8所示.

本文選取某個(gè)工作日中的三個(gè)時(shí)間點(diǎn),將檢測(cè)的車(chē)流數(shù)據(jù)由模糊控制器,通過(guò)模糊集合的詞計(jì)算和匹配度法計(jì)算得到配時(shí)方案(算法流程圖如圖9).

經(jīng)過(guò)實(shí)地考察,檢測(cè)到該路口凌晨0:30(t1)分左右的各相位周期內(nèi)車(chē)隊(duì)長(zhǎng)度均在10m以下,設(shè)下一相位周期為?0(1),各相位ω10(1)=ω20(1)=ω30(1)=S?,因此

上午7:50(t2)時(shí)測(cè)得相位各車(chē)道的平均排隊(duì)長(zhǎng)度 (即相序優(yōu)先級(jí)) 為 L1(t2)=150m,L2(t2)=130m,L3(t2)=100m,由對(duì)應(yīng)配時(shí)模糊規(guī)則庫(kù),激活1條模糊規(guī)則,得:

經(jīng)過(guò)模糊推理與詞計(jì)算,可得決策論域?yàn)?6(2),對(duì)于各相位的決策時(shí)間所占論域百分比Qi,可得Q1%(2)=Q2%(2)=50%,Q3%(2)=25%,故下一周期的通行相序?yàn)镻1,P2,P3,各相位的通行時(shí)間為

中午1:30(t3)時(shí),測(cè)得L1(t3)=70m,L2(t3)=80m,L3(t3)=40m,經(jīng)模糊化、模糊推理可得周期為?3(3),各相位配時(shí)分別為

經(jīng)計(jì)算可得該時(shí)刻下一周期的通行相序?yàn)镻2,P1,P3,各相位通行時(shí)長(zhǎng)為

圖8 輸入、輸出模糊集合Fig.8 fuzzy sets of input and output

因此,該路口在不同時(shí)刻各相位配時(shí)的語(yǔ)言動(dòng)力學(xué)軌跡表示如下:

5 結(jié)論與展望

本文針對(duì)交叉路口信號(hào)配時(shí)不合理的現(xiàn)象,提出了一種基于ACP的平行控制方案,以實(shí)時(shí)車(chē)流數(shù)據(jù)為輸入,以相位周期為波動(dòng)型的連通時(shí)變論域,通過(guò)設(shè)定時(shí)變論域上的模糊集合及模糊規(guī)則,給出紅綠燈平行管理控制策略,根據(jù)實(shí)時(shí)車(chē)流數(shù)據(jù)調(diào)整各相位配時(shí),通過(guò)對(duì)三叉路口交通流數(shù)據(jù)實(shí)時(shí)計(jì)算出對(duì)應(yīng)的配時(shí)周期及相位時(shí)長(zhǎng).在同一天的不同時(shí)段內(nèi),當(dāng)車(chē)流量發(fā)生變化時(shí),配時(shí)周期及各相位時(shí)長(zhǎng)也發(fā)生改變,形成交叉路口各相位動(dòng)態(tài)配時(shí)方案,得到對(duì)應(yīng)的語(yǔ)言動(dòng)力學(xué)軌跡.

圖9 算法流程圖Fig.9 Flow chart of the algorithm

本文主要針對(duì)T型路口的平行紅綠燈配時(shí)展開(kāi)探討,對(duì)于大型交叉路口行人流、非機(jī)動(dòng)車(chē)流及機(jī)動(dòng)車(chē)流的三元混合交通流中,如何確定與交通流狀況相一致的平行紅綠燈配時(shí)周期及相位時(shí)長(zhǎng)是未來(lái)的平行交通系統(tǒng)研究的一項(xiàng)重要工作.

1 Zhou J,Chen C L Philip,Chen L,Zhao W.A usercustomizable urban traきc information collection method based on wireless sensor networks.IEEE Transactions on Intelligent Transportation Systems,2013,14(3):1119?1128

2 Zhou J,Chen C L Philip,Chen L,Li H X.A collaborative fuzzy clustering algorithm in distributed network environments.IEEE Transactions on Fuzzy Systems,2014,22(6):1443?1456

3 Zhang J P,Wang F Y,Wang K F,Lin W H,Xu X,Chen C.Data-driven intelligent transportation systems:a survey.IEEE Transactions on Intelligent Transportation Systems,2011,12(4):1624?1639

4 Zhai Gao-Shou,Cha Jian-Zhong,E Ming-Cheng.The architecture of integrated intelligent urban traきc control system.System Engineering-Theory&Practice,2000,20(7):80?84(翟高壽,查建中,鄂明成.集成智能城市交通控制系統(tǒng)體系結(jié)構(gòu)的提出.系統(tǒng)工程理論與實(shí)踐,2000,20(7):80?84)

