時柏營 楊宇雷 程遠 崔博偉 丁東玥

摘 要：文章針對當前交叉口控制策略存在的時效性差等問題，提出了一種基于模糊控制的過飽和交叉口信號配時優(yōu)化策略。通過對擁堵交叉口的調查，結合模糊控制理論，設計了一種緩解擁堵的策略，主要通過增加綠燈延長時間來優(yōu)化信號配時。為驗證該方案的可行性，利用仿真軟件對擁堵交叉口信號配時方案進行了仿真模擬，并考慮將一條直行車道變?yōu)榭勺冘嚨赖那闆r。同時，利用Matlab對運用了模糊控制的交叉口信號方案進行了模擬，并進行了兩者的對比分析。通過仿真模擬，驗證了所提出的緩解擁堵策略在減緩交通擁堵方面的有效性。

關鍵詞：交叉口控制；模糊控制；綠燈延長時間；Matlab；仿真模擬

中圖分類號：F253；U121文獻標志碼：ADOI：10.13714/j.cnki.1002-3100.2024.10.009

Abstract： This article proposes a signal timing optimization strategy for oversaturated intersections based on fuzzy control to address the issues of poor timeliness in current intersection control strategies. By investigating congested intersections and combining fuzzy control theory， a congestion alleviation strategy was designed， mainly by increasing the green light extension time to optimize signal timing. To verify the feasibility of this scheme， simulation software was used to simulate the signal timing scheme at congested intersections， and the situation of changing a straight lane into a variable lane was considered. At the same time， Matlab was used to simulate the intersection signal scheme using fuzzy control， and a comparative analysis was conducted between the two. Through simulation， the effectiveness of the proposed congestion alleviation strategy in alleviating traffic congestion was verified.

Key words： intersection control; fuzzy control; green light extension time; Matlab; simulation

0? ? 引? ? 言

在城市化進程不斷加速的今天，交通擁堵、交通事故和車輛排放已經(jīng)成為城市面臨的嚴重挑戰(zhàn)之一。而制定有效的信號燈控制策略，具有顯著改進交通安全和通行效率的潛力。指定有效的控制策略有望有效減少道路交叉口內車輛、行人和非機動車之間的沖突，可以降低潛在的交通事故風險，并提高交叉口的通行效率[1]。在應對復雜的道路網(wǎng)絡時，加上交叉口車輛具有到達的隨機性等特點，傳統(tǒng)信號控制方式表現(xiàn)出不適應性的缺點，因此已經(jīng)無法滿足現(xiàn)在的交通需求。然而，當前的研究多是以實時監(jiān)控為基礎，缺少對歷史數(shù)據(jù)的有效利用，從而也在某種程度上造成了自適應信號控制的滯后[2]。

然而，隨著技術的不斷進步，傳統(tǒng)交通管理正逐漸向著智能交通的方向演進。現(xiàn)在，我們可以借助道路上的智能檢測機器獲得更為精確的車輛信息，例如車輛通過交叉口的到達率和離開交叉口的行駛方向等[3-4]。而傳統(tǒng)信號控制方法，主要依賴于人工計數(shù)或線圈檢測以獲取車輛速度、流量等交通參數(shù)[5]，難以對不同交通參與者進行細致的區(qū)分。

