第一篇：第三章 城市交通信號(hào)模糊控制理論

2城市交通信號(hào)模糊控制理論

模糊控制理論應(yīng)用于工業(yè)、汽車、家用電器、交通等各個(gè)領(lǐng)域，其在交通中的一個(gè)重要的應(yīng)用就是城市交通信號(hào)模糊控制。本章在闡述模糊控制原理的基礎(chǔ)上，介紹城市交通信號(hào)模糊控制的理論基礎(chǔ)，為下一章的城市交通信號(hào)模糊控制器的設(shè)計(jì)作理論鋪墊。2.1模糊控制基礎(chǔ)理論分析 2.1.1模糊控制的特點(diǎn)

模糊控制實(shí)際上是一種非線性控制，屬于智能控制的范疇。近幾十年來模糊控制理論無論是在理論還是技術(shù)上都有了很大的進(jìn)步，模糊控制在實(shí)際應(yīng)用上也已經(jīng)碩果累累，這主要是由模糊控制的特點(diǎn)決定的：

1、模糊控制既具有系統(tǒng)化的理論，又有著大量實(shí)際應(yīng)用背景。

2、模糊控制是一種基于規(guī)則的控制。在實(shí)際的設(shè)計(jì)中不需要建立精確的數(shù)學(xué)模型，因而控制器的設(shè)計(jì)簡單，便于應(yīng)用。

3、基于模型的控制算法及系統(tǒng)設(shè)計(jì)方法，由于出發(fā)點(diǎn)和性能指針的不同，容易導(dǎo)致很大差異；但一個(gè)系統(tǒng)的語言控制規(guī)則卻具有相對(duì)的獨(dú)立性，利用這些控制規(guī)律間的模糊連接，容易找到這種規(guī)律，使控制效果優(yōu)于常規(guī)控制器。

4、模糊控制系統(tǒng)的魯棒性強(qiáng)，干擾和參數(shù)變化對(duì)控制效果的影響被大大減弱，尤其適合于非線性、時(shí)變及純滯后系統(tǒng)的控制。

5、許多復(fù)雜系統(tǒng)，很難建立模型和控制，因?yàn)樗鼈儼淮_定性、不精確性、并混雜有非線性和時(shí)變性。模糊控制對(duì)于那些數(shù)學(xué)模型難以建立，變化非常顯著的對(duì)象較適用。

6、是一種反映人類智慧思維的智慧控制。模糊控制采用人類思維中的模糊量，如“高”“中”“低”“大”“小”，控制量由模糊推理導(dǎo)出。這些模糊量和模糊推理是人類通常智慧活動(dòng)的體現(xiàn)。

7、模糊控制具有語詞計(jì)算和處理不確定性以及模糊信息的能力。模糊控制本質(zhì)上是一種基于語言規(guī)則的仿人智能控制。由于控制對(duì)象僅能提供一些模糊信息，計(jì)算機(jī)參與這類控制時(shí)必須模仿人類能夠接受和處理模糊信息，進(jìn)行模糊控制的本領(lǐng)。2.1.2模糊控制的基本概念

在人們的思維中，有很多沒有明確外延的一些概念，即模糊概念，如以人的年齡為對(duì)象，那么“年輕”、“中年”、“老年”就沒有明確的外延；不同的人有不同的感受與判斷；再如爐溫的“高溫”、“中溫”、“低溫”也是此類的概念。以上這種概念不能用經(jīng)典集合加以描述，不能絕對(duì)地區(qū)別“屬于”與“不屬于”，而要用模糊集合的概念描述。在本文中用到的模糊控制重要概念有：變量的論語、模糊子集、隸屬度、模糊關(guān)系與模糊矩陣。

1、論語：被考慮對(duì)象的所有元素的全體稱為論語，又稱全域、全集、有的也稱空間，一般用大寫字母U表示。

2、模糊子集：給定論語U，U到[0，1]閉區(qū)間的任意映射?A，?A：U→[0，1] ?→?A

都確定U的一個(gè)模糊子集A，A就是論語U的模糊子集。

~~

3、隸屬度函數(shù)：上式中?A稱為模糊子集的隸屬度函數(shù)。隸屬度函數(shù)的表示方法大致有以下三種：

(l)圖形表示法(2)表格表示法(3)公式表示法

4、隸屬度：?A(?)為?對(duì)A的隸屬度。

~

5、模糊關(guān)系：模糊關(guān)系R也稱模糊控制規(guī)則，它描述了元素之間的關(guān)聯(lián)程度，當(dāng)論域X、~Y都是有限集時(shí)，模糊關(guān)系可以用模糊矩陣來表示。設(shè)X=?x1,x2,???xn?，Y=?y1,y2,???yn?，模糊矩陣R的元素rij表示論域X中第i格元素xi與論域Y中的第j格元素yj對(duì)于關(guān)系R的~`隸屬程度，即?RXi，Yj?rij。

~??2.1.3模糊控制過程及原理分析

模糊控制的控制規(guī)律由計(jì)算機(jī)的程序?qū)崿F(xiàn)，實(shí)現(xiàn)的過程是：計(jì)算機(jī)采樣獲取被控制量的精確值，然后將此量與給定值比較得到誤差E；將誤差E作為模糊控制的一個(gè)輸入量；把E的精確量模糊化變成模糊變數(shù)，從而得到E的模糊語言集合的一個(gè)子集e~；由e~與控制規(guī)則R進(jìn)行模糊推理，得到控制變量u，其中u=e?R，其中u是模糊變量；將模糊~~~~~~變量u轉(zhuǎn)換為精確量，這樣通過u可以對(duì)被控對(duì)象進(jìn)行控制；循環(huán)進(jìn)行第二次采樣，進(jìn)行第~~二步控制，循環(huán)下去，最終實(shí)現(xiàn)被控對(duì)象的模糊控制。具體的模糊控制原理與過程如下圖所示：

模糊控制的核心是模糊控制器，在使用模糊控制器進(jìn)行模糊控制時(shí)必不可少的三步驟為：精確量的模糊化、模糊規(guī)則的設(shè)計(jì)、反模糊化，下面分別分析、介紹這三部分。

（一）精確量的模糊化

精確變量的模糊化過程實(shí)際上是定義模糊變量的模糊子集的過程，而定義一個(gè)模糊子集就要確定模糊子集隸屬函數(shù)曲線的形狀，確定隸屬函數(shù)曲線有以下常用的幾種方法：

（1）主觀經(jīng)驗(yàn)法：當(dāng)論域是離散變量時(shí)，根據(jù)主觀人數(shù)或個(gè)人經(jīng)驗(yàn)，直接或間接給出隸屬的具體值，由此來確定隸屬度函數(shù)。

（2）分析推理法：當(dāng)論域連續(xù)，根據(jù)問題的性質(zhì)，應(yīng)用一定的分析與推理，決定選用某些典型的函數(shù)作為隸屬函數(shù)。如三角形函數(shù)、梯形函數(shù)、高斯函數(shù)等。

（3）調(diào)查統(tǒng)計(jì)法：以調(diào)查統(tǒng)計(jì)結(jié)果所得出的經(jīng)驗(yàn)曲線作為隸屬函數(shù)、作為隸屬曲線。根據(jù)曲線找出相應(yīng)的函數(shù)表達(dá)式。

將確定的隸屬函數(shù)曲線離散化，就得到了有限個(gè)點(diǎn)上的隸屬度，便構(gòu)成了一個(gè)模糊變數(shù)的模糊子集。模糊子集的數(shù)量一般選5個(gè)或7個(gè)為宜。隸屬度函數(shù)曲線的形狀一般有：三角形、梯形、高斯型等，在目前的應(yīng)用中大部分都是為方便起見采用梯形、三角形隸屬度函數(shù)。

（二）模糊規(guī)則的設(shè)計(jì)

模糊規(guī)則是模糊控制中的重要環(huán)節(jié)，模糊控制器正是依據(jù)這些模糊控制規(guī)則來完成最終推理，它用“IF--THEN”的形式描述被控對(duì)象的動(dòng)態(tài)特性。目前模糊規(guī)則大都是專家經(jīng)驗(yàn)確定，并且要求模糊控制規(guī)則要完整覆蓋模糊集合。

常見的模糊控制規(guī)則根據(jù)模糊控制器的種類不同可分為以下幾種：（1）單輸入單輸出模糊控制器

該種控制器僅有一個(gè)輸入變量、一個(gè)輸出變量，設(shè)模糊集合A為屬于論域X的輸入，~~模糊集合B為屬于論域Y的輸出，其控制規(guī)則通常由模糊條件語句

~~If A THEN B

~~~~

If A THEN B ELSE C

~~~~~~其中模糊集合B與C具有相同的論域Y，這種控制反應(yīng)非線性比例(P)控制規(guī)律。

~~~~(2)雙輸入單輸出模糊控制器

設(shè)模糊集合E屬于論域X的輸入，模糊集合EC屬于論域Y的輸入，兩者一同構(gòu)成模糊控制器的二維輸入，屬于論域Z的模糊集合U是模糊控制器的一維輸出，這類模糊控制器的控制規(guī)則通常由模糊條件語句

IF E AND EC THEN U

來表達(dá)，是模糊控制中最常用的一種控制規(guī)則，它反映非線性比例加微分(PD)控制規(guī)律。(3)多輸入單輸出模糊控制器

假設(shè)模糊集合A，B，C?N分別屬于各自論域的多維輸入，U為屬于其論域的單維~~~~~~~~~~~~~~~輸出，其控制規(guī)則通常由模糊條件語句

IF A AND B AND?AND N THEN U來描述。

~~~~~~~(4)雙輸入多輸出模糊控制器

設(shè)模糊集合E屬于論語X的輸入，模糊集合EC屬于論語Y的輸入，兩者一同構(gòu)成模糊控制器的二維輸入，多維輸出為UV?W的模糊控制器。這類控制器的控制規(guī)則可由一組模糊條件語句

~~~~~

IF E AND EC THEN U

AND

IF E AND EC THEN V AND

IF E AND EC THEN W

在制定模糊規(guī)則時(shí)要根據(jù)實(shí)際情況分別來設(shè)計(jì)確定合適的控制規(guī)則。

(三)模糊判決

通過模糊推理得到的結(jié)果只是一個(gè)模糊集合，但在實(shí)際執(zhí)行中，需要有一個(gè)精確值才能對(duì)被控對(duì)象進(jìn)行控制，因此要有一個(gè)將模糊集合變成一個(gè)最佳代表的精確值的反模糊化這一過程。

該過程有三種方法：最大隸屬度函數(shù)法、重心法、加權(quán)平均法。最大隸屬度函數(shù)方法簡單快捷，但是不考慮輸出隸屬度函數(shù)的形狀，只關(guān)心其最大隸屬度輸出值，因此會(huì)丟失一些信息；重心法取模糊隸屬度函數(shù)曲線與橫坐標(biāo)圍成面積的重心為模糊推理最終輸出值，該方法與最大隸屬度法相比具有更平滑的輸出推理控制；加權(quán)平均是重心法的一種拓展方法，調(diào)整系數(shù)可以轉(zhuǎn)化為重心法，需要根據(jù)實(shí)際來確定系數(shù)。綜合上述，重心法較最大隸屬度方法更加平滑，較后者較簡單實(shí)用，故重心法是目前較理想的逆模糊化方法。

后面設(shè)計(jì)的模糊控制器使用重心法來解模糊，這里就著重介紹重心法，重心法是根據(jù)輸出模糊集合隸屬度函數(shù)曲線與橫坐標(biāo)圍城面積的中心相應(yīng)的輸出當(dāng)作精確值的輸出，其公式如下： ~~

~~~~~~~u????u?uii?1nni

i???u?i?1ui是對(duì)象論域中的元素，??ui?是論域元素ui對(duì)模糊子集的隸屬度

2.2城市交通信號(hào)模糊控制相關(guān)理論分析

城市交信號(hào)模糊控制是模糊控制在城市交通控制中的一個(gè)具體的應(yīng)用，它解決了城市交通信號(hào)控制建模難、建立的模型難以用算法求解的問題。本節(jié)結(jié)合具體的交通信號(hào)控制問題，利用模糊控制的基礎(chǔ)理論分析城市交通信號(hào)模糊控制理論。2.2.1城市交通信號(hào)模糊控制問題描述

傳統(tǒng)的單個(gè)信號(hào)交叉口控制方式：固定周期和綠信比的固定配時(shí)控制、感應(yīng)控制。固定配時(shí)根據(jù)以往觀測的交通需求，按預(yù)先設(shè)計(jì)的配時(shí)方案進(jìn)行控制，無法根據(jù)相應(yīng)交通需求的隨機(jī)變化而變化。感應(yīng)控制在一定程度上克服了固定配時(shí)的不足，但在相位綠燈時(shí)間內(nèi)，只要檢測到車輛到達(dá)就給出一個(gè)單位的綠燈延時(shí)，直到最大綠燈時(shí)間為止。也就是說它只關(guān)心有無車輛到達(dá)、車輛到達(dá)與否，而沒有考慮有多少輛車到達(dá)，只能考慮一個(gè)相位方向的延誤情況，而沒有真正的總體考慮總延誤，因而無法真正響應(yīng)各個(gè)相位的交通需求。