5 Li Sheng-Chun,Kong Ling-Jiang,Liu Mu-Ren,Zheng Rong-Sen.The eあects of intelligent traきc light on the crossing traきc fl ow.Acta Physica Sinica,2009,58(4):2266?2270(李盛春,孔令江,劉慕仁,鄭容森.智能交通燈對(duì)交叉路口交通流的影響.物理學(xué)報(bào),2009,58(4):2266?2270)

6 Pappis C P,Mamdani E H.A fuzzy logic controller for a traきc junction.IEEE Transactions on Systems,Man,and Cybernetics,1977,7(10):707?717

7 Niittymaki J,Kosonen T,Nevala R.Fuzzy traきc signal control in major arterials.In:Proceedings of the 2001 IEEE Intelligent Transportation Systems.Oakland,CA,USA:IEEE,2001.520?531

8 Bi Y R,Srinivasan D,Lu X B,Sun Z,Zeng W L.Type-2 fuzzy multi-intersection traきc signal control with diあerential evolution optimization.Expert Systems with Applications,2014,41(16):7338?7349

9 Balaji P G,Srinivasan D.Distributed multi-agent type-2 fuzzy architecture for urban traきc signal control.In:Proceedings of the 2009 IEEE International Conference on Fuzzy Systems.Jeju Island,South Korea:IEEE,2009.1627?1632

10 Balaji P,Srinivasan D.Type-2 fuzzy logic based urban traffi c management.Engineering Applications of Arti fi cial Intelligence,2011,24(1):12?22

11 Collotta M,Bello L L,Pau G.A novel approach for dynamic traきc lights management based on Wireless Sensor Networks and multiple fuzzy logic controllers.Expert Systems with Applications,2015,42(13):5403?5415

12 Abbas M K,Karsiti M N,Napiah M,Samir B B,Al-Jemeli M.High accuracy traきc light controller for increasing the given green time utilization.Computers and Electrical Engineering,2015,41:40?51

13 Chen Hong,Chen Sen-Fa.A method for real time traきc fuzzy control of a single intersection.Information and Control,1997,26(3):227?233(陳洪,陳森發(fā).單路口交通實(shí)時(shí)模糊控制的一種方法.信息與控制,1997,26(3):227?233)

14 Li L,Lv Y S,Wang F Y.Traきc signal timing via deep reinforcement learning.IEEE/CAA Journal of Automatica Sinica,2016,3(3):247?254

15 Li L,Wen D.Parallel Systems for traきc control:a rethinking.IEEE Transactions on Intelligent Transportation Systems,2016,17(4):1179?1182

16 Abdi J,Moshiri B,Abdulhai B,Sedigh A K.Forecasting of short-term traきc- fl ow based on improved neurofuzzy models via emotional temporal diあerence learning algorithm.Engineering Applications of Arti fi cial Intelligence,2012,25(5):1022?1042

17 Abdi J,Moshiri B,Abdulhai B,Sedigh A K.Short-term traきc fl ow forecasting:parametric and nonparametric approaches via emotional temporal diあerence learning.Neural Computing and Applications,2013,23(1):141?159

18 Cong Dong-Dong,Wang Zhen-Jia.Intelligent traきc light control system of the urban transportation based on FNNC.Control Engineering of China,2003,10(S):14?17(叢冬棟,王振家.基于FNNC的城市交通智能紅綠燈控制系統(tǒng).控制工程,2003,10(S):14?17)

19 Bretherton D,Bodger M,Cowling J.SCOOT-managing congestion,control and communications.Traきc Engineering&Control,2006,47(3):88?92

20 Wiering M,van Veenen J,Vreeken J,Koopman A.Intelligent Traきc Light Control,UU-CS-2004?029,Institute of Information and Computing Sciences,Utrecht University,Utrecht,Netherlands,2004.

21 Box S,Waterson B.An automated signalized junction controller that learns strategies from a human expert.Engineering Applications of Arti fi cial Intelligence,2012,25(1):107?118

22 Box S,Waterson B.An automated signalized junction controller that learns strategies by temporal diあerence reinforcement learning.Engineering Applications of Arti fi cial Intelligence,2013,26(1):652?659

23 Liu Qi-Zhong,Li Bing.The optimization control for regional traきc signal based on improved genetic algorithm.Journal of Xihua University(Nature Science),2014,33(6):48?52(劉臍鍾,李兵.基于改進(jìn)遺傳算法的區(qū)域交通信號(hào)優(yōu)化控制.西華大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,33(6):48?52)

24 Bingham E.Reinforcement learning in neurofuzzy traきc signal control.European Journal of Operational Research,2001,131(2):232?241

25 Wang Fei-Yue.Parallel control:a method for data-driven and computational control.Acta Automatica Sinica,2013,39(4):293?302(王飛躍.平行控制:數(shù)據(jù)驅(qū)動(dòng)的計(jì)算控制方法.自動(dòng)化學(xué)報(bào),2013,39(4):293?302)

26 Wang Fei-Yue.Parallel system methods for management and control of complex systems.Control and Decision,2004,19(5):485?489,514(王飛躍.平行系統(tǒng)方法與復(fù)雜系統(tǒng)的管理和控制.控制與決策,2004,19(5):485?489,514)

