基于模糊邏輯算法的感應(yīng)式信號(hào)燈仿真設(shè)計(jì)

李曉玲 劉 秀 王 琪

(東北林業(yè)大學(xué)交通學(xué)院,黑龍江 哈爾濱 150040)

隨著我國(guó)國(guó)民經(jīng)濟(jì)水平及出行要求的不斷提高，我國(guó)汽車(chē)保有量不斷提升，在方便了人們出行的同時(shí)也給城市道路造成了極大的壓力[1]。在高峰時(shí)段城市主干道路與支路交叉口之間的沖突是造成擁堵的主要問(wèn)題之一[2]，由于支路的集散功能有著很強(qiáng)的時(shí)間差異，非高峰時(shí)段匯入主路的車(chē)輛數(shù)大大減少[3]，主路與支路的車(chē)流比變化明顯，因此主干路與支路交叉口使用固定信號(hào)控制勢(shì)必會(huì)降低非高峰時(shí)段主路車(chē)流的運(yùn)行效率[4]。

我國(guó)在20世紀(jì)初才開(kāi)始了交通信號(hào)控制系統(tǒng)方面的研究，并直到20世紀(jì)70年代，我國(guó)才逐漸引進(jìn)和投入使用了感應(yīng)式、定周期相關(guān)的信號(hào)控制方式[5]。隨后在1980年開(kāi)始實(shí)施了通過(guò)計(jì)算機(jī)來(lái)進(jìn)行干道協(xié)調(diào)控制和感應(yīng)控制[6]。但現(xiàn)在國(guó)內(nèi)仍大量存在因交通信號(hào)配時(shí)不當(dāng)而引起擁堵的現(xiàn)象，這對(duì)道路安全及交通管理均帶去了大量不便之處。國(guó)外的交通控制系統(tǒng)也是在這樣不斷發(fā)現(xiàn)問(wèn)題后不斷修復(fù)中得到提高。如今較為廣泛運(yùn)用的信號(hào)控制系統(tǒng)有以下三種[7]：一是TRANSYT系統(tǒng)[8]；二是SCOOT系統(tǒng)[9]；三是SCATS系統(tǒng)[10]。

研究的是一種基于模糊邏輯算法的感應(yīng)式信號(hào)燈，旨在通過(guò)給予模糊邏輯算法的自適應(yīng)控制來(lái)提高主干路與支路交叉口通行效率。主要根據(jù)主干路與支路的車(chē)流量比及資源利用程度得出合理的配時(shí)，對(duì)應(yīng)算法得出針對(duì)主支路交叉口信號(hào)配時(shí)的優(yōu)化方案，以緩解交通擁擠問(wèn)題。

1 研究整體思路

將根據(jù)主干路與支路的車(chē)流量比作為輸入量，結(jié)合模糊邏輯，得出對(duì)應(yīng)控制量及配時(shí)方案，后經(jīng)反饋得以連續(xù)，用以緩解主干路與支路信號(hào)交叉口的交通擁擠問(wèn)題，大體結(jié)構(gòu)如圖1所示。

2 模糊控制器設(shè)計(jì)

美國(guó)自動(dòng)控制專(zhuān)家Zedeh于1965年發(fā)表了他的著名論文“模糊集合”(Fuzzy Sets)，開(kāi)辟了模糊控制的新領(lǐng)域[11]。通過(guò)matlab等相關(guān)軟件可以輕易的看出，當(dāng)隸屬度函數(shù)的值越接近1，變量隸屬于模糊集合的程度越高，反之隸屬度函數(shù)的值越接近0，則表示變量隸屬于模糊集合的程度越低[12,13]。

2.1 隸屬度函數(shù)

采用人工計(jì)數(shù)在司徒街—六順街信號(hào)交叉口所得的數(shù)據(jù)及相關(guān)理論繪制了如下函數(shù)：選擇主路與支路流量比e為觀察量，選取配時(shí)方案u為控制量，將e劃分為3個(gè)模糊集，選取語(yǔ)言變量值為負(fù)大(NB)、零(ZO)、正大(PB)。根據(jù)實(shí)際情況，設(shè)定e的取值范圍為[1,9],輸入量e隸屬度函數(shù)如圖2所示。且以上每一板塊均為數(shù)據(jù)壓縮下對(duì)應(yīng)的語(yǔ)言變量，而輸入數(shù)值的定性便由隸屬函數(shù)來(lái)判斷[14]。