模糊邏輯控制是一種新型的智能控制方式，它綜合考慮交叉口車輛到達(dá)與排隊(duì)情況，以交叉口的總延誤最小為控制目標(biāo)，調(diào)整控制策略使得交通控制能真正響應(yīng)交通實(shí)時(shí)變化的需求。

城市交通信號(hào)模糊控制通過設(shè)置在各個(gè)車道上的車輛檢測器檢測到各個(gè)相位的到達(dá)車輛數(shù)，計(jì)算出各個(gè)相位的車輛排隊(duì)長。通過綠燈相位的入口流量、車輛排隊(duì)長度來考察綠燈相位的交通情況、紅燈相位的車輛排隊(duì)長度來考慮紅燈相位的交通狀況，綜合考慮紅燈、綠

燈相位的交通情況，用城市交通信號(hào)模糊控制器做出是否轉(zhuǎn)換信號(hào)的判決，通過是否轉(zhuǎn)換交通信號(hào)來影響交通流。根據(jù)城市交通信號(hào)模糊控制的思想：當(dāng)綠燈相位的車流量很大、排隊(duì)長度相當(dāng)長時(shí)，有必要延長該相位的綠燈時(shí)間，但是是否做出延長綠燈時(shí)間的決定還要看紅燈相位的交通情況，若紅燈相位的排隊(duì)長度很小時(shí)，控制器就會(huì)做出延長綠燈時(shí)間的判決； 若紅燈相位排隊(duì)長隊(duì)很長時(shí)，綜合考慮總的車輛平均延誤就不一定會(huì)繼續(xù)延長綠燈時(shí)間，到底做出什么樣的判決，取決于模糊控制器的設(shè)計(jì)，模糊推理規(guī)則的設(shè)定。要得到理想的控制結(jié)果就要合理設(shè)計(jì)城市交通信號(hào)模糊控制器、合理設(shè)置模糊推理規(guī)則。

可以解決的問題可以用以下實(shí)際問題來描述：假設(shè)一個(gè)平面交叉口采用典型的四相位放行控制方式：東西直行為第一相位，東西左轉(zhuǎn)為第二相位，南北直行為第三相位，南北左轉(zhuǎn)為第四相位。

注：

1、由于中國的道路交叉口的右轉(zhuǎn)車流一般不受城市交通信號(hào)的控制，所以城市交通信號(hào)模糊控制中不考慮右轉(zhuǎn)車流。

2、各個(gè)相位的直行、左轉(zhuǎn)車道上設(shè)置一組車輛檢測器，可以實(shí)時(shí)檢測到各個(gè)車道的車流到達(dá)、車輛排長度。

根據(jù)以上所述，該城市交叉口交通信號(hào)控制問題可以描述如下：

控制目標(biāo)：使通過交叉口的車流量的平均排隊(duì)長度最短，車輛平均延誤最小。城市交通信號(hào)模糊控制器綜合考慮綠燈相位、紅燈相位的交通情況，做出以交叉口的總延誤最小為控制目標(biāo)。

控制變量：信號(hào)周期、各相位的綠信比。模糊控制器做出是否延長放行相位的綠燈時(shí)間的決定，延長綠燈時(shí)間會(huì)增加總的綠燈時(shí)間，也會(huì)改變信號(hào)周期，這樣就會(huì)調(diào)整信號(hào)的綠信比。

2.2.2城市交通信號(hào)模糊控制原理分析

城市交通信號(hào)模糊控制器是城市交通模糊控制決策部分，做出是否轉(zhuǎn)換交通信號(hào)的決定來影響控制交通流，交通流的變化會(huì)使得紅燈、綠燈相位的交通狀況的變化，城市交通信號(hào)模糊控制器會(huì)根據(jù)實(shí)際情況做出相應(yīng)的是否轉(zhuǎn)換相位的決策，周而復(fù)始，進(jìn)行實(shí)時(shí)交通控制。

針對(duì)以上城市交通信號(hào)控制問題，城市交通信號(hào)模糊控制的控制思路與策略是這樣進(jìn)行的：

1、給定每個(gè)相位的最小綠燈時(shí)間與最大綠燈時(shí)間，以保證通行相位的車輛通行權(quán)、與

等待相位車輛的通行權(quán)。

2、假設(shè)按最初給定該相位的最小綠燈時(shí)間放行第一相位(東西直行)，放行時(shí)間到達(dá)最短綠燈時(shí)間時(shí)開始計(jì)算該放行相位的入口流量、排隊(duì)長度、下一個(gè)要放行相位的排隊(duì)長度，通過模糊控制器綜合考慮是否繼續(xù)放行當(dāng)前相位，模糊控制器做出決策。

3、如果繼續(xù)放行該相位就在最短綠燈時(shí)間的基礎(chǔ)上增加一個(gè)延長綠時(shí)間，否則就放行下一相位。

4、每一相位放行時(shí)間到達(dá)最大時(shí)間時(shí)就自動(dòng)強(qiáng)制轉(zhuǎn)換下一相位。

5、這樣循環(huán)控制形成周期、綠信比隨交通狀況實(shí)時(shí)變化的控制方案。城市交通信號(hào)模糊控制把城市交通模糊控制器與交通流生成、交通車輛延誤綜合考慮的周期循環(huán)控制。要進(jìn)行城市交通信號(hào)模糊控制需要幾個(gè)重要的組成部分：交通流、車輛檢測器、模糊控制器、交通延誤。計(jì)算具體的框架如下圖：

該控制過程通過交通流生成模型生成一定的交通流，生成的交通流通過車輛檢測器可以檢測監(jiān)視得到綠燈相位的排隊(duì)長度、綠燈相位的入口流量、紅燈相位排隊(duì)長度三個(gè)城市交通模糊控制器的輸入量；將該輸入量輸入模糊邏輯控制器后，可以得出該時(shí)段的控制策略；對(duì)交通信號(hào)進(jìn)行控制；對(duì)交通信號(hào)控制同時(shí)會(huì)對(duì)交通流產(chǎn)生影響，形成新的交通流繼續(xù)以上的循環(huán)可以對(duì)一定時(shí)段的交通信號(hào)進(jìn)行控制。

第二篇：人工智能在城市交通信號(hào)控制中的應(yīng)用

五邑大學(xué)智能交通讀書報(bào)告

人工智能在城市交通信號(hào)控制中的應(yīng)用

五邑大學(xué)信息工程學(xué)院

2012年4月

目錄

摘要

Abstract 第一章緒論

1.1研究背景

1.2智能交通系統(tǒng)簡介

1.3城市交通信號(hào)控制概述

1.4國內(nèi)外城市交通信號(hào)控制的發(fā)展歷程

1.5城市交通信號(hào)燈控制的發(fā)展方向

第二章 城市智能交通控制的基本理論

2.1模糊邏輯(Fuzzy Logic)

2.2人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks)

2.3遺傳算法(Genetic Algorithm)

2.4蟻群算法(Ant Colony Optimization)

2.5粒子群算法(Particle Swarm Optimization)

2.6多智能體技術(shù)(Multi-agent)第三章 多智能體技術(shù)介紹

3.1智能體(Agent)

3.2 Agent的結(jié)構(gòu)

3.3 Agent的分類

3.4多智能體系統(tǒng)在交通控制領(lǐng)域的優(yōu)越性

第四章

基于RBF神經(jīng)網(wǎng)絡(luò)的單交叉口自學(xué)習(xí)控制系統(tǒng)

4.1引言

4.2問題描述

4.3控制器的設(shè)計(jì)及其算法

4.3.1基于神經(jīng)網(wǎng)絡(luò)的單交叉口模型 4.3.2 RBF神經(jīng)網(wǎng)絡(luò) 4.3.3神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)方案

4.4仿真分析

第五章結(jié)論與展望

5.1 總結(jié)

5.2 展望

摘要

隨著社會(huì)的進(jìn)步，城市化進(jìn)程加快，城市人口和車輛日益增多，城市交通問題日益突出，嚴(yán)重影響城市發(fā)展。先進(jìn)的城市交通信號(hào)控制系統(tǒng)能提高現(xiàn)有道路的通行能力，改善交通狀況，達(dá)到疏導(dǎo)交通、保證交通安全、暢通，智能交通系統(tǒng)就是其中之一，智能交通系統(tǒng)的發(fā)展，城市交通信號(hào)控制己成為最重要的研究方向。由于城市交通的復(fù)雜性，采用傳統(tǒng)的控制方法己無法有效地解決交通信號(hào)控制問題，本文研究人工智能控制的方法在城市交通信號(hào)控制中的應(yīng)用。

關(guān)鍵詞: 交通信號(hào)控制，人工智能，ITS,神經(jīng)網(wǎng)絡(luò)，模糊理論，相序優(yōu)化

第一章

緒論 1.1研究背景

城市交通是城市經(jīng)濟(jì)活動(dòng)的命脈，對(duì)城市經(jīng)濟(jì)的發(fā)展，人民生活水平的提高起著十分重要的作用。從1886年第一輛小汽車在德國問世，增加了人類在交通領(lǐng)域的機(jī)動(dòng)性，便捷性，同時(shí)促進(jìn)了城市道路和高速公路的發(fā)展。隨著汽車工業(yè)的迅速發(fā)展，汽車己經(jīng)成為人們?nèi)粘Ｉ钪斜夭豢缮俚慕煌üぞ摺，F(xiàn)在，人類社會(huì)的科學(xué)技術(shù)和經(jīng)濟(jì)力己經(jīng)發(fā)展到了相當(dāng)高的水平，機(jī)動(dòng)車輛迅速增加，有關(guān)資料表明:1978年至1995年全國城市機(jī)動(dòng)車的保有量的增長速度是道路增長速度的80倍。從70年代末起，我國城市汽車擁有量以每年平均12%-14%的速度增長。1978年，我國民用汽車總量僅有135.84萬輛，到2001年超過1845萬輛，機(jī)動(dòng)車總數(shù)達(dá)到6852萬輛。其中，私人汽車由1985年的28.45萬輛增加到770萬輛，這些民用汽車特別是私人汽車，多集中在我國的城市地區(qū)，而且增長趨勢迅猛。

汽車工業(yè)雖然給人們帶來各種便利，但是也給城市交通帶來了沉重負(fù)擔(dān)，城市道路交通供需的嚴(yán)重不平衡已經(jīng)成為各大中城市所共同面對(duì)的嚴(yán)重問題，特別是在大城市，交通堵塞現(xiàn)象時(shí)有發(fā)生，這不僅影響城市的正常運(yùn)轉(zhuǎn)，而且明顯降低了人們的日常工作效率。據(jù)統(tǒng)計(jì)，現(xiàn)在全國32個(gè)百萬人口以上的城市中，有27個(gè)城市的人均道路面積低于全國平均水平。每年由交通堵塞造成的直接經(jīng)濟(jì)損失大約1600億元;相當(dāng)于國內(nèi)生產(chǎn)總值的3.2%121.由此產(chǎn)生了一系列的問題，如環(huán)境污染、交通擁擠、交通事故頻發(fā)等，給人們的生命和財(cái)產(chǎn)帶來了很大的損失。

2001年，全國共發(fā)生交通事故70多萬起，10萬多人死亡，受傷人數(shù)50萬人，直接經(jīng)濟(jì)損失達(dá)30億元。近五年，全國道路交通事故起數(shù)上升了32.5%，死亡人數(shù)上升了85%，受傷人數(shù)上升了42%。目前，機(jī)動(dòng)車污染己經(jīng)上升為我國城市大氣和噪聲的主要污染源。例如，北京市汽車排放的一氧化碳、碳?xì)浠衔?、氮氧化物已占總排放?0%-75%。廣州市與交通有關(guān)的排放占一氧化碳總排放的87%和二氧化氮的67%。據(jù)國際衛(wèi)生組織1998年公布的調(diào)查報(bào)告，在全球空氣污染最嚴(yán)重的10個(gè)城市中，我國就占了7個(gè)，包括太原、北京、烏魯木齊、蘭州、重慶、濟(jì)南、石家莊.為了解決上述交通問題，修建更多的道路是最直接和最有效的方法。然而，修建新路的巨額資金和城市有限空間的嚴(yán)格限制，使這一方法的有效性大打折扣。近年來，世界各國都非常重視日益嚴(yán)重的交通問題，投入大量人力物力對(duì)道路交通運(yùn)輸系統(tǒng)的管理與控制技術(shù)進(jìn)行開發(fā)，相繼出現(xiàn)了許多不同的交通控制手段和系統(tǒng)，為緩解交通擁擠發(fā)揮了巨大的作用。

在以上諸多交通問題中，城市交通問題是困擾城市發(fā)展、制約城市經(jīng)濟(jì)建設(shè)的重要因素。隨著城市中的交通線承擔(dān)了更大量的交通負(fù)荷，現(xiàn)有的設(shè)施、道路，特別是交通線中承受著高負(fù)荷的交叉口，已經(jīng)很難適應(yīng)這種發(fā)展速度，變得越來越擁擠，成為道路交通的瓶頸，因此采用先進(jìn)的科學(xué)技術(shù)手段對(duì)城市交叉路口的交通燈實(shí)施合理優(yōu)化控制，對(duì)改善城市交通狀況有很大的作用。1.2智能交通系統(tǒng)簡介