由于模糊控制理論無需借助現(xiàn)有的量化模型，就能脫離精確的數(shù)學模型從而對模型中的研究對象進行控制，因此非常適用于城市交通信號的控制[6]。而模糊控制因為依賴于專家經(jīng)驗，在處理復雜的非線性控制對象方面具有優(yōu)勢。所以，國內的許多學者也開始采用模糊控制方法對交通信號控制系統(tǒng)進行優(yōu)化，來提升交通系統(tǒng)的通行效率[7]。李鑫瑞針對有主次干道之分的干線多個連續(xù)交叉口，通過模糊控制理論協(xié)調各路口信號周期、綠信比和相位差三個控制參數(shù)完成對干線交叉口信號的配時優(yōu)化。該實例仿真表明在李鑫瑞設計的組合協(xié)調模糊控制方法下的車輛平均延誤較低于干線普通模糊控制方式，控制效果有所提高[8]。王敏[9]對城市主干道過飽和的交叉口提出一種基于模糊控制的交叉口交通信號控制方法，來緩解交通過飽和狀況。王敏設計了綠燈需求度模糊控制器，來動態(tài)地控制交叉口信號相位的相序；在此基礎上，考慮將下一次相位的需求度作為輸入，設計了綠燈延時模糊控制器，用于確定當前相位綠燈的延長時間。曹潔等[10]將神經(jīng)網(wǎng)絡與模糊控制進行結合。利用神經(jīng)網(wǎng)絡具有自學習的能力，通過訓練來學習給定的經(jīng)驗，并生成模糊控制規(guī)則，而模糊控制則用來生成信號配時的時間。

1? ? 交叉口現(xiàn)狀

本文以濟南市歷城區(qū)世紀大道與龍鳳山路交叉口作為研究對象，來探討交叉口信號燈運用模糊控制的結果。

1.1? ? 交叉口車道布置及其相位

圖1為該交叉口的交通流向圖。本文研究的單交叉路口采用典型的四相位控制，每個進口道均有左轉、直行和右轉車道并且人行道和右轉車道之間有綠化帶進行分隔。在實際交通中一般右行車輛只與過馬路行人發(fā)生沖突而不與其他方向的車流沖突。

為了確保交叉路口的機動車交通順暢，本文所研究的交叉口采用了一種四相位控制方案，如圖2所示。這四個相位分別代表道路上正在通行的車輛，而交通信號燈也按照這四個相位的順序進行切換。在不同相位的信號燈進行切換時，黃燈會閃爍以提醒駕駛員進行紅綠燈的相位切換。在這個信號燈組中，右行車道的控制暫時不予考慮。

1.2? ? 交叉口存在的問題

交叉口西進口左轉車輛較多，在高峰期間會造成較長的車輛排隊現(xiàn)象，同時東西進口方向直行車輛較少。在高峰期間，會造成交叉口東西方向直行時間的浪費。

應用智能控制算法來管理單交叉口信號燈配時和相位順序，實際上是為了確定最佳的信號燈配時周期，以最小化整個路口的通行延誤時間，優(yōu)化交通流的控制，以提高道路通行效率，減少交通擁堵，以及提升通行者的出行體驗。在本文中，我們將研究和分析智能控制算法如何用于優(yōu)化單交叉口的信號燈控制，以實現(xiàn)上述目標。

2? ? 模糊控制系統(tǒng)的設計

模糊控制的本質是對人進行決策的一種模擬，它把人的思維與決策過程和模糊推理相結合，把人類的體驗作為一個知識庫，并把這種體驗通過數(shù)字形式傳送到電腦中，從而實現(xiàn)計算機程序代替人類的思維進行模擬運算。在此模擬基礎上，有人提出了一種新的控制方法，并在此基礎上實現(xiàn)了對控制量的準確計算[2]。這種控制方法的目的就是讓計算機在不確定的情況下，對其進行智能化的判斷與控制，這與人基于經(jīng)驗或模糊信息進行判斷的過程十分相似。模糊控制器的基本結構如圖3所示。

2.1? ? 模糊控制相位選擇規(guī)則

如圖2所示，本文研究的交叉口共有四個相位，在進行模糊控制時，相位選擇方案[6]如下。

a.將四個相位分別命名為qa，qb，qc，qd。

b.如果當前相位狀態(tài)為qa，則對比剩余三個相位狀態(tài)，如果qb為VB的狀態(tài)，那么將相位由qa變?yōu)閝b。

c.如果qb不是VB狀態(tài)，跳過qb再選擇qc，qd中的一個變?yōu)閂B狀態(tài)，并且作為下一個選擇相位。

d.如果剩余三個相位都不是VB狀態(tài)，那么選取車流量作為決定因素，車流量最大的相位下，將該相位作為下一相位。

e.如果剩余三個相位中，有兩個車流量大的相位并且狀態(tài)一樣，那么根據(jù)之前的命名方式，由qb＞qc＞qd的關系來決定。

f.當qa后的相位選擇好之后，再對剩余的兩個相位進行對比。規(guī)則如之前所示。

g.當?shù)谌齻€相位選擇好之后，這一輪相位選擇決定了這一輪相位順序，為一個循環(huán)。通行完這一循環(huán)的最后一個相位，進入新一輪的相位選擇循環(huán)中。

