干道信号协调控制优化方法
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
万方数据
万方数据
１６交通信息与安全２００９年第６期第２７卷总１５２期
决过程结合到模糊推理中，使模糊规则的后项结论为精确值，具有较高的计算效率，能保证控制器输出的平滑性，适用于实时性要求高的系统。对于实时性要求较高的干道协调控制系统，使用Ｓｕｇｅｎｏ模糊模型能起到较好的效果。
决定干道交通绿波宽度最主要的因素在于交叉口之间的相位差，绿波带的形成与否完全取决于各交叉口之间相位差的选取及其相互配合，而影响相位差的主要因素是相邻交叉口之间的距离和车辆运行速度，因此可以从相邻交叉口间距和车辆运行速度２个方面对相邻交叉口间的相位差进行控制。
３．１相邻交叉口间车辆运行速度
建立相位差优化模型时，对相位差影响最大的因素是相邻交叉口间的车流行驶速度。车流行驶速度对相位差的影响在于，车流行驶速度越小，说明交叉口间车流受到的阻碍越大，车流行驶离散程度越低，相位差的变化对干道双向绿波宽度的影响越大，反之，车流运行速度越大，说明交叉口间车流运行越通畅，车流行驶离散程度越高，相位差的变化对干道双向绿波宽度的影响越小。３．２相邻交叉口间距
相邻交叉口间距对相位差的影响在于，当车流行驶速度一定的情况下，相邻交叉口间距越大，车流通过这段路段的时间就会越长，即说明相邻交叉口间的相位差就越大，绿波协调控制的效果就会越差。大量的实际应用表明，如果相邻交叉口之间的距离超过８００ｍ时，协调控制的作用反而不如各自单独控制。
选取相邻交叉口间距Ｘ和相邻交叉口间车辆运行速度ｙ作为Ｓｕｇｅｎｏ模糊控制器的输入变量，相邻交叉口间的相位差Ｚ作为Ｓｕｇｅｎｏ模糊控制器的输出变量。将Ｘ的语言值设定为５个等级：很小，小，中，大，很大；将ｙ的语言值也设定为５个等级：很小，小，中，大，很大。
不难看出，相邻交叉口间车辆行驶速度，路口间距以及相位差三者之间满足一定的关系，一方面，在车辆行驶速度不变的前提下，路口间距越大，交叉口间绿波协调控制的可控性越弱，相位差的实际数值应大于计算值，使在同一个绿灯时间长度内能有尽可能多的车辆通过交叉口；另一方面，在路口间距不变的前提下，车辆行驶速度越小，说明交叉口间车流受到的阻碍越大，绿波协调控制的可控性越弱，相位差的实际数值也应大于计算值，使因排队而延误的车辆能尽可能快地通过交叉口，以减小驾驶员的心理压力。根据上述关系可以得到如下的模糊规则，如表５所列（表中＊为乘号）：
表５Ｓｕｇｅｎｏ模糊规则控制表
与之对应的模糊规则查询图如图２所示，图中Ｏｆｆｓｅｔ、Ｓｐｅｅｄ和Ｄｉｓｔａｎｃｅ分别代表交叉口间相位差、相邻交叉口车辆运行速度和相邻交叉口间距。
图２模糊规则查询图４模糊控制器的ＢＰ神经网络实现由于专家知识的局限性以及环境的可变性，任何１个专家都无法得到１个最佳的规则或最优的隶属度函数，且模糊控制不具备自学习功能，使得模糊控制算法具有一定的局限性。而神经网络可以利用其学习和自适应能力实现非线性系统的控制和优化，并且擅长于在大量数据中寻找特定的模式，用神经网络来辨识因果关系，通过在输入和输出数据中找出模式而生成模糊逻辑规则，在一定程度上弥补了模糊控制的不足。因此，可根据上述Ｓｕｇｅｎｏ模糊推理系统，设计如图３所示的
模糊神经网络控制器。 万方数据
万方数据
万方数据
干道信号协调控制优化方法
作者：陈思溢， 徐建闽， 卢凯， CHEN Siyi， XU Jianmin， LU Kai
作者单位：华南理工大学土木与交通学院,广州,510640
刊名：
交通信息与安全
英文刊名：JOURNAL OF TRANSPORT INFORMATION AND SAFETY
年，卷(期)：2009,27(6)
1.Chou Chihhsun;Teng Jenchao A fuzzy logic controller for traffic junction signals 2002(01)
2.Chong Y;Quek C;Loh P Multi-agent fuzzy signal control based on real-time simulation 2003(05)
3.沈国江;孙优贤城市交通干线递阶模糊控制及其神经网络实现[期刊论文]-系统工程理论与实践 2004(04)
4.许伦辉基于两级模糊控制城市交叉口的设计与仿真[期刊论文]-交通与计算机 2004(06)
5.孙超;徐建闽;丁恒基于模糊控制算法的干道信号协调控制优化[期刊论文]-交通与计算机 2008(04)
6.易继锴智能控制技术 2004
7.张智星神经-模糊和软计算 2000
8.徐建闽交通管理与控制 2007
9.Mohamed B.Trabia;Mohamed S.Kaseko;Murali Ande A two-stage fuzzy logic controller for traffic signals 1999(06)
本文链接：/Periodical_jtyjsj200906004.aspx