27 Wang F Y.Parallel control and management for intelligent transportation systems:concepts,architectures,and applications.IEEE Transactions on Intelligent Transportation Systems,2010,11(3):630?638

28 Mo Hong.Linguistic dynamic orbits in the time varying universe of discourse.Acta Automatica Sinica,2012,38(10):1585?1594(莫紅.時(shí)變論域下的語(yǔ)言動(dòng)力學(xué)軌跡.自動(dòng)化學(xué)報(bào),2012,38(10):1585?1594)

29 Wang Fei-Yue.Fundamental issues in research of computing with words and linguistic dynamic system.Acta Automatica Sinica,2005,31(6):844?852(王飛躍.詞計(jì)算和語(yǔ)言動(dòng)力學(xué)系統(tǒng)的基本問(wèn)題和研究.自動(dòng)化學(xué)報(bào),2005,31(6):844?852)

30 Zadeh L A.Fuzzy sets.Information and Control,1965,8(3):338?353

31 Ning Bin,Wang Fei-Yue,Dong Hai-Rong,Li Run-Mei,Wen Ding,Li Li.Parallel systems for urban rail transportation based on ACP approach.Journal of Transportation Systems Engineering and Information Technology,2010,10(6):22?28(寧濱,王飛躍,董海榮,李潤(rùn)梅,文丁,李莉.基于ACP方法的城市軌道交通平行系統(tǒng)體系研究.交通運(yùn)輸系統(tǒng)工程與信息,2010,10(6):22?28)

Linguistic Dynamic Analysis of Traきc Light Timing Design within the Time-varying Universe

MO Hong1HAO Xue-Xin1

Urban traきc fl ow always changes sharply at diあerent moments.A dynamic timing design model adapting to the change of traきc fl ow may alleviate traきc congestion and reduce the waiting time of travelers.In this paper,a new method for traきc light control is presented by synthesizing time-varying universe,parallel control and linguistic dynamic systems(LDS).In the method,the time-varying universe is constructed by the series of cyclic lengths of traきc lights at diあerent times,and the corresponding traきc sequences and durations are decided by their respective phase queue lengths,thus a timing scheme based on time-varying universe is obtained.By this timing scheme,a dynamic fuzzy rule base is formed to adjust the cyclic length and constituent sequence light time dynamically.At the same time the dynamic fuzzy rule base which is driven by real time traきc data adjusts the traきc sequence and duration.Then the linguistic dynamic orbits of time-design for traきc light are analyzed within the time-varying universe.Finally,an example is given to verify the validity of this method.

Traきc light timing design,time-varying universe,fuzzy logic,linguistic dynamic system(LDS)

Mo Hong,Hao Xue-Xin.Linguistic dynamic analysis of traきc light timing design within the time-varying universe.Acta Automatica Sinica,2017,43(12):2202?2212

2016-05-18 錄用日期2017-06-22

May 18,2016;accepted June 22,2017

國(guó)家自然科學(xué)基金(61473048,61074093,61233008),長(zhǎng)沙理工大學(xué)青年英才計(jì)劃資助

Supported by National Natural Science Foundation of China(61473048,61074093,61233008),Youth Talent Support Plan of Changsha University of Science and Technology

本文責(zé)任編委徐昕

Recommended by Associate Editor XU Xin

1.長(zhǎng)沙理工大學(xué)電氣與信息工程學(xué)院長(zhǎng)沙410114

1.School of Electric and Information Engineering,Changsha University of Science and Technology,Changsha 410114

莫紅,郝學(xué)新.時(shí)變論域下紅綠燈配時(shí)的語(yǔ)言動(dòng)力學(xué)分析.自動(dòng)化學(xué)報(bào),2017,43(12):2202?2212

DOI10.16383/j.aas.2017.c160406

莫 紅 長(zhǎng)沙理工大學(xué)電氣與信息工程學(xué)院教授.2004年獲得中國(guó)科學(xué)院研究生院工學(xué)博士學(xué)位.主要研究方向?yàn)檎Z(yǔ)言動(dòng)力系統(tǒng)與智能計(jì)算.本文通信作者.

E-mail:mohong198@163.com

(MO Hong Professor at the School of Electric and Information Engineering,Changsha University of Science and Technology.She received her Ph.D.degree from Chinese Academy of Sciences in 2004.Her research interest covers linguistic dynamic systems and intelligent computing.Corresponding author of this paper.)

郝學(xué)新 長(zhǎng)沙理工大學(xué)電氣與信息工程學(xué)院研究生.主要研究方向?yàn)檎Z(yǔ)言動(dòng)力系統(tǒng)與智能交通系統(tǒng).

E-mail:mohong198@163.com

(HAO Xue-Xin Master student at the School of Electric and Information Engineering,Changsha University of Science and Technology.His research interest covers linguistic dynamic systems and intelligent transportation systems.)