基于FHPN的道路交叉口交通流信號(hào)實(shí)時(shí)控制優(yōu)化研究

趙進(jìn)超， 孫建召

(1.鄭州輕工業(yè)學(xué)院 計(jì)算機(jī)與通信工程學(xué)院， 鄭州 450002;2.河南經(jīng)貿(mào)職業(yè)學(xué)院 信息管理系， 鄭州 450000;3.中南大學(xué) 信息科學(xué)與工程學(xué)院， 長(zhǎng)沙 410083)

?

趙進(jìn)超1*， 孫建召2，3

(1.鄭州輕工業(yè)學(xué)院 計(jì)算機(jī)與通信工程學(xué)院， 鄭州 450002;2.河南經(jīng)貿(mào)職業(yè)學(xué)院 信息管理系， 鄭州 450000;3.中南大學(xué) 信息科學(xué)與工程學(xué)院， 長(zhǎng)沙 410083)

為了合理控制道路交叉口的交通流，結(jié)合模糊時(shí)延Petri網(wǎng)、連續(xù)Petri網(wǎng)和模糊推理Petri網(wǎng)這3種Petri網(wǎng)的優(yōu)勢(shì)構(gòu)造了模糊混合Petri網(wǎng)，以此來建立一個(gè)FHPN模型并把它用于道路交叉口交通流信號(hào)實(shí)時(shí)控制.通過實(shí)例仿真分析了FHPN模型的有效性，能夠?qū)崟r(shí)控制交叉口的運(yùn)行情況，最大程度地利用道路資源且大幅度地降低了交叉口的停車次數(shù).

交通信號(hào); 實(shí)時(shí)控制; Petri網(wǎng)

當(dāng)前城市汽車數(shù)量的增長(zhǎng)速度遠(yuǎn)高于城市的道路建設(shè)速度，使得城市道路交通日趨緊張，交通擁堵現(xiàn)象越來越嚴(yán)重，于是提高道路交通的通行能力變的越來越迫切.在城市道路交通網(wǎng)絡(luò)運(yùn)行的過程交通流量一般都會(huì)有比較明顯的高峰和低峰，這就需要有不同的信號(hào)配時(shí)方案來適應(yīng)不同的交通狀況，隨之就出現(xiàn)了智能信號(hào)燈控制和實(shí)時(shí)信號(hào)燈控制[1-4]的相關(guān)研究.

當(dāng)前，對(duì)信號(hào)燈的實(shí)時(shí)控制的相關(guān)研究有：文獻(xiàn)[5]基于帶抑制弧和使能弧的增廣Petri網(wǎng)對(duì)交叉口的信號(hào)燈進(jìn)行實(shí)時(shí)控制，通過采集實(shí)時(shí)的車流量信息來確定信號(hào)燈周期及各相位時(shí)長(zhǎng).文獻(xiàn)[6]基于模糊邏輯對(duì)路口交通信號(hào)燈進(jìn)行實(shí)時(shí)控制，使用模糊邏輯能夠更好的描述交叉口信號(hào)控制的定性模型，從而對(duì)信號(hào)相位變化順序、信號(hào)周期和信號(hào)綠燈時(shí)間進(jìn)行定性分析和模糊實(shí)時(shí)控制.文獻(xiàn)[7]基于混合Petri網(wǎng)對(duì)城市道路交通網(wǎng)絡(luò)進(jìn)行建模和仿真，采用連續(xù)Petri網(wǎng)對(duì)交叉口車流量進(jìn)行建模，采用時(shí)延Petri網(wǎng)對(duì)信號(hào)燈相位變化進(jìn)行建模，結(jié)合兩種Petri網(wǎng)構(gòu)造混合Petri網(wǎng)來實(shí)現(xiàn)單個(gè)交叉口的信號(hào)控制.

Petri網(wǎng)特別適合描述系統(tǒng)的順序、并發(fā)、沖突和同步等現(xiàn)象，而交通信號(hào)燈控制就是一類典型的順序、并發(fā)和同步系統(tǒng)，于是選用Petri網(wǎng)[8]作為交通信號(hào)燈的實(shí)時(shí)控制建模的工具.本文定義了一類新的Petri網(wǎng)模型，即結(jié)合模糊時(shí)延Petri網(wǎng)[9]、連續(xù)Petri網(wǎng)[10]和模糊推理Petri網(wǎng)[11]等各種Petri網(wǎng)的優(yōu)勢(shì)構(gòu)造了模糊混合Petri網(wǎng)，然后給予該P(yáng)etri網(wǎng)模型對(duì)單個(gè)交叉口的信號(hào)相序和綠燈時(shí)間進(jìn)行實(shí)時(shí)控制.