2.2? ? 模糊控制下的交通信號時間控制算法

本文運用模糊控制研究的交叉口相位綠燈延長時間的具體步驟如下[7]。

基本參數(shù)：gmin表示該相位原本綠燈時間；gmax表示該相位允許的最長綠燈時間；gd表示當前相位已延續(xù)綠燈時間；gy表示黃燈時間。

a.先不對交叉口信號時長進行任何改變，該相位按照原本的綠燈時間gmin進行通行。

b.在當前相位的綠燈時間結束前，通過路段上設置的檢測器將當前相位剩余綠燈時間和當前相位中的車輛排隊信息、到達率等輸入到模糊控制中的觀測模塊。

c.將b.道路觀測器中觀測到的剩余綠燈時間和排隊信息輸入到Matlab中的模糊控制決策模塊，并經(jīng)過相關推理得到當前相位的交通強度，并根據(jù)所得到的交通強度進一步推理出綠燈延長時間。推理后有：如果延長時間大于等于10s，并且延長時間加上gd小于gmax，則給當前相位以之前決策模塊推理出的延長時間，并且回到b.；如果延長時間大于等于10s，并且延長時間加上gd大于等于gmax，則到d.；如果延長時間小于10s，則到e.。

d.得到綠燈延長時間后，進入到下一相位，進行e.。

e.經(jīng)過gy后，進入到下一綠燈相位，回到a.。（將綠燈延長時間的閾值設為10s的原因是：實驗中發(fā)現(xiàn)短于10s的綠燈延長會造成車輛無法及時通過交叉口進而對交叉口下一相位的車輛造成影響）

2.3? ? 輸入、輸出模塊

輸入模塊是輸入當前交叉口所觀測到的交通量e1，和根據(jù)觀測到的交通量計算當前相位剩余的綠燈時間e2和預測下一綠燈相位的交通流強度。

輸出模塊是輸出綠燈延長時間et。

輸入模塊交通量e1的論域設置為[0，20]，將輸入e1論域劃分為五個模糊子集，用文字表述為[很少，少，中等，多，非常多]，用字母簡單的表述為[VS，S，M，L，VL]；當前相位綠燈剩余時間e2的論域設置為[0，20]，將輸入e2論域劃分為五個模糊子集，用文字表述為[很短，短，中等，長，非常長]，用字母簡單的表述為[VS，S，M，L，VL]。詳見圖4。

輸出模塊綠燈延長時間et的論域設置為[0，20]，將輸出et論域劃分為五個模糊子集，用文字表述為[很短，短，中等，長，非常長]，用字母簡單的表述為[VS，S，M，L，VL]。詳見圖5。

隸屬度函數(shù)選取三角形的原因是：三角形的隸屬度函數(shù)具有計算復雜度低，參數(shù)靈活易于調整等優(yōu)點。

2.4? ? 決策模塊模糊規(guī)則的設置

按照經(jīng)驗總結出來的輸入輸出變量的模糊子集一對一劃分，共有25條對應規(guī)則，如表1所示，綠燈延時補償用字母簡單表述為[VS，S，M，L，VL]，用文字表述為[很短，短，中等，長，很長]。

2.5? ? 模糊推理及解模糊

模糊推理是基于輸入模型中的模糊量e1，e2，并且通過表1中規(guī)定的模糊規(guī)則進行控制，以解決模糊關系方程的問題。在本文所設計的模糊控制系統(tǒng)中，在進行解模糊的過程中本文采用的方法是乘積推理法和重心法。

