城市单路口交通信号两级模糊优化控制与仿真

作者:杨文臣;张轮;何兆成 刊名:中山大学学报(自然科学版) 上传者:邓强

【摘要】该文提出交通信号两级模糊控制的两种优化方法。首先,针对两级模糊控制器在低流量下考虑多维交通状态变量致使路口交通状态弱化,提出一种两级组合模糊控制器,其采用0-1组合思想,立足路口交通状态特征选取模糊控制器的交通状态变量的组合及结构。接着,针对模糊控制器参数经验设置及不具备学习能力,提出一种两级模糊在线优化控制器,其引入滑动时间窗思想,采用混合遗传算法在线同时优化模糊控制器隶属函数和控制规则的参数;最后,开发两级模糊在线优化控制的Paramics仿真平台,对两种模型进行效用评价;仿真结果表明所提出的方法分别从模糊控制器结构和参数优化的角度改进了两级模糊控制器的不足,控制效果符合交通管理者的控制目标。

全文阅读

城市交通信号多级模糊控制器综合考虑多维交通状态影响因素,如排队长度、饱和流量和相位持续时间等,可较准确地描述路口各相位交通流通行需求的紧急程度,并通过分级分散处理状态变量可避免状态变量间相互干扰;同时,通过优化路口相位顺序,可提高控制器性能;仿真结果表明该方法能有效减少延误、提高路口通过量,优于定时控制等[1]。但其采用的标准四相位结构忽略了右转等非关键车流,在交通状况复杂的路口,对交通流的波动响应不足;在低饱和的交通状态下,因考虑多维交通状态影响因素,致使路口交通状态弱化,多级模糊控制器性能差;而且,多级模糊控制器的多参数采用经验知识确定,不具备学习功能[2]。Ballester、Henry、Bingham等采用遗传算法[3]、神经网络[4]、增强学习等智能算法在交通信号与路口环境交互过程中[5],学习控制器参数,仿真结果证明了模糊优化控制的有效性,但这类方法多是离线优化,且控制器性能取决于优化算法的效率、有校样本集或回馈函数的设计。遗传算法采用群体搜索策略,不依懒梯度信息和经验知识[6],Lekova、Kim、Yang等将其应用于模糊控制器参数优化,可分为已知模糊规则参数优化模糊隶属参数,已知隶属参数优化模糊规则参数[7-9],同时优化隶属函数与模糊规则参数三类[10]。目前,模糊遗传优化控制研究多属前两类,同时优化规则和隶属参数的交通信号模糊控制器及其微观交通仿真评价的研究较少。同时,多数已有方法采用Matlab或计算机程序模拟路口交通流生成,缺乏反映现实路网车流运行的微观模拟方法和模糊控制方法布署实施的仿真评价技术的研究[11]。本文以基于交通强度的交通信号两级模糊控制为基础,研究城市交通信号模糊智能优化控制及其在线仿真。针对两级模糊控制因考虑多维交通状态变量致使在低流量下交通状态弱化等不足,从两模糊控制器结构及交通状态参数选取优化的角度,提出城市交通信号组合模糊优化控制方法,该方法采用“0-1”组合的方式,在低流量下仅考虑队长,采用单级模糊控制器,而在中高流量下综合考虑交通状态因素,采用二级模糊控制器。针对模糊控制器参数人工设定且不具备学习功能,从模糊控制器参数优化的角度,提出基于混合遗传算法的交通信号模糊优化控制,其引入滑动时间窗,设计两级模糊控器隶属函数和控制规则参数的优化框架,并采用改进的混合遗传算法在线学习两级模糊器参数。最后,利用Paramics提供的二次开发接口和Matlab与VC++的混合编程技术构建交通信号两级模糊在线优化控制Paramics仿真平台,并以典型城市单交叉口进行实验,采用四种控制策略对案例进行大量仿真,对提出的两种模型进行效用评价。1两级组合模糊控制模型1.1建模理论分析交通信号两级模糊控制器的性能受限于交通状态变量的选择和控制器参数的合理设置。路口车辆较多时,红灯相位均有一定排队车辆数,仅凭排队车辆数难以准确描述路口状态,基于交通强度的状态变量考虑相位时间及绿相车流到达情况,符合控制需求;但是,在车流量低的情况下,交通流为自由流,路口排队车辆数很少,由于考虑相位时间,路口状态被弱化[12],使低流量下的两级模糊控制等同于最小周期控制,致使控制性能差,主要体现在两个方面:1)相位决策延长时间小,相位频繁切换致使路口新增车辆通常要排队才能通过。2)红灯相位时间短而目标绿灯相位排队车辆数少,致使新绿灯相位无车浪费绿灯时间现象严重。因而,两级模糊控制器状态变量的选取应与路口交通状态直接关联,状态变量的选择取决于路口交通状态特征,面向不同的交通状态,模糊控制器的结构应是自适应的。1.2两级组合模糊概念模型结合经典模

参考文献

引证文献

问答

我要提问