1 信號(hào)燈控制

信號(hào)燈控制道路交叉口的車輛通行是保證城市道路交通安全有序運(yùn)行的保障，關(guān)于信號(hào)燈控制主要給出5個(gè)概念：路段、周期、相位、綠信比和排隊(duì)長(zhǎng)度[12].以中國(guó)車輛靠右行駛的簡(jiǎn)單路網(wǎng)來解釋以上5個(gè)概念.在圖1中，連接兩個(gè)交叉口之間的道路稱為路段.在圖2中，描述的信號(hào)燈為四相位的信號(hào)燈.周期是指交叉口所有流向都有一次綠燈通行的所有信號(hào)燈狀態(tài).相位是指某個(gè)流向的綠燈通行的信號(hào)燈狀態(tài)， 圖2中相位1為東西直行，相位2為東西左轉(zhuǎn)，相位3為南北直行，相位3為南北左轉(zhuǎn)，這里不考慮右轉(zhuǎn)的控制.所有相位時(shí)長(zhǎng)之和為周期時(shí)長(zhǎng).綠信比是指某各相位的綠燈時(shí)長(zhǎng)占周期時(shí)長(zhǎng)的比值.排隊(duì)長(zhǎng)度是指車輛在紅燈時(shí)在交叉口前排隊(duì)一直到變?yōu)榫G燈時(shí)車輛的總排隊(duì)長(zhǎng)度.

圖1 兩個(gè)交叉口的城市道路Fig.1 City road with Two intersections

圖2 交叉口信號(hào)燈相位和周期Fig.2 Phase and cycle of intersection signal

2 模糊混合Petri網(wǎng)

本文以圖2所示的四相位的單交叉口為例，構(gòu)造模糊混合Petri網(wǎng)，其他復(fù)雜的單交叉口構(gòu)造方法類似.

定義1模糊混合Petri網(wǎng)(Fuzzy Hybrid Petri Net， FHPN)模糊混合Petri網(wǎng)是一個(gè)八元組

FHPN={P，T，A，DT，PP，PC，R，M0}，

其中，(1)P=Pd∪Pc，Pd是離散庫(kù)所的集合，Pc是連續(xù)庫(kù)所的集合，Pd∩Pc=?，離散庫(kù)所Pd可分為兩種庫(kù)所子集合，即相位標(biāo)識(shí)庫(kù)所集合Pp和綠燈時(shí)間庫(kù)所集合Pg，Pp∩Pg=?；

(2)T=Td∪Ti∪Tr，Td是模糊延時(shí)變遷的集合，Ti為瞬時(shí)變遷的集合，Tr為模糊推理變遷的集合，Td∩Ti∩Tr=?；

(3)A?(P×T)∪(T×P)為輸出弧和輸入弧的集合；

(4)DT:〈Pp，Td〉→[α，β]為庫(kù)所Pp和變遷Td到正整數(shù)區(qū)間[α，β]的映射函數(shù)，α，β∈N+且Pp∈?Td；

(5)PP:Pp→(a，b，c，d)為庫(kù)所Pp到向量(a，b，c，d)的映射函數(shù)，a，b，c，d∈{-1，0，1}；

(6)PC:Pc→(w，x，y，z)為庫(kù)所Pg到正實(shí)數(shù)向量(w，x，y，z)的映射函數(shù)，w，x，y，z∈R+；

(7)PG:Pg→g為庫(kù)所Pc到正實(shí)數(shù)g的映射函數(shù)，g∈R+；

(8)R為托肯的集合，r∈R的取值由映射函數(shù)PP，PC和PG確定；

(9)M0為初始標(biāo)識(shí)，表示系統(tǒng)的初始狀態(tài).

定義2模糊延時(shí)變遷td的使能與觸發(fā)規(guī)則

模糊延時(shí)變遷td∈Td使能，當(dāng)且僅當(dāng)：?p∈I(td)∩Pd，?r∈M(p).其中，I(td)為變遷td的輸入庫(kù)所，M(p)為庫(kù)所p的狀態(tài)標(biāo)識(shí).

模糊延時(shí)變遷td∈Td的觸發(fā)規(guī)則為：如果?p∈I(td)∩Pd，?r∈M(p)，?p'∈O(td)∩Pd，那么M(p)→M(p)/{r}，M(p')→M(p')∪{r}.其中，/表示從庫(kù)所標(biāo)識(shí)中去除.