近年來，迅速發(fā)展起來的智能交通系統(tǒng)(Intelligent Transportation Systems，簡稱I ONTSj有別于傳統(tǒng)的交通改善技術(shù)，它是國際上對(duì)運(yùn)用當(dāng)代高新科技(計(jì)算機(jī)、信息、通信、自動(dòng)控制、電子、系統(tǒng)工程等)提高交通運(yùn)輸效率、增強(qiáng)交通安全性的一系列先進(jìn)技術(shù)或技術(shù)集成(交通控制與線路導(dǎo)行系統(tǒng)、車輛行駛安全控制系統(tǒng)、交通運(yùn)輸信息服務(wù)系統(tǒng)等)的一個(gè)統(tǒng)稱。

作為基礎(chǔ)設(shè)施，道路交通運(yùn)輸支撐著人們的日常生活和經(jīng)濟(jì)活動(dòng)，對(duì)社會(huì)發(fā)展起著十分重要的作用;然而不斷發(fā)生的交通事故、持續(xù)的交通擁擠以及交通發(fā)展所引起的空氣污染、環(huán)境破壞也逐漸成為倍受關(guān)注的嚴(yán)重社會(huì)問題。智能交通系統(tǒng)被認(rèn)為是緩解這一問題的極具潛力的方法。發(fā)達(dá)國家從20世紀(jì)60年代就開始從事這一領(lǐng)域的研究和開發(fā)，并取得了不少有價(jià)值的成果。據(jù)統(tǒng)計(jì)，智能交通運(yùn)輸系統(tǒng)技術(shù)的應(yīng)用可以減少10%的廢氣排量，20%的交通延時(shí)，30%的停車次數(shù)。美國Los Angels地區(qū)和Texas州在智能交通系統(tǒng)方面投資的效益一成本比率分別是16:1和22:1，收益非常顯著。而這一切，都是在基本上沒有進(jìn)行道路改建和引入新的高速車道的情況下取得的。投資ITS所帶來的收益可見一斑。

智能交通系統(tǒng)開發(fā)的領(lǐng)域主要包括:居民出行與貨物運(yùn)輸需求智能誘導(dǎo)系統(tǒng)、交通流優(yōu)化與運(yùn)輸組織智能化方案生成系統(tǒng)、綜合交通樞紐協(xié)調(diào)疏導(dǎo)信息系統(tǒng)、先進(jìn)的交通管理系統(tǒng)、車輛運(yùn)營智能調(diào)度管理系統(tǒng)、智能公共交通系統(tǒng)、智能大城市公共交通運(yùn)輸服務(wù)系統(tǒng)、貨物運(yùn)輸智能型配載運(yùn)輸服務(wù)等

我國在20世紀(jì)70年代末就已經(jīng)開始在交通運(yùn)輸和管理中應(yīng)用電子信息技術(shù)。此后的20多年里，在政府的支持與堅(jiān)持自主開發(fā)的基礎(chǔ)上通過廣泛的國際交流與合作，在ITS領(lǐng)域進(jìn)行了初步的理論研究、產(chǎn)品開發(fā)和示范應(yīng)用，并取得了一定的成果。一批從事ITS研究 開發(fā)的研究中心和生產(chǎn)企業(yè)通過理論與實(shí)踐相結(jié)合正在成長。國家科技部1999年批準(zhǔn)建立了國家ITS工程技術(shù)研究中心(ITSC)2000年又批準(zhǔn)建立了國家鐵路智能運(yùn)輸系統(tǒng)工程技術(shù)研究中心。許多大學(xué)和研究機(jī)構(gòu)也紛紛組建ITS研究中心，從事ITS的理論研究和產(chǎn)品研發(fā)，例如東南大學(xué)ITS研究中心、武漢理工大學(xué)ITS研究中心、吉林大學(xué)ITS研究中心、北京交通大學(xué)ITS研究中心、同濟(jì)大學(xué)ITS研究中心、華南理工大學(xué)ITS研究中心等[121。中國交通領(lǐng)域和IT行業(yè)的很多企業(yè)被ITS巨大的高新技術(shù)市場所吸引，紛紛涉足ITS領(lǐng)域進(jìn)行其產(chǎn)品的開發(fā)研究和推廣應(yīng)用，將先進(jìn)的智能控制技術(shù)、信息融合技術(shù)、智能信息處理技術(shù)與交通工程結(jié)合起來，己成為一個(gè)嶄新的研究方向

為協(xié)調(diào)和引導(dǎo)中國ITS的發(fā)展，2001年初國家科技部會(huì)同當(dāng)時(shí)的國家計(jì)委、經(jīng)貿(mào)委、公安部、鐵道部和交通部等部門，聯(lián)合成立了全國ITS協(xié)調(diào)指導(dǎo)小組及辦公室，并成立了ITS專家咨詢委員會(huì)負(fù)責(zé)組織研究中國的ITS發(fā)展總戰(zhàn)略、技術(shù)政策和技術(shù)標(biāo)準(zhǔn)，積極支持有 關(guān)部委、地方、企業(yè)及科研單位，根據(jù)行業(yè)和地區(qū)特點(diǎn)開展ITS的關(guān)鍵技術(shù)研究與應(yīng)用示范工程，促進(jìn)ITS研究成果的產(chǎn)業(yè)化。1.3城市交通信號(hào)控制概述 按照控制原理的不同，傳統(tǒng)的交通信號(hào)控制分為定時(shí)控制和感應(yīng)控制.定時(shí)控制按事先設(shè)定的配時(shí)方案運(yùn)行，根據(jù)交通量歷史數(shù)據(jù)進(jìn)行配時(shí);感應(yīng)控制是某相位綠時(shí)可根據(jù)車流量的變化而改變的一種控 制方式，其中車流量可由安裝在平面交義日進(jìn)日道上的車輛檢測器測量.一者的控制策略均是基于簡單的數(shù)學(xué)模型，由于城市交通系統(tǒng)中被控對(duì)象的不確定性、隨機(jī)性和過程機(jī)理復(fù)雜性，現(xiàn)場車輛檢測存在 誤差，建立精確的數(shù)學(xué)模型非常困難，這就造成了算法本身就有一定的缺陷.除此之外，即使經(jīng)多次簡化建立的數(shù)學(xué)模型，它的求解還須簡化計(jì)算才可完成.對(duì)于交通系統(tǒng)這樣時(shí)變的復(fù)雜系統(tǒng)而言其效果往往差強(qiáng)人意.隨著人工智能研究熱潮的興起，人工智能方法為智能交通系統(tǒng)的研究提供了堅(jiān)實(shí)的理論基礎(chǔ).針劉傳統(tǒng)交通控制的固有缺陷和局限性，許多學(xué)者將模糊邏輯、神經(jīng)網(wǎng)絡(luò)、遺傳算法、蟻群算法、多智能體技術(shù)等人工智能基礎(chǔ)研究方法同傳統(tǒng)的交通控制方法結(jié)合應(yīng)用.一方面，交通系統(tǒng)結(jié)構(gòu)復(fù)雜、影響因素多、隨機(jī)性很強(qiáng)的，利用數(shù)學(xué)方法解決交通問題的難度很大，所建立的模型往往過于復(fù)雜，難于求解，同時(shí)交通流系統(tǒng)的多樣性也很難用一種或兒種模型來體現(xiàn);另一方面，交通系統(tǒng)又是一個(gè)動(dòng)態(tài)的時(shí)變系統(tǒng)，交通竹理與控制的實(shí)時(shí)性要求非常高.因此，從實(shí)際情況出發(fā)，基于數(shù)學(xué)描述的交通竹理控制方法難以滿足在線實(shí)時(shí)控制的要求，可操作性較差.而人工智能的方法(包括模糊邏輯、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等)，借鑒人類求解問題的方法，通過知識(shí)的表達(dá)、推理和學(xué)習(xí)解決復(fù)雜的問題，將以往用純數(shù) 學(xué)來描述交通系統(tǒng)轉(zhuǎn)變?yōu)橛弥R(shí)或知識(shí)與數(shù)學(xué)模型相結(jié)合來描述.1.4國內(nèi)外城市交通信號(hào)控制的發(fā)展歷程

1868年英國在倫敦市首次使用了燃汽信號(hào)燈，用于管理城市交通，這種信號(hào)根據(jù)鐵路信號(hào)顯示方式由紅燈與綠燈組成，這標(biāo)志著城市交通信號(hào)使用的開始[[141。這時(shí)交通警察大多使用手提式照明燈來指揮交通。1914年，美國在克利夫蘭城安裝使用了人工操作的電氣照明信號(hào)燈，六年后被日本采用，十年后被英國采用，這種信號(hào)設(shè)置在交叉口中央的信號(hào)塔上，四個(gè)方向均有直徑為37.5cm的紅、綠、黃三色的圓形投光器。許多國家采用后又逐漸給予了改進(jìn)。1926年，世界上第一臺(tái)自動(dòng)控制街道交叉路口的交通信號(hào)機(jī)在英國研制成 功并開始使用，它采用固定周期控制方式，隨后又出現(xiàn)多時(shí)段固定周期控制方式。1928年，美國研制成功車輛感應(yīng)式交通信號(hào)燈，使用橡皮管氣壓式檢測器。幾年后被英國、日本采用。在交通信號(hào)不斷改進(jìn)和發(fā)展的同時(shí)，用于多個(gè)路口協(xié)調(diào)統(tǒng)一控制的交通信號(hào)控制方式 也在不斷進(jìn)步。1917年，美國鹽湖城安裝使用了人工控制的干道信號(hào)協(xié)調(diào)系統(tǒng)。1922年，美國休斯敦市建立了一個(gè)采用電子計(jì)時(shí)器的干道信號(hào)協(xié)調(diào)系統(tǒng)。1928年，美國研制成功一種靈活的步進(jìn)式定周期干道信號(hào)定時(shí)系統(tǒng)，由于其技術(shù)簡單，可靠性高，價(jià)格低廉，很快 被英國、前聯(lián)邦德國、日本等國廣泛應(yīng)用。

隨著交通信號(hào)感應(yīng)控制技術(shù)和電子計(jì)算機(jī)技術(shù)的發(fā)展，1952年在美國丹佛城出現(xiàn)了采用模擬電子計(jì)算機(jī)的交通信號(hào)控制系統(tǒng)，該系統(tǒng)將單一交叉路口的交通感應(yīng)控制概念應(yīng)用于街道交通信號(hào)化網(wǎng)絡(luò)，并用車輛檢測器向控制中心輸入交通流數(shù)據(jù)，用模擬電子計(jì)算機(jī) 進(jìn)行數(shù)據(jù)處理，然后再調(diào)整各交叉路口的交通信號(hào)程序。在隨后的11年間，美國建立了100個(gè)這種信號(hào)控制系統(tǒng)。1963年加拿大多倫多市投入了由IBM650型計(jì)算機(jī)控制的交通信號(hào)協(xié)調(diào)控制系統(tǒng)，這標(biāo)志著城市道路交通控制系統(tǒng)進(jìn)入了一個(gè)新的階段。其后，美國、英國、前聯(lián)邦德國、日本、澳大利亞等國家相繼建成數(shù)字電子計(jì)算機(jī)區(qū)域交通控制系統(tǒng)，這種系統(tǒng)一般還配合交通監(jiān)視系統(tǒng)組成交通管制中心。到八十年代初，全世界建有交通管制中心的城市有300多個(gè)。1.5城市交通信號(hào)燈控制的發(fā)展方向

越來越多的資料顯示表明，城市交通信號(hào)控制的研究主要體現(xiàn)在以下三個(gè)方面:

(1)人工智能(AI)在城市交通信號(hào)控制問題中的應(yīng)用有利于提高當(dāng)前交通信號(hào)控制系統(tǒng)的性能

最近，越來越多的人們開始把注意力集中在人工智能技術(shù)應(yīng)用于交通工程問題上。城市交通信號(hào)控制系統(tǒng)在操作方面分為三個(gè)重要階段，即交通數(shù)據(jù)采集、數(shù)據(jù)分析與處理、判斷與控制。從數(shù)據(jù)采集和處理，到確定最好的控制動(dòng)作，以及到動(dòng)作的實(shí)施，關(guān)鍵是全面提高信息決策過程的質(zhì)量。這些都和相當(dāng)多的專門知識(shí)有關(guān)，在很大程度上涉及相關(guān)的規(guī)章制度，并且受限于現(xiàn)實(shí)中的實(shí)際約束。歸納上述問題，用AI途徑來提高相應(yīng)的基本職能是可能的。綜合起來，難題集中于精確交通信號(hào)方案選擇體系，交通信號(hào)方案選擇體系在歐洲己經(jīng)被廣泛用于UTCS田rban Traffic Control System)中。(2)利用離散時(shí)間、滾動(dòng)區(qū)域法(rolling horizon)研究交通信號(hào)控制系統(tǒng)