乘積推理法是指基于輸入模糊量e1，e2的模糊規(guī)則進行推理，使用模糊集合之間的乘積運算來獲得推理結果。而重心法則用于解模糊化，通過計算模糊集合的重心或平均值，將模糊輸出轉換為精確的控制量。重心法是首先求解模糊集合隸屬度函數(shù)曲線與橫坐標軸所圍成的面積，然后算出面積的中心，詳見圖6。選這個中心對應的橫坐標值作為集合的代表值的方法。在本文中，我們的模糊控制系統(tǒng)采用了這些方法來實現(xiàn)模糊推理和解模糊化的過程。

具體計算方法[7]如下所示。

公式中：u*為決策結果的精確輸出量；ui為所觸發(fā)的第i條模糊規(guī)則的后件隸屬度函數(shù)的中心值；μi為被觸發(fā)的第i條規(guī)則的所有輸入變量的隸屬度的乘積；I為所觸發(fā)的模糊規(guī)則數(shù)。

3? ? 仿真運行及結果研究

3.1? ? 仿真軟件

Sumo是一款自由開源的微觀多模式交通仿真軟件包，為交通領域的研究和開發(fā)提供了關鍵工具。該軟件允許用戶通過其官方提供的Python接口進行二次開發(fā)，以滿足特定需求。在此本文建立了潮汐車道，只在高峰時段為了緩解交通擁堵而設立的一條左轉可變車道。將原交叉口的西進口直行車道中的一個換成了左轉的潮汐車道以應對左轉擁堵的情況。得到只運用潮汐車道的仿真結果，并進行仿真結果的對比。

Sumo軟件的功能涵蓋了多個仿真應用領域。然而，在其目前的版本中，Sumo軟件在進行交通路網(wǎng)仿真時，交通信號燈的配時仍然采用了靜態(tài)的時間表控制方式，包括固定程序定時控制和多時段控制，這限制了其實現(xiàn)動態(tài)的交叉口信號燈配時策略的能力。

3.2? ? 建立模糊控制仿真交叉口模型

為了驗證模糊控制的交通信號配時方案的有效性，筆者選擇了濟南市道路在交通高峰時段的數(shù)據(jù)作為研究對象。在相同的道路條件下，筆者進行了一周的連續(xù)觀察，獲得了高峰時段的平均車輛數(shù)量。隨后，筆者運用Matlab-Simulink進行了模型建立和仿真，模擬了上述的模糊控制配時方案。在仿真中，筆者對比了使用模糊控制配時方案和目前交叉口采用的固定定時信號控制方案的仿真結果。筆者以平均車輛延誤、排隊長度以及停車次數(shù)等指標作為評價標準，比較了這兩種不同配時方案的仿真結果，以評估它們在信號配時控制方面的效果。這一研究方法的目的是通過仿真和數(shù)據(jù)對比，來確定模糊控制信號配時方案是否能夠在濟南市的交通高峰時段內取得更好的交通流控制效果。

3.3? ? 仿真參數(shù)

仿真中車輛交叉口設置為從東、西、南、北4個進口道進入路網(wǎng)，并且右轉車流與人行道之間有綠化帶進行分割，4個進口道都設有左轉、直行、右轉車道。本文研究的交叉口原有的定時控制方案為四相位，高峰時段的定時控制方案周期時長為198s，其中東西方向基礎相位綠燈時間為81s，35s；南北方向基礎相位綠燈時間為35s，33s，黃燈時間均為3s。設置仿真時長為2 400s。

3.4? ? 性能評價指標

用于評價控制器性能的指標來自仿真軟件中的輸出文件。該輸出文件記錄了仿真過程中車輛、紅綠燈以及所有實驗中涉及到的需求元素的狀態(tài)信息。在這些信息中，本文選取了平均延誤時間、平均停車次數(shù)、平均排隊長度作為控制性能評價指標。

3.5? ? 仿真結果及分析

由圖7可以看出在該交叉口應用了模糊控制方案后，可以有效減小上述評價指標的值，并且對交叉口的優(yōu)化效果比運用可變車道的效果要明顯。在運用了模糊控制之后可以有效地降低車輛的停車次數(shù)，這表明可以有效減少車輛的二次停車情況。這是通過預測車輛到達交叉口的時間，并相應地調整綠燈延長時間來實現(xiàn)的。