定義3瞬時(shí)變遷ti的使能與觸發(fā)規(guī)則

瞬時(shí)變遷ti∈Ti使能，當(dāng)且僅當(dāng)?p∈I(ti)∩Pd，?r∈M(p).

瞬時(shí)變遷ti∈Ti的觸發(fā)規(guī)則為：如果?p∈I(ti)∩Pd，?r∈M(p)，?p'∈O(ti)∩Pd，那么M(p)→M(p)/{r}，M(p')→M(p')∪{r}；

如果?p∈I(ti)∩Pd，?r∈M(p)，?p'∈O(ti)∩Pc，那么M(p)→M(p)，M(p')→M(p')Δ{r}.其中，Δ表示連續(xù)庫(kù)所p'中的標(biāo)識(shí)與托肯r的一種運(yùn)算，形成庫(kù)所p'中的新標(biāo)識(shí).

定義4模糊推理變遷tr的使能與觸發(fā)規(guī)則模糊推理變遷tr∈Tr使能，當(dāng)且僅當(dāng)：?p∈I(tr)，?r∈M(p).

模糊延時(shí)變遷td∈Td的觸發(fā)規(guī)則為：如果?p∈I(tr)，?r∈M(p)，?p'∈O(tr)，那么對(duì)?p∈Pc有M(p)→M(p)，對(duì)?p∈Pd有M(p)→M(p)/{r}，M(p')→M(p')∪{r}.

3 本文信號(hào)燈控制FHPN模型

圖3 信號(hào)燈控制的FHPN模型Fig.3 FHPN model of signal

基于以上的定義先構(gòu)建單交叉口四相位的信號(hào)燈控制FHPN模型，如圖3所示.庫(kù)所和變遷的含義如表1和表2所示.其中：q11表示東西直行排隊(duì)長(zhǎng)度，q12表示東西左轉(zhuǎn)排隊(duì)長(zhǎng)度，q21表示南北直行排隊(duì)長(zhǎng)度，q22表示南北左轉(zhuǎn)排隊(duì)長(zhǎng)度，單位為米(m)；f11表示東西直行的車流量，f12表示東西左轉(zhuǎn)的車流量，f21表示南北直行的車流量，f22表示南北左轉(zhuǎn)的車流量，單位為每15 min車輛數(shù)(pcu)；r11表示東西直行紅燈時(shí)間，r12表示東西左轉(zhuǎn)紅燈時(shí)間，r21表示南北直行紅燈時(shí)間，r22表示南北左轉(zhuǎn)紅燈時(shí)間，單位為秒(s).

表1 FHPN中庫(kù)所的含義

表2 FHPN中變遷的含義

連續(xù)庫(kù)所p4和p5中的托肯r的取值由交叉口附近的傳感器實(shí)時(shí)的獲??；連續(xù)庫(kù)所p6中時(shí)間托肯r隨時(shí)間更新，同時(shí)變遷t3的觸發(fā)會(huì)改變時(shí)間托肯r的取值，把結(jié)束相位的紅燈時(shí)間改為0.推理變遷t4和t5的觸發(fā)，其前置庫(kù)所中連續(xù)庫(kù)所中托肯的取值不改變，而離散庫(kù)所的托肯會(huì)消失；其他變遷的觸發(fā)都是使的前置庫(kù)所的托肯轉(zhuǎn)移到后置庫(kù)所中，但取值會(huì)根據(jù)不同的規(guī)則來確定.

4 本文FHPN模型分析

本文中的下一個(gè)相位的確定是實(shí)時(shí)的，即相位1、相位2、相位3和相位4四個(gè)相位不一定是以固定的順序發(fā)生的，可能出現(xiàn)1-3-4-1-2的情況，故暫時(shí)不討論信號(hào)周期.這里主要分析各相位綠燈時(shí)間的確定和相序的確定.