滾動(dòng)區(qū)域法利用最近檢測到的數(shù)據(jù)，對(duì)系統(tǒng)現(xiàn)行狀態(tài)(主要是各個(gè)路口的現(xiàn)行排隊(duì)長，進(jìn)行估計(jì)，為滾動(dòng)區(qū)域的持續(xù)時(shí)間內(nèi)搜尋一種優(yōu)化信號(hào)控制方案。滾動(dòng)區(qū)域的時(shí)間必須足夠長，時(shí)間分為兩部分，前一段時(shí)間執(zhí)行滾動(dòng)區(qū)域法的優(yōu)化方案。在滾動(dòng)區(qū)域法的最后一 段時(shí)間內(nèi)，以終端代價(jià)函數(shù)的形式驗(yàn)證滾動(dòng)區(qū)域法基礎(chǔ)上優(yōu)化的信號(hào)方案。若滿足要求，則繼續(xù)執(zhí)行該方案，否則停止執(zhí)行，重新優(yōu)化信號(hào)方案。Robertson和Bretherton于1974年最初提出了離散時(shí)間滾動(dòng)區(qū)域法，至今該領(lǐng)域的主要研究及發(fā)展，大多在歐洲國家。用戶網(wǎng)絡(luò)的離散時(shí)間、滾動(dòng)區(qū)域法信號(hào)控制系統(tǒng)有待于研究。

(3)分散控制系統(tǒng)仍是未來的一個(gè)研究方向

分散控制系統(tǒng)相對(duì)集中控制系統(tǒng)來說可以減少信道負(fù)載，減少網(wǎng)絡(luò)控制中災(zāi)難性失效。因此，這種控制系統(tǒng)仍是未來研究和發(fā)展的一個(gè)重要方向。

第二章 城市智能交通控制的基本理論

從應(yīng)用上來看，日前具有代表性的城市交通控制系統(tǒng)中，英國的SCOOT屬于集中式控制系統(tǒng)，澳大利亞的SCAT和德國的MOTION為遞階分層分布式控制系統(tǒng)，但這些系統(tǒng)及其體系結(jié)構(gòu)未考慮到如 何實(shí)現(xiàn)控制方式或控制模式多元化及其傳統(tǒng)控制方法與人工智能技術(shù)集成的問題.西班牙的D.M.Aymerich和法國的G.S cemama對(duì)這些問題分別進(jìn)行了有益的研究和探索，但這些系統(tǒng)的體系結(jié)構(gòu)只強(qiáng)調(diào)繼承和利用現(xiàn)有的交通系統(tǒng)而不能自成體系，難以體現(xiàn)系統(tǒng)的分層遞階特征，有一定的局限性.從理論研究上來看，傳統(tǒng)的城市智能交通控制方法是通過對(duì)城市交通系統(tǒng)建立一定的數(shù)學(xué)模型，然后運(yùn)用最優(yōu)控制理論來求解控制變量.在這類方法中，為了簡化問題和解決某些數(shù)學(xué)技術(shù)上的具體限制，在建模時(shí)通常需要對(duì)模型進(jìn)行理想化和一些不確定條件的人為設(shè)定，而這些簡化與現(xiàn)代城市，尤其是特大型城市的交通系統(tǒng)所具有的非線性、動(dòng)態(tài)時(shí)變性等特點(diǎn)是相矛盾的，因此造成了所用最優(yōu)方法在實(shí)際 中并非最優(yōu)，或者面對(duì)大規(guī)模城市無法對(duì)交通數(shù)據(jù)進(jìn)行實(shí)時(shí)有效的計(jì)算等缺點(diǎn).新的技術(shù)和方法的引入顯得十分必要和非常迫切，計(jì)算機(jī)的出現(xiàn)和廣泛應(yīng)用促成了人工智能研究熱潮的掀起，而這又必然會(huì)導(dǎo) 致包括系統(tǒng)體系結(jié)構(gòu)及控制策略等各方面的調(diào)整和改進(jìn).許多專家學(xué)者從智能控制的角度出發(fā)，利用模糊邏輯、人工神經(jīng)網(wǎng)絡(luò)等理論來研究這個(gè)問題.2.1模糊邏輯(Fuzzy Logic)

模糊邏輯是一種處理不確定性、非線性等問題的有力工具，它與人類思維的某些特征相一致，因此，嵌入到推理技術(shù)中具有良好效果.模糊邏輯不需要獲取模型中的復(fù)雜關(guān)系，不需要建立精確的數(shù)學(xué)模型，是一種基于規(guī)則的智能控制方式，特別適用于具有較大隨機(jī)性的城市交通控制系統(tǒng).1976年，Pappis和Mamdani就將模糊邏輯用于單路日的交通控制，其仿真結(jié)果表明比用傳統(tǒng)的控制方法平均減少車輛延誤7%左右.我國學(xué)者徐冬玲等人則把模糊邏輯用于單路日信號(hào)月‘控制，并用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊控制，仿真表明控制結(jié)果合理、迅速.崔寶俠等在雙模糊控制器隴調(diào)控制交通信號(hào)的基礎(chǔ)上，采用模糊推理來替代函數(shù)模型，根據(jù)輸入輸出量的大小改變模糊控制器的輸入輸出變量的論域范圍;該算法更加方便地實(shí)現(xiàn)了控制器自調(diào)整和自適應(yīng)，車輛平均延誤時(shí)間改善4.68%至12.24 %.當(dāng)車流量有突變時(shí)，改善效果更明顯 2.2人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks)人工神經(jīng)網(wǎng)絡(luò)是模擬生物的神經(jīng)結(jié)構(gòu)及其處理信息方式的一種算法.它具有自適應(yīng)、自組織和自學(xué)習(xí)能力，在認(rèn)知處理、模式識(shí)別等方面有很強(qiáng)的優(yōu)勢，最顯著特點(diǎn)是具有學(xué)習(xí)功能.人工神經(jīng)網(wǎng)絡(luò)適用于非線性時(shí)變性系統(tǒng)的模擬與在線控制，I I適合于交通控制系統(tǒng)這一非線性、時(shí)變系統(tǒng)。

1991年，Nahatsuji和Terutoshi通過訓(xùn)練的一個(gè)神經(jīng)網(wǎng)絡(luò)使其給出某單個(gè)交義日的最優(yōu)綠信比，后來又把研究工作打一展到3個(gè)交義日上.C.J.Barnard等利用BP網(wǎng)絡(luò)模型，分別以交通流密度和不同相位的綠時(shí)作為輸人、輸出，直接建立起交通模式與信號(hào)方案之間的內(nèi)在聯(lián)系，從而實(shí)現(xiàn)了以交通流最優(yōu)化為日標(biāo)的二相位孤立交義路日的自學(xué)習(xí)動(dòng)態(tài)適應(yīng)性控制系統(tǒng)[}}}.C.Ledoux則提出了基于神經(jīng)元網(wǎng)絡(luò)的實(shí)時(shí)適應(yīng)性城市交通信號(hào)控制系統(tǒng)的交通仿真模型[lob.許倫輝等針對(duì)城市交義日交通流的分布特點(diǎn)，考慮相鄰車道上車輛排隊(duì)長度，利用多層BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了道路交義日多相位模糊控制，給出一種自適應(yīng)交義日多相位控制算法，仿真結(jié)果表明，模糊神經(jīng)網(wǎng)絡(luò)控制器能有效的減少交義日平均車輛延誤，具有較強(qiáng)的學(xué)習(xí)和泛化能力[f51.張康等提出了“車流阻塞參數(shù)，的概念，用模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練其信號(hào)控制規(guī)則，仿真結(jié)果表明，控制效果有明顯提高flll.日前越來越多的路日采用了多相位信號(hào)控制，而目控制規(guī)則一經(jīng)確定就不再改變，即不具備實(shí)時(shí)學(xué)習(xí)的功能.因此，對(duì)于交通狀況復(fù)雜的多相位路日，很難取得滿意的效果.2.3遺傳算法(Genetic Algorithm)

遺傳算法是運(yùn)用仿生原理實(shí)現(xiàn)在解空間的快速搜索，廣泛應(yīng)用于解決大規(guī)模組合優(yōu)化問題.它是一種比較先進(jìn)的參數(shù)尋優(yōu)算法，對(duì)于不易建立數(shù)學(xué)模型的場合其實(shí)用價(jià)值較為突出，是以同樣適用于交通系統(tǒng)。

1997年，Kiseok和Michael等應(yīng)用遺傳算法對(duì)交通網(wǎng)絡(luò)內(nèi)的交義日信號(hào)相位進(jìn)行設(shè)計(jì)，在交義日形成的沖突點(diǎn)，結(jié)果顯示該方法給出的相位方案要優(yōu)于TRANSYT給出的方案.同年，C Q Memon等人給出了利用遺傳算法進(jìn)行信號(hào)配時(shí)方案設(shè)計(jì)的研究結(jié)果.陳小鋒針對(duì)典型的多車道雙向交義路日的交通流分布，建立四相位控制的動(dòng)態(tài)交通控制模型，采用遺傳算法同時(shí)對(duì)信號(hào)周期時(shí)長和相位綠月‘持續(xù) 時(shí)間進(jìn)行優(yōu)化’.承向軍對(duì)到達(dá)車輛數(shù)日進(jìn)行模糊分類，將不同數(shù)量車輛的信號(hào)控制決策方案以規(guī)則集形式存儲(chǔ)在知識(shí)庫中，利用改進(jìn)的遺傳算法，對(duì)交義日信號(hào)模糊控制器的模糊規(guī)則進(jìn)行優(yōu)化，建立了 新的優(yōu)化算法.顧榕等將免疫遺傳學(xué)思想運(yùn)用到交通信號(hào)控制中，提出一種新的相位配時(shí)優(yōu)化算法，將平均延誤時(shí)間由76.7S降至36.4S，實(shí)驗(yàn)結(jié)果充分驗(yàn)證了該算法處理交通配時(shí)優(yōu)化問題的可行性和有效性.李艷利用改進(jìn)的遺傳算法對(duì)交義日信號(hào)模糊控制器進(jìn)行優(yōu)化，建立新的配時(shí)優(yōu)化算法，仿真結(jié)果比Pappis方法性能提高了21%}IB}.2.4蟻群算法(Ant Colony Optimization)蟻群算法是一種模擬進(jìn)化算法，它是一種求解組合最優(yōu)化問題的新型通用啟發(fā)式方法，該方法具有，反饋、分布式計(jì)算和富于建設(shè)性的貪婪啟發(fā)式搜索的特點(diǎn).聞?dòng)龖?yīng)用蟻群算法搜索各路日的最優(yōu)信號(hào)燈相位序列，對(duì)算法復(fù)雜度作了理論分析，并通過仿真實(shí)驗(yàn)與單路日感應(yīng)式信號(hào)控制技術(shù)進(jìn)行比較，結(jié)果表明效果較好，總停車時(shí)間降低7.2%}19}.聞?dòng)€提出 一種基于改進(jìn)蟻群算法的降階滾動(dòng)優(yōu)化算法，基于宏觀交通流模型建立了區(qū)域交通控制滾動(dòng)優(yōu)化模型，在蟻群算法中設(shè)計(jì)了層狀解結(jié)構(gòu)圖，應(yīng)用降階方法將大規(guī)模區(qū)域分解為一系列了區(qū)域，仿真結(jié)果顯示，區(qū)域滾動(dòng)優(yōu)化控制比感應(yīng)式控制的總停車時(shí)間下降了8.2% 2.5粒子群算法(Particle Swarm Optimization)粒了群優(yōu)化算法是由Eberhart博士和kennedy博士于1995年提出，是基于對(duì)鳥群、魚群捕食的行為模擬研究而來.同其他基于群智能((Swarm Intelligence)的隨機(jī)優(yōu)化算法相比，PSO算法具有收斂速度 快、設(shè)置參數(shù)少、程序?qū)崿F(xiàn)異常簡潔、具有深刻的智能背景等特點(diǎn)。

瞿高峰以交義日車輛平均延誤和停車次數(shù)最小為日標(biāo)，建立信號(hào)控制交義日配時(shí)模型，運(yùn)用粒子群優(yōu)化算法求解該模型，結(jié)果表明比傳統(tǒng)方法更優(yōu)，車輛停車次數(shù)略有增加，通行能力略有下降，但停車延誤時(shí)間大大下降低，由23.97S下降至14.27 S }22}.這表明運(yùn)用粒子群優(yōu)化算法解決交義日配時(shí)問題是有效和可行的.付紹呂，黃輝先提出在自適應(yīng)粒子群算法中引入變異算子建立離散交通信號(hào)控制模型，以更新粒了群算法的個(gè)體極值點(diǎn)和全局極值點(diǎn)，仿真表明該混合算法可解決易陷入局部收斂的缺陷并能有效實(shí)現(xiàn)交通信號(hào)優(yōu)化控制傅惠等提出了基于粒子群優(yōu)化的城市關(guān)聯(lián)交義日群信號(hào)控制策略，根 據(jù)粒了群優(yōu)化思想求解信號(hào)控制參數(shù).仿真實(shí)驗(yàn)證實(shí)，基于粒了群優(yōu)化的關(guān)聯(lián)交義日群信號(hào)控制策略有效 2.6多智能體技術(shù)(Multi-agent)智能體技術(shù)由M insky在1986年首次提出，一般認(rèn)為:智能體指駐留在某一環(huán)境下，能持續(xù)自卞地發(fā)揮作用，具備駐留性、反應(yīng)性、社會(huì)性、卞動(dòng)性等特征的計(jì)算實(shí)體.隨著車輛數(shù)和城市路網(wǎng)規(guī)模的增 大，信號(hào)控制系統(tǒng)的復(fù)雜性增大，同時(shí)由于交通流在信息、控制方面固有的分布性，采用多智能體系統(tǒng)構(gòu)建城市交通控制系統(tǒng)的計(jì)算環(huán)境己成為交通系統(tǒng)隴調(diào)控制的熱點(diǎn)