根據(jù)預測結果，可以合理地安排綠燈延長時間，使本次信號循環(huán)中的等待車輛可以不用等到下一循環(huán)通過，從而減少了車輛通過該交叉口的延誤時間和排隊長度。這種策略能夠有效提高交通流暢性，降低車輛的延誤，并對交通擁堵問題做出積極的貢獻。

4? ? 結? ? 論

本研究的結果表明，采用本文提出的方法可以有效地減少車輛通過交叉口的延誤時間，并減少車輛的二次停車情況。這是通過預測車輛到達交叉口的時間，并相應地調整綠燈延長時間來實現(xiàn)的。并且根據(jù)預測結果，可以合理地安排綠燈延長時間，使本應等待下一周期通行的車輛得以在當前周期通過，從而縮短車輛的排隊長度。這種策略能夠有效提高交通流暢性，降低車輛的延誤，并對交通擁堵問題做出積極的貢獻。

然而，由于研究對象的復雜性，仍然存在一些限制和問題需要解決。首先，在本研究中未設計車輛信息采集系統(tǒng)，這導致模擬車輛數(shù)據(jù)與實際道路上的車輛狀態(tài)存在一定差異。為了更準確地反映實際交通狀況，未來的研究可以考慮引入先進的車輛信息采集技術。另外，本文主要側重于城市道路信號交叉口的單點控制問題。為了更全面地緩解城市交通擁堵，進一步的研究可以將本文所提出的控制方法推廣到干線和區(qū)域的交通控制。這將為實現(xiàn)更大范圍的交通流優(yōu)化提供有益的參考和指導。本研究的方法在緩解交通擁堵方面取得了顯著效果，但仍然存在改進的空間和可以拓展的研究方向。通過進一步改進車輛信息采集系統(tǒng)并擴大研究范圍，我們可以進一步提高交通系統(tǒng)的效率和可持續(xù)性。

參考文獻：

[1] LEITNER D，MELEBY P，MIAO Lei．Recent advances in traffic signal performance evaluation[J]．Journal of Traffic and

Transportation Engineering （English Edition），2022，9（4）：507-531．

[2] 郭宇婷，田宗忠，蔡宏洲．復雜交通流條件下自適應信號控制系統(tǒng)協(xié)調優(yōu)化方法的研究[J]．公路，2020，65（8）：255-263．

[3] CHEN Qi，WANG Wei，WU Fangyu，et al．A survey on an emerging area： Deep learning for smart city data[J]． IEEE? ?Transactions on Emerging Topics in Computational Intelligence，2019，3（5）：392-410．

[4] XING Jiping，WU Wei，CHENG Qixiu，et al．Traffic state estimation of urban road networks by multi-source data fusion： Review and new? insights[J/OL].Physica A： Statistical Mechanics and its Applications，2022：127079.[2023-10-02].https：//api.semanticscholar.org/CorpusID：247123472.

[5] 雒冰．單點信號交叉口智能控制的優(yōu)化模型和方法研究[D]．北京：北京交通大學，2018．

[6] 鄧麗云，賀為婷．單交叉口交通信號燈的模糊控制方法研究[J]．國外電子測量技術，2018，37（4）：83-86．

[7] 劉佳佳．基于模糊邏輯和強化學習的交通信號優(yōu)化方法設計與實現(xiàn)[D]．北京：北京郵電大學，2022．

[8] 李鑫瑞．基于模糊控制的交通信號配時優(yōu)化[D]．西安：西安科技大學，2017．

[9] 王敏．城市主干道過飽和交叉口交通信號控制方法研究[D]．西安：長安大學，2016．

[10] 曹潔，李振宸，任冰．基于神經(jīng)網(wǎng)絡模糊控制的單交叉口信號控制[J]．蘭州理工大學學報，2010，36（1）：86-90．

[11] 黃文杰．單個交叉口信號配時的模糊控制[J]．交通科技，2009（S1）：89-91．