4.1 實(shí)時(shí)確定相位綠燈時(shí)長(zhǎng)

相位綠燈時(shí)長(zhǎng)的確定有推理變遷t4來確定，前置庫(kù)所包括連續(xù)庫(kù)所和離散庫(kù)所，離散庫(kù)所確定要推理的綠燈時(shí)長(zhǎng)為哪一個(gè)相位，連續(xù)庫(kù)所排隊(duì)長(zhǎng)度和車流量來確定綠燈時(shí)長(zhǎng).若前置離散庫(kù)所p1的標(biāo)識(shí)為M(p1)={(0，0，1，0)}，則所要計(jì)算綠燈時(shí)長(zhǎng)的相位為相位3，即南北直行綠燈時(shí)長(zhǎng)，然后提取連續(xù)庫(kù)所p4中相位3的排隊(duì)長(zhǎng)度q21和連續(xù)庫(kù)所p5中相位3的車流量f21，再通過一個(gè)模糊推理Petri網(wǎng)來推理所需要的綠燈時(shí)長(zhǎng)，最后得到后置庫(kù)所p7的綠燈時(shí)長(zhǎng)，即確定了相位3的綠燈時(shí)長(zhǎng).

交叉口的具體位置和特性決定不同的模糊推理過程，首先構(gòu)造模糊控制器[13]，輸入量為排隊(duì)長(zhǎng)度Q和交通流量F，排隊(duì)長(zhǎng)度以米為單位，隸屬函數(shù)如圖4所示，交通流量以每小時(shí)車輛數(shù)位單位，隸屬函數(shù)如圖5所示；輸出量為綠燈時(shí)間T，以秒為單位，隸屬函數(shù)如圖6所示.模糊推理是根據(jù)相關(guān)交通智能方法及經(jīng)驗(yàn)得到，模糊推理規(guī)則如表3所示，推理結(jié)論的隸屬度為推理?xiàng)l件隸屬度的最小值，去模糊化方法采用加權(quán)平均隸屬度法則來計(jì)算.因篇幅有限，這里不給出模糊推理的詳細(xì)過程.

圖4 排隊(duì)長(zhǎng)度Q的隸屬函數(shù)Fig.4 The membership function of queue length Q

圖5 車流量F的隸屬函數(shù)Fig.5 The membership function of traffic flow F

圖6 綠燈時(shí)長(zhǎng)T的隸屬函數(shù)Fig.6 The membership function of green light time T

表3 模糊推理規(guī)則

基于以上的模糊控制器，構(gòu)造的模糊推理Petri網(wǎng)如圖7所示，其庫(kù)所和變遷的含義如表4所示，其中，庫(kù)所p3-p11中的托肯值為隸屬度，庫(kù)所p1中的托肯值為排隊(duì)長(zhǎng)度值，庫(kù)所p3中的托肯值為交通流量值，庫(kù)所p12為中的托肯值為綠燈時(shí)間值.

圖7 模糊推理Petri 網(wǎng)Fig.7 Fuzzy reasoning petri net

表4 模糊推理Petri網(wǎng)中庫(kù)所和變遷的含義

續(xù)表4

以上模糊推理Petri網(wǎng)的推理過程詳細(xì)說明了FHPN中變遷t4的觸發(fā)過程，即相位的開始的瞬間確定了綠燈時(shí)長(zhǎng)，由于變遷t4的觸發(fā)使得庫(kù)所p7中產(chǎn)生托肯值η，此時(shí)延遲變遷t1可觸發(fā)，因映射函數(shù)DT使得延遲變遷對(duì)應(yīng)一個(gè)正整數(shù)區(qū)間[α，β]，α表示前置庫(kù)所描述的相位最短綠燈時(shí)間，β表示前置庫(kù)所描述的相位最長(zhǎng)的綠燈時(shí)間.延遲變遷t1的觸發(fā)由η和[α，β]共同決定，如果α<μ<β，則t1在延遲η秒觸發(fā)，使得庫(kù)所p2中產(chǎn)生托肯，表示該相位綠燈結(jié)束，即將進(jìn)入下一相位；如果η≤α，則t1在延遲α秒觸發(fā)，使得該相位結(jié)束；如果η≥β，則t1在延遲β秒觸發(fā)，使得該相位結(jié)束.

4.2 實(shí)時(shí)確定下一個(gè)相位

交叉口信號(hào)燈的實(shí)時(shí)控制不僅要考慮當(dāng)前相位的綠燈時(shí)長(zhǎng)，盡量保證通行的車輛有較少的停車次數(shù)，同時(shí)要考慮所有方向的車輛的延遲，于是在考慮相位變換的時(shí)候，本文采用可變相序的實(shí)時(shí)控制.

