| 摘 要：本文提出一种将模糊控制与人工神经网络相结合的自组织学习方法对交通信号进行实时控制。该方法以模糊神经网络为，应用在线滚动学习模型生成交通信号配时方案。这种方法克服了现有控制方法需要大量的数据传输、准确的数学模型等缺陷。文中应用微观交通仿真系统对模型进行了校验。仿真结果表明该方法有效。 关键词：模糊神经网络 模糊控制策略 交通信号控制 一、引言 交通信号控制系统是一个非线性的复杂巨系统。因此，像SCOOT和SCAT系统那样以的数学模型或预设方案为基础进行交通信号控制有时效果不尽如人意。而交通信号控制又直接影响着整个交通系统的运行。所以国内外学者都纷纷采用各种方法来优化交通信号控制方案。本文提出一种将模糊控制与人工神经网络相结合的自组织学习方法对单个交叉路口的交通信号进行实时控制。 模糊控制的特长在于能够充分利用学科领域的知识，能以一定的规则数来表达知识具有逻辑推理能力，在技能处理上比较擅长。模糊技术不仅能处理信息，也能处理模糊信息或其它不明确信息，能实现性联想及映射。其缺点是完全依赖制定的大量控制规则，不具备学习功能。人工神经网络具有非线性描述、大规模并行分布处理能力及高度鲁棒性和学习与联想等特点，适用于非线性时变大系统的模拟与在线控制。它在认知处理、模式识别方面有很强的优势。主要缺点是结构难以确定，训练样本要求多且准确，训练周期长，而且不能提供一个明确的用于网络知识表达的框架。 模糊神经网络是为发挥各自的优势把人工神经网络和模糊控制进行有机结合。利用人工神经网络技术来进行模糊信息处理，可使得模糊规则的自动提取及模糊隶属函数的自动生成成为可能。从而，克服神经网络结构难以确定以及模糊控制无自学习能力的缺点，使模糊系统成为一种自适应的模糊系统。 二、模糊控制策略 模糊控制策略是模糊控制的。本文结合经验和计算机仿真，对单个交叉路口采用如下模糊控制策略。 对单个交叉路口而言，当交通需求较小时，信号周期应短些。但一般不能少于P×15秒（P为相位数）以免某一方向的绿灯时间小于15秒使车辆来不及通过路口影响交通安全。当交通需求较大时，信号周期应长些。但一般不能超过120秒，否则某一方向的红灯时间将超过60秒，驾驶员心理上不能忍受。当交通需求很小时，一般按周期运行；当交通需求很大时，只能按周期控制。此时，车辆堵塞现象已不可避免。根据经验和计算机仿真，单个交叉路口的模糊控制算法可描述为： 步骤1 从相位ｉ开始，分别指定各相位的绿灯时间 ； 步骤2 先给该相位以短绿灯时间， ＝ΔＧ＝15秒； 步骤3 在ΔＧ内测得放行车道上的交通需求，设其为 ； 步骤4 若 小于某一给定的值ｒ或累积绿灯时间 ，则将绿灯转到下一相位，回到步骤2，否则继续； 骤５ 根据 值的大小来确定绿灯延长时间ΔG，若 小，则少量延长绿灯时间，若 大，则大量延长绿灯时间。由此建立模糊控制规则。设延长的绿灯时间为ΔG，若 ，则 ；否则该相位的绿灯时间为 ，回到步骤3。算法中的交通需求用交叉口停止线前的排队长度即停止线前相隔一定距离（通常为80至100ｍ）的两检测器之间的车辆数来表示。然后，用下述方法建立模糊控制规则。将测得的队长l可看作模糊变量 ，其论域为：Ｌ＝｛1，3，5，7，9，11，13，15，17，19，21｝，取7个语言值： （很长）， （长）， （较长）， （中等）， （较短）， （短）， （很短）。绿灯追加时间ΔＧ同样看作模糊变量 ，其论域为：G＝｛3，7，11，15，19，23，27，31，35｝，取7个语言值： （很多）， （多）， （较多）， （适中）， （较少）， （少）， （很少）。根据的控制经验一般可总结出下列７条控制规则，若 ，则 ，i=1,…,7。根据模糊理论可知，一个完整语言控制策略是由很多不同的语言控制策略所组成的。由7条语言控制策略可组成单输入单输出语言控制策略，每条控制策略可用模糊关系矩阵表示。 |
| 清华大学现代物流研究中心 王辉球 缪立新 乐奕平 |
免责声明: 凡注明来源本网的所有作品，均为本网合法拥有版权或有权使用的作品，欢迎转载，注明出处。非本网作品均来自互联网，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。