國外對(duì)智能體在交通中的應(yīng)用早有報(bào)道，如B urmeiste:提出多智能體在交通運(yùn)輸中應(yīng)用的思路。Roozemond分析了智能體、神經(jīng)網(wǎng)絡(luò)和分布式人工智能在城市交通控制應(yīng)用的前景和價(jià)值Goldman提出了一個(gè)基于多智能體的增量4.補(bǔ)學(xué)習(xí)的路日控制器[28].Choy等采用一種復(fù)雜的模糊神經(jīng)網(wǎng)絡(luò)進(jìn)化混合系統(tǒng)來構(gòu)造分層分布式交通控制多智能體系統(tǒng)，各個(gè)智能體利用模糊系統(tǒng)的推理能力、神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力來進(jìn)行實(shí)時(shí)決策.各層智能體的感知過程能通過在線強(qiáng)化學(xué)習(xí)進(jìn)行調(diào)整.國內(nèi)一些學(xué)者也對(duì)智能體在交通控制中的應(yīng)用作了一些嘗試性研究，馬壽峰等提出了單個(gè)路日的基于Q學(xué)習(xí)的交通信號(hào)控制Agent，并在此基上研究了基于對(duì)策論和社會(huì)規(guī)則的多智能體隴調(diào)方法陶志祥對(duì)基于Agent的分層遞階控制結(jié)構(gòu)進(jìn)行了概述。高海軍以博弈論為基礎(chǔ)，提出了交通控制Agent之間的區(qū)域隴調(diào)模型及算法[[32].李瑞敏結(jié)合城市交通控制與誘導(dǎo)系統(tǒng)集成的特點(diǎn)，研究了基于多智能

體系統(tǒng)的城市交通信號(hào)控制與動(dòng)態(tài)誘導(dǎo)集成化的系統(tǒng)結(jié)構(gòu)和兩類相b_作用的智能體模型結(jié)構(gòu).趙建有等提出了人、車、路、交通竹理系統(tǒng)的交通系統(tǒng)Agent結(jié)構(gòu)，并提出了路日Agent-區(qū)域控制中心Agent-卞控制中心Agent的二級(jí)交通控制結(jié)構(gòu)郭建鋼、伍雄斌等提出了基于遺傳算法和多智能體技術(shù)的交通系統(tǒng)隴調(diào)控制的建模方法以及建模過程應(yīng)注意的問題，并實(shí)例驗(yàn)證，得到可降低車均延誤12%,縮短周期時(shí)長27.2%的結(jié)論[[35-37].劉虹秀等提出了基于多智能體的隴調(diào)方法，該隴調(diào)方式能適應(yīng)牢時(shí)今什的奪誦環(huán)靖，曲調(diào)方式誦信普川高的缺占.第三章 多智能體技術(shù)介紹

3.1智能體(Agent)隨著計(jì)算機(jī)技術(shù)和人工智能的發(fā)展，集中式系統(tǒng)己不能完全適應(yīng)復(fù)雜大系統(tǒng)研究的發(fā)展需要.并行計(jì)算和分布式處理技術(shù)(包括分布式人工智能)應(yīng)運(yùn)而生，并在過去20多年中獲得快速發(fā)展.近10年來，智能體和多智能體系統(tǒng)的研究成為分布式人工智能研究的一個(gè)熱點(diǎn)，引起多種不同等領(lǐng)域科技工作者的濃厚興趣，為分布式系統(tǒng)的綜合、分析、實(shí)現(xiàn)和應(yīng)用開辟了一條新的有效途徑，促進(jìn)了人工智能和計(jì)算 機(jī)軟件的發(fā)展 3.2 Agent的特點(diǎn)

有關(guān)Agent的概念可追溯到1977年Hewitt提出的并發(fā)的演員(actox)模型，在該模型中，Hewitt提出了自我包含、相勻_作用、并發(fā)執(zhí)行的對(duì)象一演員，該對(duì)象中具有某些被封裝的內(nèi)部狀態(tài)并可對(duì)來自其它類似對(duì)象的消息進(jìn)行響應(yīng).而Agent一詞最早可能由M.Minsky所提出，他在1986年出版的”Societyof Mind”中引入了“society“III”Soclal Behavor”的概念.認(rèn)為個(gè)體存在于社會(huì)中，社會(huì)中的個(gè)體在有矛盾的前提下可通過隴商或者競爭的方法對(duì)問題進(jìn)行求解，并將這些個(gè)體被稱為‘`Agent".日前，普遍認(rèn)為Agent是一個(gè)持續(xù)、自治運(yùn)行的實(shí)體，按照Y.S hoham的觀點(diǎn)，Agent是一個(gè)包含諸如知識(shí)(knowledge)、信念(beliefs、承諾(commitments蹄I I能力(capabilities)等精神狀態(tài)(mental-state)的 實(shí)體.雖然不同的研究者對(duì)Agent有著這種或那種的解釋，但其卞要具有以下特點(diǎn): 1）自治性(autonomy）Aegnt能根據(jù)外界環(huán)境的變化，而自動(dòng)地對(duì)自己的行為和狀態(tài)進(jìn)行調(diào)整，而不是僅僅被動(dòng)地接受外界的刺激，具有自我竹理自我調(diào)節(jié)的能力.2)反應(yīng)性(xeactive)與面向?qū)ο蟮姆椒ㄏ嗨疲琣gent能對(duì)外界的激勵(lì)作出反應(yīng)的能力.3)卞動(dòng)吐(pxoactive）

對(duì)于外界環(huán)境條件的改變，agent能卞動(dòng)采取活動(dòng)的能力.4)社會(huì)性(social）

Agent所具有的與其它Agent或人進(jìn)行合作的能力，不同的Agent可根據(jù)各自的日的意圖與其它Agent進(jìn)行交流，以達(dá)到問題解決的日的.除了以上的基本特性，Agent還包括一些其他的屬性:

推理能力:Agent AJ以根據(jù)當(dāng)前的知識(shí)和經(jīng)驗(yàn)，以理性的、可再生的方式推理或推測.規(guī)劃能力:Agent A丁以根據(jù)日標(biāo)、環(huán)境等的要求，至少對(duì)自己的短期行為做出規(guī)劃，具有生成規(guī)劃的能力.學(xué)習(xí)和適應(yīng)能力:Agent A丁以根據(jù)過去的經(jīng)驗(yàn)積累知識(shí)，并目修改其行為以適應(yīng)新的環(huán)境.3.2 Agent的結(jié)構(gòu)

建立Agent的結(jié)構(gòu)是應(yīng)用Agent技術(shù)的基礎(chǔ)，關(guān)于Agent模型結(jié)構(gòu)的研究是日前卞要的研究領(lǐng)域之一對(duì)于Agent的模型構(gòu)成，存在著各種不同的觀點(diǎn).一般認(rèn)為一個(gè)Agent應(yīng)包括感知器、決策控制器、精神狀態(tài)、知識(shí)庫、通信器等兒部分組成.BDI模型是一被普遍接受的Agent精神狀態(tài)模型，它認(rèn)為Agent的精神因素包括信念(belie、愿望(desire)、意圖等部分組成，其本質(zhì)上要解決的問題是如何確定Agent的目標(biāo)以及如何實(shí)現(xiàn)這個(gè)目標(biāo)。3.3 Agent的分類

Agent作為一種新興的計(jì)算機(jī)軟件開發(fā)方法，是一個(gè)相當(dāng)大的范疇，從普通的人、動(dòng)物、社會(huì)機(jī)構(gòu)乃至普通的物體根據(jù)實(shí)際應(yīng)用的不同，都可被抽象為Agent.根據(jù)Agent的功能和應(yīng)用的不同，一般將Agent分為以下兒種類型: 合作Agent:卞要用在多Agent系統(tǒng)中，為完成自己的任務(wù)，能自動(dòng)地與其它成員進(jìn)行談判、信息交流等活動(dòng)

界面Agent:強(qiáng)調(diào)自治性與學(xué)習(xí)能力，用于與用戶交4_的操作界面上，能自動(dòng)地根據(jù)用戶的喜好特點(diǎn)，進(jìn)行個(gè)性化設(shè)置，并能為用戶的操作提供必要的幫助.活動(dòng)Agent:可以自由地在計(jì)算機(jī)網(wǎng)絡(luò)上移動(dòng)，并與其它的計(jì)算機(jī)相4_作用，其卞要應(yīng)用于計(jì)算機(jī)通訊方面.信息Agent:卞要用于網(wǎng)絡(luò)信息收集、查詢、整理，它將比日前使用的搜索工具更強(qiáng)大，能根據(jù)用戶的不同要求，提供詳細(xì)完備的資料.反應(yīng)Agent:不包括任何內(nèi)部符號(hào)處理模型，只是簡單地對(duì)外界刺激發(fā)生反應(yīng)，卞要用于一些底層的、簡單的系統(tǒng)中.混合Agent:指具有兩種以上上述Agent的復(fù)雜Agent，由于結(jié)構(gòu)復(fù)雜，日前應(yīng)用相對(duì)較少.3.4多智能體系統(tǒng)在交通控制領(lǐng)域的優(yōu)越性

多智能體系統(tǒng)是分布式人工智能研究的新領(lǐng)域.盡竹MAS在理論上還有很多值得深入研究的課題，然而它己經(jīng)獲得十分廣泛的應(yīng)用，涉及機(jī)器人、過程控制、柔性制造、遠(yuǎn)程通信、網(wǎng)絡(luò)竹理、交通控制、電子商務(wù)、數(shù)據(jù)庫、遠(yuǎn)程教育和遠(yuǎn)程醫(yī)療等.其中將智能體系統(tǒng)技術(shù)用于交通控制是一個(gè)新的方向[0.由于交通控制拓?fù)浣Y(jié)構(gòu)的分布式特性，使其很適合于應(yīng)用多智能體技術(shù).運(yùn)用多智能體系統(tǒng)進(jìn)行交通系統(tǒng)調(diào)控制的優(yōu)點(diǎn)有如下兒個(gè)方面:

(1)多智能體系統(tǒng)采用“由下向上”的設(shè)計(jì)方法，符合交通系統(tǒng)的形成規(guī)律.多智能體系統(tǒng)在原理上首先定義分散自卞的智能體，然后研究怎樣完成一個(gè)或多個(gè)實(shí)體的任務(wù)求解，所以多智能體系統(tǒng)采用了由底向上的設(shè)計(jì)方法.交通系統(tǒng)是一個(gè)包含了交通工具、交通設(shè)施、交通控制中心等多元素多層次的復(fù)雜系統(tǒng).因此多智能體系統(tǒng)的設(shè)計(jì)方法完全符合交通系統(tǒng)的形成規(guī)律.(2)多智能體系統(tǒng)從功能上按層次化結(jié)構(gòu)劃分的特點(diǎn)，符合交通系統(tǒng)的分布式特征.構(gòu)成多智能體系統(tǒng)的不同種類的智能體從功能上按照層次化結(jié)構(gòu)劃分，承擔(dān)不同的任務(wù)，相辦作完成系統(tǒng)的整體目標(biāo).交通系統(tǒng)的各組成元素分布在不同空間位置，按照層次化結(jié)構(gòu)劃分.因此，多智能體系統(tǒng)適合交通系統(tǒng)這樣具有分布式特征的復(fù)雜系統(tǒng)的模擬研究.第四章

基于RBF神經(jīng)網(wǎng)絡(luò)的單交叉口自學(xué)習(xí)控制系統(tǒng)

4.1引言

由于城市化速度的加快，機(jī)動(dòng)車量的迅速增加，人們在賺取由機(jī)動(dòng)車輛所帶來的巨額利潤以及充分享受汽車巨大便利的同時(shí)，也越來越受到交通擁擠和交通安全的困擾。隨著城市中的交通線上車流量的日益增加，現(xiàn)有的設(shè)施、道路，特別是交通線中承受著高負(fù)荷的道路交叉口，己經(jīng)很難適應(yīng)這種發(fā)展速度，變得越來越擁擠，成為道路交通的瓶頸，因此采用先進(jìn)的科學(xué)技術(shù)手段對(duì)城市交叉路口的交通燈實(shí)施合理優(yōu)化控制，對(duì)改善城市交通狀況具有很大的作用。