由此得到比值e對(duì)應(yīng)的模糊控制表如表1所示。

表1 e變量的模糊集

同樣，將控制量u設(shè)置為3個(gè)級(jí)別，分別為負(fù)大(NB)、零(ZO)、正大(PB)設(shè)定u的取值范圍為[-1,1]，控制量u隸屬度函數(shù)如圖3所示。

由此得到控制量u對(duì)應(yīng)的模糊控制表如表2所示。

根據(jù)所確定控制量的模糊集，制定配時(shí)方案Ⅰ，配時(shí)方案Ⅱ和配時(shí)方案Ⅲ。

表2 u變量的模糊集

2.2 模糊規(guī)則

制定模糊規(guī)則：采用“IF A THEN B”的規(guī)則，描述為：當(dāng)e為負(fù)大(NB)時(shí)，應(yīng)采取配時(shí)方案Ⅰ，其對(duì)應(yīng)的控制量u的語(yǔ)言變量值為負(fù)大(NB)；當(dāng)e為零(ZO)時(shí)，應(yīng)采取配時(shí)方案Ⅱ，其對(duì)應(yīng)的控制量u的語(yǔ)言變量值為零(ZO)；當(dāng)e為正大(PB)時(shí)，應(yīng)采取配時(shí)方案Ⅲ，其對(duì)應(yīng)的控制量u的語(yǔ)言變量值為正大(PB)。根據(jù)上述制定的模糊規(guī)則，得到模糊關(guān)系集合R。

至此，模糊控制量u便可由輸入量e與模糊集合R合成求出，具體表達(dá)式如式(1)所示。

u=e⊙R

(1)

2.3 控制器實(shí)現(xiàn)

通過(guò)MATLAB仿真得到的模糊面圖和模糊函數(shù)圖見(jiàn)圖4，圖5。

3 VISSIM模擬仿真

經(jīng)過(guò)實(shí)地調(diào)查，哈爾濱市香坊區(qū)司徒街—六順街交叉口符合本方案適用條件。其中，東西向?yàn)橹鞲傻?，南北向?yàn)橹?，?chē)流量相差較大，仿真數(shù)據(jù)取自該交叉口高峰時(shí)段。

仿真采用人工計(jì)數(shù)法對(duì)司徒街—六順街信號(hào)交叉口高峰時(shí)段進(jìn)行調(diào)查，得到高峰時(shí)段車(chē)流量。經(jīng)過(guò)實(shí)地調(diào)查，該信號(hào)交叉口為三相位交叉口，相位設(shè)置如圖6所示。

采用韋伯斯特配時(shí)法進(jìn)行信號(hào)配時(shí)，具體算法如式(2)～式(6)所示。

(2)

Ge=T-L

(3)

(4)

g=ge-A+1

(5)

(6)

其中，T為最佳周期長(zhǎng)度;Y為周期長(zhǎng)度內(nèi)各相位最大飽和度yi值之和;L=∑(l+I-A)為每個(gè)周期的損失時(shí)間;I為綠燈間隔時(shí)間;l為起動(dòng)損失時(shí)間;A為黃燈時(shí)間;Q為某進(jìn)口的交通量;C為對(duì)應(yīng)Q的設(shè)施通行能力。計(jì)算得到配時(shí)方案如表3所示。

表3 配時(shí)方案 s

4 仿真結(jié)論

通過(guò)VISSIM仿真，將根據(jù)實(shí)際情況隨機(jī)產(chǎn)生的車(chē)流量比，使用該配時(shí)方案與原有配時(shí)方案進(jìn)行對(duì)比。

當(dāng)支路與主路的流量比為1∶10時(shí)，仿真結(jié)果如表4所示。西進(jìn)口延誤下降37.4%，東進(jìn)口延誤下降72.3%。當(dāng)支路與主路的流量比為1∶5時(shí)，仿真結(jié)果如表5所示。西進(jìn)口延誤下降8.23%，東進(jìn)口延誤下降6.73%。

表4 仿真結(jié)果(流量比為1∶10)

表5 仿真結(jié)果(流量比為1∶5)

5 算法改進(jìn)

在一元輸入的基礎(chǔ)上，考慮其他因素進(jìn)行多因素融合分析來(lái)進(jìn)一步提高方案的效率。選取進(jìn)入該交叉口的機(jī)動(dòng)車(chē)與非機(jī)動(dòng)車(chē)的交通構(gòu)成比例作為增加輸入量m，其論域?yàn)閧0，1}；通過(guò)仿真

實(shí)驗(yàn)各項(xiàng)指標(biāo)均優(yōu)于先前所提方案。