在圖7中，如果庫(kù)所p2中含有托肯，且M(p2)={(0，-1，0，0)}，說明相位2結(jié)束，下一個(gè)相位可為相位1，相位3或者相位4.首先庫(kù)所p2中的托肯使得瞬時(shí)變遷t3觸發(fā)，使得連續(xù)庫(kù)所p6中的托肯值發(fā)生變化，例如：瞬時(shí)變遷t3觸發(fā)前：

M(p2)={(0，-1，0，0)}，

M(p6)={(50，165，115，15)}，

則觸發(fā)后：

M(p2)={(0，-1，0，0)}，

M(p6)={(50，0，115，15)}.

此時(shí)模糊推理變遷t5觸發(fā)，假設(shè)觸發(fā)前M(p4)={(130，5，120，30)}，通過模糊推理Petri網(wǎng)可以得到變遷t5觸發(fā)后庫(kù)所p3的標(biāo)識(shí)為M(p3)={(0，0，1，0)}，即說明下一個(gè)綠燈相位為相位3.

模糊推理變遷t5的觸發(fā)過程是3個(gè)模糊推理Petri網(wǎng)的結(jié)果，其結(jié)構(gòu)與圖7中的模糊推理Petri網(wǎng)類似，因篇幅有限這里不做詳細(xì)說明.因M(p2)={(0，-1，0，0)}，則只需考慮相位1、相位3和相位4這3個(gè)相位的紅燈時(shí)長(zhǎng)和排隊(duì)長(zhǎng)度，推理的結(jié)果為下一個(gè)相位選擇的可能性，如果推理結(jié)果分別為0.8，0.9和0.1，選擇最大的可能性，于是選擇相位3，即為標(biāo)識(shí)M(p4)={(0，0，1，0)}的推理過程.這里強(qiáng)調(diào)了下一個(gè)相位的選擇需要考慮兩個(gè)因素，第一是紅燈時(shí)長(zhǎng)，第二是排隊(duì)長(zhǎng)度.

離散庫(kù)所p2的標(biāo)識(shí)M(p2)={(0，-1，0，0)}和離散庫(kù)所p3的標(biāo)識(shí)M(p3)={(0，0，1，0)}使得瞬時(shí)變遷t2觸發(fā)，觸發(fā)后離散庫(kù)所p1的標(biāo)識(shí)M(p2)={(0，0，1，0)}，即所選擇的下一個(gè)相位為相位3.

5 實(shí)例仿真

基于信號(hào)燈實(shí)時(shí)控制的模糊混合Petri網(wǎng)模型，設(shè)置相關(guān)參數(shù)進(jìn)行仿真分析.這里設(shè)置東西直行的綠燈時(shí)間的最大值和最小值為90s和40s，東西左轉(zhuǎn)的綠燈時(shí)間的最大值和最小值為30s和15s，南北直行的綠燈時(shí)間的最大值和最小值為80s和30s，南北左轉(zhuǎn)的綠燈時(shí)間的最大值和最小值為25s和10s.在此給出3個(gè)交通流量2 000pcu/h、3 500pcu/h和5 000pcu/h進(jìn)行對(duì)比分析，以15min的總停車次數(shù)作為指標(biāo)來評(píng)價(jià)模糊混合Petri網(wǎng)的信號(hào)燈控制方法，對(duì)比的控制方法為傳統(tǒng)定時(shí)控制方法和傳統(tǒng)實(shí)時(shí)控制方法，結(jié)果如表5所示.

表5 仿真結(jié)果

6 結(jié)束語(yǔ)

本文主要的研究是提出了模糊混合Petri網(wǎng)，結(jié)合了模糊時(shí)延Petri網(wǎng)、連續(xù)Petri網(wǎng)和模糊推理Petri網(wǎng)等各種Petri網(wǎng)的優(yōu)勢(shì)，以交通信號(hào)燈實(shí)時(shí)控制為例子，實(shí)時(shí)控制綠燈的時(shí)間和相序的變化.通過實(shí)例仿真分析了FHPN模型的有效性，能夠?qū)崟r(shí)控制交叉口的運(yùn)行情況，最大程度的利用道路資源且大幅度的降低了交叉口的停車次數(shù).下一步的主要研究工作就是加入模糊時(shí)間Petri網(wǎng)[14-15]對(duì)主干道單流向的信號(hào)燈聯(lián)合控制以及更復(fù)雜的交叉口信號(hào)燈聯(lián)合控制進(jìn)行建模和分析.