對(duì)于交叉口的信號(hào)控制，通常有兩種控制方式:一種是定時(shí)控制，即根據(jù)統(tǒng)計(jì)資料算出交通量，給出一個(gè)或多個(gè)(用于不同時(shí)段)控制方案，這種控制方法在交通流不大且較穩(wěn)定的情況下是簡單有效的。但在交通擁擠且變化較大時(shí)，定時(shí)控制的效果比較差。另一種是感應(yīng)控制，即根據(jù)布置在交叉口的傳感器感應(yīng)到的車輛排隊(duì)長度來設(shè)置控制參數(shù)，感應(yīng)控制在當(dāng)車流量較小且無規(guī)律時(shí)，容易產(chǎn)生綠時(shí)分配不合理的現(xiàn)象，同樣也會(huì)降低路口的通行能力。而當(dāng)車流量較大時(shí)則容易退化成定周期控制，從而失去感應(yīng)能力。由于這些常用控制方法的缺點(diǎn)，一些人工智能的方法愈來愈引起人們的重視。

針對(duì)多相位單交叉口的神經(jīng)網(wǎng)絡(luò)控制方法，已經(jīng)有文獻(xiàn)提及。本章提出了一種利用RBF神經(jīng)網(wǎng)絡(luò)來模擬交警控制思維的智能控制方法，并且加入了對(duì)控制狀況進(jìn)行修正的評(píng)價(jià)準(zhǔn)則，在模擬控制過程中，RBF神經(jīng)網(wǎng)絡(luò)根據(jù)評(píng)價(jià)準(zhǔn)則進(jìn)行實(shí)時(shí)調(diào)節(jié)，因此這種神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)功能。

仿真研究結(jié)果表明基于RBF神經(jīng)網(wǎng)絡(luò)的交叉口自學(xué)習(xí)控制系統(tǒng)學(xué)習(xí)速度快，能有效提高多相位路口的通行能力，對(duì)車流的變化具有很強(qiáng)的適應(yīng)性。4.2問題描述

城市單交叉路口的交通流如圖4-1所示，東、南、西、北四個(gè)方向，每個(gè)方向均存在左行、直行、右行三個(gè)車道車流。

圖4-1單交叉口交通流分布

考慮這個(gè)十字形的平面交叉路口具有四相位。每個(gè)相位對(duì)應(yīng)的車流流向如圖4-2所示。

圖4-2四相位交叉口交通流控制圖

假設(shè)一位交通警察在該路口指揮交通，他可以根據(jù)這四個(gè)相位的車量排隊(duì)長度作為依據(jù)，按順序給各個(gè)相位分配通過時(shí)間。由于各相位在不同的時(shí)間段里到達(dá)車流量具有隨機(jī)性，根據(jù)交通情況，交警給各個(gè)相位分配的時(shí)間也會(huì)不斷變化。

由此可見，模擬交警的思維實(shí)際上可以將四相位的車輛排隊(duì)長度為輸入，以對(duì)應(yīng)的信號(hào)周期時(shí)間和各個(gè)相位的綠信比為輸出構(gòu)造一個(gè)神經(jīng)網(wǎng)絡(luò)，然后將交警指揮某些具體交通流情況下的輸入輸出作為樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

4.3控制器的設(shè)計(jì)及其算法

4.3.1基于神經(jīng)網(wǎng)絡(luò)的單交叉口模型

根據(jù)對(duì)四相位交叉口信號(hào)控制問題的描述可以確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖3-3所示。該網(wǎng)絡(luò)由四個(gè)輸入分別對(duì)應(yīng)四個(gè)相位的車輛排隊(duì)長度Ii，四個(gè)輸出分別對(duì)應(yīng)信號(hào)周期T和各相位的綠信比(j =1, 2, 3, 4)

圖4-3神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)結(jié)構(gòu)模型 4.3.2 RBF神經(jīng)網(wǎng)絡(luò)

徑向基函數(shù)(Radial Basis Function, RBF)神經(jīng)網(wǎng)絡(luò)由三層組成其結(jié)構(gòu)如圖4-4所示。

圖4-4徑向基函數(shù)RBF神經(jīng)網(wǎng)絡(luò)

隱層節(jié)點(diǎn)中的作用函數(shù)稱為基函數(shù)，一般采用的基函數(shù)形式為高斯函數(shù):

式中:，x是n維輸入向量;

c，是第i個(gè)基函數(shù)的中心，與x具有相同維數(shù)的向量;

?

是第1個(gè)感知的變量，它決定了該基函數(shù)圍繞中心點(diǎn)的寬度;

m是感知單元的個(gè)數(shù);4.3.3神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)方案

(1)原始樣本的獲取

首先將已知的交警指揮經(jīng)驗(yàn)用符合上述神經(jīng)網(wǎng)絡(luò)的樣本形式表示出來，然后用這些樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)，這樣該網(wǎng)絡(luò)就具備初步的控制交通的能力，可以將其用于實(shí)際交通控制中，但由于此時(shí)的網(wǎng)絡(luò)學(xué)習(xí)規(guī)則不具有遍歷性，所以需要有一個(gè)評(píng)價(jià)準(zhǔn)則來對(duì)網(wǎng)絡(luò)的控制效果作出評(píng)價(jià)，并修改重新學(xué)習(xí)。

(2)評(píng)價(jià)準(zhǔn)則

對(duì)于投入實(shí)際交叉口控制的神經(jīng)網(wǎng)絡(luò)，評(píng)價(jià)準(zhǔn)則要對(duì)其配時(shí)方法的控制效果作出評(píng)價(jià)，并修正信號(hào)周期和各相位的綠信比。設(shè)六個(gè)信號(hào)周期為一個(gè)評(píng)價(jià)周期，l為第1個(gè)信號(hào)周期結(jié)束時(shí)第.1個(gè)相位中所有方向車流的排隊(duì)長度之和;1'為一個(gè)信號(hào)周期結(jié)束時(shí)的J相位總的排隊(duì)長度;習(xí)為第i個(gè)信號(hào)周期內(nèi)第.7個(gè)相位中所有方向放行的車輛總數(shù);r;'為第i個(gè)信號(hào)周期內(nèi)第J個(gè)相位中所有方向到達(dá)的車輛總數(shù);所以，式中:當(dāng)括號(hào)內(nèi)的數(shù)小于0時(shí)，z=0，否則z=1，且有

一個(gè)信號(hào)周期過后J相位各個(gè)排隊(duì)長度:

一個(gè)信號(hào)周期過后四相位累計(jì)排隊(duì)長度:

然后計(jì)算這種交通情況下各相位的綠信比:

最后依據(jù)平均排隊(duì)長度的大小L，來確定周期T的增量△T，這里將設(shè)定5個(gè)檔次: L ,55, 55> L ,35, 35> L ,15, 15> L ,5, L <5對(duì)應(yīng)的△T分別為15s, lose 5s, Os和一Sso

根據(jù)以上的評(píng)價(jià)過程，可以得到新的輸入輸出樣本，神經(jīng)網(wǎng)絡(luò)對(duì)新樣本進(jìn)行再學(xué)習(xí)。4.4仿真分析

本章按照前面所述的RBF神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)控制方法，在Matlab語言環(huán)境中編程進(jìn)行了仿真。在通過調(diào)查采集到的實(shí)際數(shù)據(jù)的基礎(chǔ)上分析交警指揮單交叉路口信號(hào)的控制規(guī)律，并從中選出在不同車流量情況下具有代表性的信號(hào)控制模式，形成40個(gè)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本，然后用RBF算法對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，再用服從二項(xiàng)分布的隨機(jī)數(shù)來描述車流的到達(dá)情況。仿真研究時(shí)，取直行車道的飽和流量為1200PCUlh，左轉(zhuǎn)和右轉(zhuǎn)車道的飽和流量為1000 PCU/h。車流到達(dá)路口后，左轉(zhuǎn)、直行和右轉(zhuǎn)的比例分別為30%, 40%和30%。由上述學(xué)好的網(wǎng)絡(luò)進(jìn)行控制，確定6個(gè)信號(hào)周期為一個(gè)評(píng)價(jià)周期，得到一個(gè)新的樣本。每隔20個(gè)評(píng)價(jià)周期，將得到的20個(gè)新樣本加入總的學(xué)習(xí)樣本集進(jìn)行再學(xué)習(xí)。

訓(xùn)練RBF網(wǎng)絡(luò)時(shí)，將網(wǎng)絡(luò)誤差設(shè)置為o.01，并通過自動(dòng)增加徑向基神經(jīng)元的方法來不斷減少網(wǎng)絡(luò)誤差，從仿真過程中可以看到，在神經(jīng)元個(gè)數(shù)接近樣本個(gè)數(shù)時(shí)網(wǎng)絡(luò)收斂。

為驗(yàn)證本章提出的RBF神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)控制方案的控制效果，仿真運(yùn)行中將其與定時(shí)控制方法以及BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法的控制效果進(jìn)行了比較，結(jié)果如表3-1所示?？梢钥闯?，隨著車流量的增大，BP神經(jīng)網(wǎng)絡(luò)與RBF神經(jīng)網(wǎng)絡(luò)的控制效果明顯優(yōu)于普通的定時(shí)控制方法。

神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)控制方法效果比較

該仿真中也將BP神經(jīng)網(wǎng)絡(luò)與RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)性能進(jìn)行了對(duì)比，對(duì)于得到的不同樣本，RBF神經(jīng)網(wǎng)絡(luò)都能快速學(xué)習(xí)，而BP神經(jīng)網(wǎng)絡(luò)對(duì)于某些樣本的學(xué)習(xí)會(huì)陷入局部最優(yōu)，達(dá)不到學(xué)習(xí)要求。這說明由于本文提出的RBF神經(jīng)網(wǎng)絡(luò)信號(hào)控制方案具有自學(xué)習(xí)和逐步優(yōu)化能力，因而其控制效果優(yōu)于一般的智能信號(hào)控制方案。

第五章結(jié)論與展望 5.1 總結(jié)

城市交通信號(hào)的優(yōu)化配時(shí)己經(jīng)成為當(dāng)前智能交通系統(tǒng)研究的熱點(diǎn)之一，由于交通系統(tǒng)是一個(gè)復(fù)雜時(shí)變的非線性系統(tǒng)，對(duì)其進(jìn)行精確建模比較困難，因此采用各種智能優(yōu)化算法來實(shí)現(xiàn)對(duì)城市交通信號(hào)的控制己成為一個(gè)比較熱門的研究方向。

本文以城市交通為研究背景，分別對(duì)單交叉口和交通干線的信號(hào)采用智能優(yōu)化的方法來實(shí)現(xiàn)控制，取得了一些結(jié)果: 本文采用RBF神經(jīng)網(wǎng)絡(luò)建立交叉口模型實(shí)現(xiàn)了單交叉口自學(xué)習(xí)信號(hào)控制系統(tǒng)。

系統(tǒng)通過模擬交警指揮交通的思維過程，能夠根據(jù)四相位交叉口各相位車輛的排隊(duì)長度，實(shí)時(shí)對(duì)各個(gè)相位的綠信比和總的信號(hào)周期進(jìn)行分配，并且隨著交通狀況的變化，可以對(duì)信號(hào)配時(shí)效果作出調(diào)整，具有自學(xué)習(xí)功能。通過仿真與定時(shí)控制相比較，證明了基于RBF 神經(jīng)網(wǎng)絡(luò)的單交叉口自學(xué)習(xí)控制系統(tǒng)的優(yōu)越性。該方法能夠更好的適應(yīng)實(shí)際交通狀況，提高交叉口的通行能力。5.2 展望

本文對(duì)城市智能交通信號(hào)控制系統(tǒng)進(jìn)行了研究，取得了一定的成果。由于時(shí)間緊迫、本人的水平有限，研究工作需要進(jìn)一步地深入，今后的工作將圍繞以下幾方面展開:

1.由于實(shí)際城市交通的控制問題，是一個(gè)區(qū)域的控制問題，所以，應(yīng)進(jìn)一步將智能優(yōu)化算法應(yīng)用到城市交通信號(hào)區(qū)域?qū)用嫔系目刂浦腥?，即采用智能?yōu)化算法實(shí)現(xiàn)面控。

2.城市快速公交系統(tǒng)控制是當(dāng)前的一個(gè)熱點(diǎn)，將城市交通信號(hào)控制與城市快速公交控制以及路徑引導(dǎo)結(jié)合起來研究將是一個(gè)很好的研究方向。

3.將所設(shè)計(jì)的控制算法真正應(yīng)用到實(shí)際的城市交通信號(hào)中進(jìn)行控制，以實(shí)際效果來檢驗(yàn)算法的優(yōu)劣。

第三篇：模糊控制優(yōu)缺點(diǎn)

4模糊控制的優(yōu)缺點(diǎn)及需要解決的問題分析 4.1模糊控制的優(yōu)點(diǎn)