[1] 朱銘琳， 趙潤(rùn)林. 單點(diǎn)交通信號(hào)控制系統(tǒng)的優(yōu)化設(shè)計(jì)與仿真[J]. 計(jì)算機(jī)工程與應(yīng)用， 2013， 49(10):253-257．

[2] 楊曉輝. 基于PLC的交通信號(hào)燈控制系統(tǒng)研究[J]. 中國(guó)新技術(shù)新產(chǎn)品， 2012， 17(07):38-39．

[3] 師亞娟，朱忠杰. 基于PLC的交通信號(hào)燈控制系統(tǒng)創(chuàng)新實(shí)驗(yàn)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 工業(yè)儀表與自動(dòng)化裝置， 2013， 43(02):70-72．

[4] 黃 玲， 劉 培. 基于PLC的十字路口交通信號(hào)燈控制[J].硅谷， 2013， 124(4):35-36．

[5] 葉劍虹， 葉 雙， 宋 文， 等. 基于增廣Petri網(wǎng)的實(shí)時(shí)交通信號(hào)控制系統(tǒng)[J]. 廈門大學(xué)學(xué)報(bào):自然科學(xué)版， 2011， 50(1): 28-32．

[6] 趙 晨， 胡福喬， 施鵬飛. 基于模糊邏輯的路口交通信號(hào)控制[J]. 計(jì)算機(jī)工程， 2003， 29(10): 50-52．

[7] 岳 昊. 基于混合Petri網(wǎng)的城市道路交通網(wǎng)絡(luò)建模和仿真[D]. 山東: 山東科技大學(xué)， 2009．

[8] 袁崇義.Petri網(wǎng)原理與應(yīng)用[M]. 北京: 電子工業(yè)出版社， 2005．

[9] 高 翔， 祝躍飛，盧錦江. 基于雙枝模糊邏輯和模糊著色Petri網(wǎng)的攻擊模型[J]. 計(jì)算機(jī)應(yīng)用研究， 2013， 30(5): 1527-1530．

[10] 朱婷婷，袁 杰. 學(xué)習(xí)環(huán)境模糊Petri網(wǎng)多變量輸出模型與計(jì)算[J]. 計(jì)算機(jī)仿真， 2013， 30(5):325-329．

[11] 尹 久，曹華軍， 杜彥斌. 基于廣義模糊Petri網(wǎng)的陶瓷生產(chǎn)過程能量碳流模型[J]. 系統(tǒng)工程理論與實(shí)踐， 2013， 33(4):1035-1041．

[12]LiuZ，LiuJ，HanQ.OntheTrafficSignalsHierarchicalFuzzyControlSystems[C]//DuZi-De:The13thAnnualConferenceofSystemEngineeringSociety.Beijing:TsinghuaUniversityPress， 2004:287-299．

[13] 鄺先驗(yàn)， 吳翠琴， 許倫輝， 等. 交通信號(hào)多相位智能優(yōu)化控制方法[J]. 計(jì)算機(jī)工程， 2008， 34(20): 205-207．

[14] 田 釗， 佘 維， 葉陽(yáng)東. 基于模糊時(shí)間知識(shí)推理的實(shí)時(shí)系統(tǒng)沖突研究[J]. 計(jì)算機(jī)工程， 2011， 37(14): 183-188．

[15] 黃光球，李 艷，王金成. 雙枝模糊時(shí)間Petri網(wǎng)可修復(fù)網(wǎng)絡(luò)攻擊模型[J]. 計(jì)算機(jī)工程與應(yīng)用，2011，47(5): 87-91．

Real-time control optimization research on road intersection traffic signal based on FHPN

ZHAO Jinchao1， SUN Jianzhao2，3

(1.School of Computer and Communication Engineering， Zhengzhou University of Light Industry， Zhengzhou 450002;2.Department of Information Management， Henan Vocational College of Economics and Trade， Zhengzhou 450000;3.College of Information Science and Engineering， Central South University， Changsha 410083)

In order to reasonably control the road intersection traffic flow， this paper combined fuzzy-timing Petri net， continuous Petri net and fuzzy-reasoning Petri net to construct fuzzy hybrid Petri nets(FHPN). A FHPN model was proposed to used in Real-time Control Optimization Research on Road Intersection Traffic Signal. The simulation analysis showed the FHPN model was effective and able to control intersection operation in red time， making the best use of road resources and greatly reduce the count of the vehicle stops．

traffic signal; real-time control; Petri net

2014-08-24.

鄭州市科技計(jì)劃項(xiàng)目(131PPTGG411-8)．

1000-1190(2015)03-0373-05

TP391.7

A

*通訊聯(lián)系人. E-mail: xiangmulunwen@yeah.net．