(1)使用語言方法, 可不需要過程的精確數(shù)學(xué)模型;(2)魯棒性強(qiáng), 適于解決過程控制中的非線性、強(qiáng)耦合時(shí)變、滯后等問題;(3)有較強(qiáng)的容錯(cuò)能力。具有適應(yīng)受控對(duì)象動(dòng)力學(xué)特征變化、環(huán)境特征變化和動(dòng)行條件變化的能力;(4)操作人員易于通過人的自然語言進(jìn)行人機(jī)界面聯(lián)系, 這些模糊條件語句容易加到過程的控制環(huán)節(jié)上。

4.2模糊控制的缺點(diǎn)

(1)信息簡單的模糊處理將導(dǎo)致系統(tǒng)的控制精度降低和動(dòng)態(tài)品質(zhì)變差;(2)模糊控制的設(shè)計(jì)尚缺乏系統(tǒng)性, 無法定義控制目標(biāo)。4.3 模糊控制理論需解決的問題

模糊控制理論經(jīng)過近幾十年的發(fā)展, 已經(jīng)得到了廣泛的應(yīng)用。但模糊控制理論也還存在一些不足, 還有一些亟待解決的問題, 歸納如下:(1)要揭示模糊控制器的實(shí)質(zhì)和工作機(jī)理, 解決穩(wěn)定性和魯棒性理論分析的問題。

2)很多應(yīng)用和經(jīng)驗(yàn)表明, 模糊控制的魯棒性優(yōu)于傳統(tǒng)控制策略。但模糊控制和傳統(tǒng)控制的魯棒性的對(duì)比關(guān)系究竟是怎么樣, 尚缺少理論分析和數(shù)學(xué)推導(dǎo)方面的比較。(3)模糊控制規(guī)則和隸屬度函數(shù)的獲取與確定是模糊控制中的?瓶頸&問題。目前模糊控制規(guī)則中模糊子集的一般選取都是以下3種: e= {負(fù)大, 負(fù)小, 零, 正小, 正大} = {NB, NS, ZO, PS, PB }或e =負(fù)大, 負(fù)中, 負(fù)小, 零, 正小, 正中, 正大= { NB, NM,NS, ZO, PS, PM, PB}或e= {負(fù)大, 負(fù)中, 負(fù)小, 零負(fù),零正, 正小, 正中, 正大} = {NB, NM, NS, NZ, PZ, PS,PM, PB}, 而隸屬度函數(shù)通常選用的為三角隸屬度函數(shù), 以第3種模糊子集為例, 對(duì)應(yīng)的隸屬函數(shù)如圖3示。而規(guī)則中模糊子集及隸屬度函數(shù)的選擇大多數(shù)取決于經(jīng)驗(yàn), 缺少相應(yīng)的理論根據(jù)。

(4)在多變量模糊控制中, 需要對(duì)多變量耦合和?維數(shù)災(zāi)&問題進(jìn)行研究, 這些問題的解決與否將是多變量模糊控制能否廣泛應(yīng)用的關(guān)鍵。

圖

3模糊化子集和模糊化等級(jí)

5模糊控制的發(fā)展趨勢

模糊控制的發(fā)展大致有以下幾個(gè)方向:(1)復(fù)合模糊控制器。繼續(xù)研究模糊控制和PID 控制器、變節(jié)構(gòu)控制器、模糊H 控制器等的組合研究, 設(shè)計(jì)出滿足各種不同指標(biāo)要求的控制器。

(2)和各種智能優(yōu)化算法相結(jié)合的模糊控制。各種智能優(yōu)化算法(如遺傳算法、模擬退火算法、粒子群優(yōu)化算法等)能夠?qū)δ：刂埔?guī)則進(jìn)行動(dòng)態(tài)尋優(yōu), 故能在線修改模糊控制規(guī)則, 改善系統(tǒng)的控制品質(zhì)。

(3)專家模糊控制。專家模糊是將專家系統(tǒng)技術(shù)與模糊控制相結(jié)合的產(chǎn)物。引入專家系統(tǒng), 可進(jìn)一步提高模糊控制的智能水平, 專家模糊控制保持了基于規(guī)則的方法和模糊集處理帶來的靈活性, 同時(shí)又把專家系統(tǒng)技術(shù)的知識(shí)表達(dá)方法結(jié)合起來, 能處理更廣泛的控制問題。

(4)多變量模糊控制。研究多變量模糊控制中存在著的多變量耦合和?維數(shù)災(zāi)&等問題。

(5)很多公開發(fā)表的文獻(xiàn)對(duì)所設(shè)計(jì)模糊控制器的穩(wěn)定性及魯棒性分析采用仿真實(shí)驗(yàn)的方法, 而采用理論分析的較少。對(duì)混合模糊系統(tǒng)的穩(wěn)定性及魯棒性分析一般有2種方法[ 5] : 第1 種方法利用模糊系統(tǒng)辨識(shí)的方法將控制對(duì)象變換為模糊模型表示,使整個(gè)系統(tǒng)變?yōu)榧兇獾哪：Ｐ? 從而可采用模糊關(guān)系法及模糊相平面分析法等來檢驗(yàn)系統(tǒng)的穩(wěn)定性;第2種方法將控制器的模糊模型變?yōu)榇_定性的模型, 從而混合模糊系統(tǒng)變?yōu)槌Ｒ?guī)的控制系統(tǒng), 進(jìn)而可采用常規(guī)的方法來對(duì)系統(tǒng)進(jìn)行穩(wěn)定性分析。例如

描述函數(shù)法、圓判據(jù)法、一般相平面法及線性近似法 等。而究竟采用模糊模型還是確定性模型則需要根據(jù)所設(shè)計(jì)系統(tǒng)的具體情況進(jìn)行分析, 因此選擇合適的理論方法對(duì)所設(shè)計(jì)和模糊控制器進(jìn)行穩(wěn)定性及魯棒性分析也是模糊控制理論發(fā)展的方向之一。

結(jié)

束

語

文章對(duì)模糊控制理論的發(fā)展進(jìn)行了簡要概述,對(duì)模糊控制的原理及模糊控制器的設(shè)計(jì)步驟進(jìn)行了詳細(xì)介紹;對(duì)模糊控制在航空航天中應(yīng)用(各種控制器的設(shè)計(jì))進(jìn)行了分析, 對(duì)模糊控制的優(yōu)缺點(diǎn)及需要解決的問題進(jìn)行了歸納和分析;最后對(duì)模糊控制的發(fā)展趨勢進(jìn)行了展望。

第四篇：交通信號(hào)控制的基礎(chǔ)理論知識(shí)

第2章 交通信號(hào)控制的基礎(chǔ)理論知識(shí)

2.1交通控制的分類

城市交通控制有多種方式，其分類也有很多種。從不同的角度看有不同的劃分方式。

1、從控制策略的角度可分為三種類型

（1）定時(shí)控制:交通信號(hào)按事先設(shè)定的配時(shí)方案運(yùn)行，配時(shí)的依據(jù)是交通量的歷史數(shù)據(jù)。一天內(nèi)只用一個(gè)配時(shí)方案的稱為單時(shí)段定時(shí)控制，一天內(nèi)不同時(shí)段選用不同配時(shí)方案的稱為多時(shí)段定時(shí)控制。根據(jù)歷史交通數(shù)據(jù)確定其最優(yōu)化配時(shí)的方法webster(1958)，Bollis(1960)，Miller(1963)，Blunden(1964)，Allsop(1971)等人的著作中已有詳述。我國楊佩昆等學(xué)者也有這方面的研究成果。現(xiàn)在最常用的信號(hào)配時(shí)方法有:韋爾伯特法、臨界車道法、停車線法、沖突點(diǎn)法。定時(shí)控制方法是目前使用最廣的一種交通控制方式，它比較適應(yīng)于車流量規(guī)律變化、車流量較大(甚至接近于飽和狀態(tài))的路口。但由于其配時(shí)方案根據(jù)交通調(diào)查的歷史數(shù)據(jù)得到，而且一經(jīng)確定就維持不變，直到下次重新調(diào)整。很顯然，這種方式不能適應(yīng)交通流的隨機(jī)變化，因而其控制效果較差。

（2）感應(yīng)控制:感應(yīng)信號(hào)控制沒有固定的周期，他的工作原理為在感應(yīng)信號(hào)控制的進(jìn)口，均設(shè)有車輛檢測器，當(dāng)某一信號(hào)相位開始啟亮綠燈，感應(yīng)信號(hào)控制器內(nèi)預(yù)先設(shè)置一個(gè)“初始綠燈時(shí)間”。到初始綠燈時(shí)間結(jié)束時(shí)，增加一個(gè)預(yù)置的時(shí)間間隔，在此時(shí)間間隔內(nèi)若沒有后續(xù)車輛到達(dá)，則立即更換相位;若檢測到有后續(xù)車輛到達(dá)，則每檢測到一輛車，就從檢測到車輛的時(shí)刻起，綠燈相位延長一個(gè)預(yù)置的“單位綠燈延長時(shí)間”。綠燈一直可以延長到一個(gè)預(yù)置的“最大綠燈時(shí)間”。當(dāng)相位綠燈時(shí)間延長到最大值時(shí)，即使檢測器仍然檢測到有來車，也要中斷此相位的通行權(quán)，轉(zhuǎn)換信號(hào)相位。感應(yīng)式信號(hào)控制根據(jù)檢測器設(shè)置的不同又可以分為半感應(yīng)控制和全感應(yīng)控制。只在交叉口部分進(jìn)道口上設(shè)置檢測器的感應(yīng)控制稱為半感應(yīng)控制，在交叉口全部進(jìn)道口上都設(shè)置檢測器的稱為全感應(yīng)控制。感應(yīng)控制方法由于可根據(jù)交通的變化來調(diào)節(jié)信號(hào)的配時(shí)方案，因此比定時(shí)控制方法有更好的控制效果，特別適用于交通量隨時(shí)間變化大且不規(guī)則、主次相位車流量相差較大的路口。感應(yīng)控制方法存在的缺陷在于，感應(yīng)控制只根據(jù)綠燈相位是否有車輛到達(dá)而做出決策，而不能綜合其它紅燈相位的車輛到達(dá)情況進(jìn)行決策，因此它無法真正響應(yīng)各相位的交通需求，也就不能使車輛的總延誤最小。

（3）自適應(yīng)控制:連續(xù)測量交通流，將其與希望的動(dòng)態(tài)特性進(jìn)行比較，利用差值以改變系統(tǒng)的可調(diào)參數(shù)或產(chǎn)生一個(gè)控制，從而保證不論環(huán)境如何變化，均可使控制效果達(dá)到最優(yōu)。自適應(yīng)控制系統(tǒng)有兩類，即配時(shí)參數(shù)實(shí)時(shí)選擇系統(tǒng)和實(shí)時(shí)交通狀況模擬系統(tǒng)。配時(shí)參數(shù)選擇系統(tǒng)是在系統(tǒng)投入運(yùn)行之前，擬定一套配時(shí)參數(shù)與交通量等級(jí)的對(duì)照關(guān)系，即針對(duì)不同等級(jí)的交通量，選擇相應(yīng)最佳的配時(shí)參數(shù)組合。將這套事先擬定的配時(shí)參數(shù)與交通量對(duì)應(yīng)組合關(guān)系貯存于中央控制計(jì)算機(jī)中，中央控制計(jì)算機(jī)則通過設(shè)在各個(gè)交叉口的車輛檢測器反饋的車流通過量數(shù)據(jù)，自動(dòng)選擇合適的配時(shí)參數(shù)，并根據(jù)所選定的配時(shí)參數(shù)組合實(shí)行對(duì)路網(wǎng)交通信號(hào)的實(shí)時(shí)控制。實(shí)時(shí)交通狀況模擬系統(tǒng)不需要事先貯存任何既定的配時(shí)方案，也不需要事先確定一套配時(shí)參數(shù)與交通量的對(duì)應(yīng)選擇關(guān)系。它是依靠貯存于中央計(jì)算機(jī)的某種交通數(shù)學(xué)模型，對(duì)反饋回來的實(shí)時(shí)交通數(shù)據(jù)進(jìn)行分析，并對(duì)配時(shí)參數(shù)作優(yōu)化調(diào)整。配時(shí)參數(shù)的優(yōu)化是以綜合目標(biāo)函數(shù)(延誤時(shí)間，停車次數(shù)，擁擠程度及油耗等)的預(yù)測值為依據(jù)的。因此，它可以保證整個(gè)路網(wǎng)在任何時(shí)段都在最佳配時(shí)方案控制下運(yùn)行。從總體來看，自適應(yīng)系統(tǒng)的控制在很大程度上依賴于交通流數(shù)據(jù)的實(shí)時(shí)檢測，因此系統(tǒng)對(duì)交通檢測設(shè)備和交通數(shù)據(jù)傳輸設(shè)備的精度和可靠性要求很高。與定時(shí)系統(tǒng)相比，自適應(yīng)控制系統(tǒng)的設(shè)備配置復(fù)雜得多，建設(shè)投資要高很多。

2、按照控制結(jié)構(gòu)分類

可分為集中控制、分散控制和遞階控制。

（1）在集中控制中，控制中心直接控制每個(gè)子系統(tǒng)，每個(gè)子系統(tǒng)只能得到整個(gè)系統(tǒng)的部分信息，控制目標(biāo)相互獨(dú)立。其優(yōu)點(diǎn)是系統(tǒng)的運(yùn)行的有效性較高，便于分析和設(shè)計(jì);但若中心有故障，則整個(gè)系統(tǒng)將癱瘓。

（2）在分散控制中，控制中心控制若干分散控制器。每個(gè)分散控制器控制一個(gè)獨(dú)立的控制目標(biāo)，即具體的子系統(tǒng)，此類結(jié)構(gòu)的優(yōu)點(diǎn)在于局部故障不至于影響整個(gè)系統(tǒng)，但全局協(xié)調(diào)運(yùn)行較困難。

（3）遞階控制中，當(dāng)系統(tǒng)由若干個(gè)可分的相互關(guān)聯(lián)的子系統(tǒng)構(gòu)成，可將系統(tǒng)的所有決策單元按照一定優(yōu)先級(jí)和從屬關(guān)系遞階排列，同一級(jí)各單元受到上一級(jí)的干預(yù)，同時(shí)又對(duì)下一級(jí)單元施加影響。此類結(jié)構(gòu)的優(yōu)點(diǎn)是全局和局部控制器性能都較高，靈活性和可靠性好。

3、按照控制方式分類

可分為方案選擇和方案生成。

（1）方案選擇式控制是在控制系統(tǒng)中存貯適合各種交通流狀況的多套配時(shí)方案，控制系統(tǒng)根據(jù)檢測器送來得實(shí)時(shí)交通流、占有率等數(shù)據(jù)從方案庫中選出一套控制信號(hào)燈的動(dòng)作。這種控制方式在線計(jì)算量小，執(zhí)行速度快，但由于存貯的方案數(shù)總是有限，因而只能找到比較適合當(dāng)時(shí)交通流狀況的配時(shí)方案，而不是最優(yōu)的。

（2）方案生成式控制能根據(jù)每個(gè)控制周期交通流的變動(dòng)情況，自動(dòng)進(jìn)行信號(hào)周期、綠信比、相位差(甚至是相序)等控制參數(shù)的優(yōu)化計(jì)算。此種控制方式在線計(jì)算量增大，但適應(yīng)交通流變化的能力大大增強(qiáng)，能實(shí)現(xiàn)基于某個(gè)目標(biāo)函數(shù)下的最優(yōu)控制。方案生成式控制有多種形式，如自尋優(yōu)控制、最優(yōu)控制等。

4、按照控制范圍的不同分類 可以分為點(diǎn)控、線控和面控。

（1）點(diǎn)控:單點(diǎn)交叉口交通信號(hào)控制，通常簡稱為“點(diǎn)控制”。點(diǎn)控方式適用于相鄰信號(hào)機(jī)間距較遠(yuǎn)、線控?zé)o多大效果時(shí);或因各相位交通需求變動(dòng)顯著，其交叉口的周期長和綠信比的獨(dú)立控制比線控更有效的情況。單路口的交通信號(hào)控制是最基本的交通控制形式，也是線控和面控系統(tǒng)的基礎(chǔ)，其目的是通過合理的信號(hào)配時(shí)，消除或減少各向交通流的沖突點(diǎn)，同時(shí)使車輛和行人的總延誤最小。單路口的交通信號(hào)控制主要分為定時(shí)控制、感應(yīng)控制、實(shí)時(shí)自適應(yīng)控制等，其中定時(shí)控制和感應(yīng)控制是基本的交通控制方法。

（2）線控:線控方式是將一條主干道的一連串交叉路口作為控制對(duì)象。它要考慮這一連串交叉路口的交通流狀況，并對(duì)其進(jìn)行協(xié)調(diào)控制。

（3）面控:面控方式是將城市中某個(gè)區(qū)域中的所有信號(hào)化交叉路口作為控制對(duì)象，其控制方案相互協(xié)調(diào)，使得在該區(qū)域內(nèi)某種指標(biāo)，如總的停車次數(shù)，旅行時(shí)間，耗油量等最小。

由于任何一個(gè)交叉路口都處于整個(gè)城市交通網(wǎng)的大環(huán)境中，所以為了能夠提高整個(gè)交通網(wǎng)絡(luò)的通行能力，今后交叉口研究方向?qū)②呄蛴诙嗦房趨f(xié)調(diào)控制即線控和面控。未來的交通信號(hào)控制仍然是點(diǎn)、線、面控制并存的形式。對(duì)于中小城市，仍將是點(diǎn)、線控制相結(jié)合的控制方式。對(duì)于大型城市，大多將采用網(wǎng)絡(luò)控制方式。智能交通系統(tǒng)將是今后研究的熱點(diǎn)。

2.2交通信號(hào)控制的主要控制參數(shù)

交叉口信號(hào)控制的參數(shù)主要包括周期、綠信比及相位。控制系統(tǒng)的控制目標(biāo)就是要最佳地確定道路各交叉路口在車流方向上的控制參數(shù)，并付諸實(shí)施。2.2.1周期

指信號(hào)燈的各種燈色輪流顯示一次所需要的時(shí)間。也即各種燈色顯示時(shí)間之總和。它是決定點(diǎn)控制定時(shí)信號(hào)交通效益的關(guān)鍵控制參數(shù)。一般信號(hào)燈的最短周期長度不少于36秒，否則就不能保證幾個(gè)方向的車流順利通過交叉口。最長周期長度一般不超過120秒，否則，可能引起等待司機(jī)的煩躁或誤以為燈色控制已經(jīng)失靈。適當(dāng)?shù)闹芷陂L度對(duì)路口交通流的疏散和減少車輛等待時(shí)間具有重要意義。

從疏散交通的角度講，顯然當(dāng)交通需求越大時(shí)，周期應(yīng)越長，否則一個(gè)周期內(nèi)到達(dá)的車輛不能在該周期的綠燈時(shí)間內(nèi)通過交叉口，就會(huì)發(fā)生堵塞現(xiàn)象。

從減少車輛等待時(shí)間的角度來講，太長或太短的周期都是不利的。若周期太短，則發(fā)生堵車現(xiàn)象。若周期太長，則某一方向的綠燈時(shí)間可能大于實(shí)際需要長度，而另外方向的紅燈時(shí)間不合理延長必然導(dǎo)致該方向車流等待時(shí)間的延長。正確的周期時(shí)長應(yīng)該是，每一個(gè)相位的綠燈時(shí)間剛好使該相位各入口處等待車隊(duì)放行完畢。2.2.2綠信比

在一個(gè)信號(hào)周期中，各相位的有效綠燈時(shí)間與周期長度的比值。若設(shè) tG為第i相信號(hào)的有效綠燈時(shí)間，則該相信號(hào)的綠信比?i為 c為周期長度，i?i?tGic（2.1）顯然，0??i?1綠信比反應(yīng)了該信號(hào)相位交通流在一個(gè)周期中需要綠時(shí)的大小。綠信比的大小對(duì)于疏散交通流和減少交叉路口總等待時(shí)間有著舉足輕重的作用。通過合理地分配各車流方向的綠燈時(shí)間(綠信比)，可使各方向停車次數(shù)、等待延誤時(shí)間減至最小。2.2.3相位

在交通控制中，為了避免平面各交叉口上各個(gè)方向交通流之間的沖突，通常采用分時(shí)通行的方法，即在一個(gè)周期的某一個(gè)時(shí)間段，交叉口上某一支或幾支交通流具有通行權(quán)，而與之沖突的其它交通流不能通行。在一個(gè)周期內(nèi)，平面交叉口上某一支或幾支交通流所獲得的通行權(quán)稱為信號(hào)相位。簡稱相位;一個(gè)周期內(nèi)有幾個(gè)信號(hào)，則稱該信號(hào)系統(tǒng)為幾個(gè)相位系統(tǒng)。在相位的時(shí)間這一概念上，相位時(shí)間包括綠燈時(shí)間與黃燈時(shí)間。

2.3交通控制的評(píng)價(jià)指標(biāo)

交通信號(hào)控制的目的是，就是采用合理的配時(shí)方案要使單個(gè)交叉口或交通網(wǎng)絡(luò)獲得良好的交通效益。評(píng)價(jià)交通效益的指標(biāo)有:通行能力、飽和度、排隊(duì)長度、延誤、停車次數(shù)、停車率、油耗、行程時(shí)間等。目前，常用的交通效益指標(biāo)是延誤、排隊(duì)長、通行能力。交通信號(hào)控制的評(píng)價(jià)函數(shù)可以由設(shè)計(jì)者根據(jù)需要進(jìn)行選擇。

2.3.1延誤時(shí)間

延誤時(shí)間是指車輛在沒有交通信號(hào)和等待隊(duì)列的阻礙下行走所需的時(shí)間和實(shí)際的行程時(shí)間之差。延誤時(shí)間有平均延誤和總延誤兩個(gè)評(píng)價(jià)尺度。交叉口進(jìn)道口所有車輛的延誤總計(jì)稱作總延誤;交叉口進(jìn)道口每輛車的平均延誤稱作平均延誤。

2.3.2飽和度

某個(gè)交叉口進(jìn)口的車流量與可從該進(jìn)口通過交叉口的最大流量的比值，即際到達(dá)交通量與通行能力之比，就是該進(jìn)口的飽和度。計(jì)算公式為: x?式中: q—進(jìn)口的車流量;

q?s（2.2）

?—相應(yīng)相位有效綠燈時(shí)間與周期時(shí)間的比值;s—進(jìn)口的飽和流量。

2.3.3通行能力

通行能力是指在實(shí)際的道路條件、交通條件和控制條件下，在一定時(shí)間內(nèi)通過進(jìn)道口停車線的最大車輛數(shù);交叉口的通行能力不僅與控制策略有關(guān)，還與實(shí)際道路條件(包括引道寬度、車道數(shù)、轉(zhuǎn)彎半徑、轉(zhuǎn)彎長度、引道坡度)和交通條件(車流量、車輛種類、拐彎車比例、車速、非機(jī)動(dòng)車和行人干擾、車道功能劃分等)密切相關(guān)。通行能力是交叉口飽和程度的重要評(píng)價(jià)指標(biāo)。在一定的道路條件下，信號(hào)控制路口的通行能力受信號(hào)周期的影響。在正常的周期長范圍內(nèi)，周期時(shí)長越長，通行能力越大，但車輛延誤和油耗等也隨之越大。而且在飽和度相當(dāng)小時(shí)，片面的追求通行能力的提高，只會(huì)無謂的增加油耗和車輛延誤，對(duì)交叉口的交通效益無多大意義。

2.3.4平均排隊(duì)長度

平均排隊(duì)長度是指在信號(hào)一個(gè)周期內(nèi)各條車道排隊(duì)的最長長度平均值。各條車道最長排隊(duì)長度一般是指該車道的綠燈相位起始時(shí)的長度。

Lavg??lii?1nn（2.3）式中n為車道數(shù)。

平均排隊(duì)長度以周期為單位計(jì)算。某個(gè)周期平均車輛排隊(duì)長度與此周期平均車輛延誤的指標(biāo)基本是一致的。

2.4交通流的基本參數(shù)

表征交通特性的三個(gè)基本參數(shù)分別是:交通量q、車流密度k和行車速度v。2.4.1交通量

交通量q是指在選定的時(shí)間段內(nèi)，通過道路某一地點(diǎn)、某一斷面或某一條車道的交通實(shí)體數(shù)。交通量是一個(gè)隨機(jī)數(shù)，不同時(shí)間、不同地點(diǎn)的交通量都是變化的，交通量隨時(shí)間和空間變化的現(xiàn)象，稱之為交通量的時(shí)空分布特性。通常取某一時(shí)間段內(nèi)平均值作為該時(shí)間段內(nèi)的交通量，如式(2.4)所示。

1nq??qini?1式中: qi—規(guī)定時(shí)間段內(nèi)的交通量；

（2.4）n—時(shí)間段數(shù)。

2.4.2車流密度

車流密度片是指某一瞬間單位道路長度上的車輛數(shù)目。

k?NL（2.5）

式中:k—車流密度(veh/km);N—路段內(nèi)的車輛數(shù)(Veh);L—路段長度(km)。

車流密度大小反映一條道路上的交通密集程度。為使車流密度具有可比性，車流密度也可按單車道來定義，單位為:Veh/km/車道。2.4.3行車速度

行車速度v是指區(qū)間平均速度。即是指在某一特定瞬間，行駛于道路某一特定長度內(nèi)全部車輛的車速分布平均值。當(dāng)觀測長度一定時(shí)，其數(shù)值為車速觀測值的調(diào)和平均值。見式(2.6)。

nL v?1?(2.6)nn11ti?n?vi?1ii?1式中: L—路段長度;ti—第i輛車的行駛時(shí)間;n—行駛于長度為L路段上車輛數(shù);vi—第i輛車的行駛速度;v—區(qū)間平均速度;交通流三參數(shù)之間的基本關(guān)系式為q?v?k。

2.5本章小結(jié)

本章首先對(duì)交通信號(hào)控制的分類進(jìn)行了詳細(xì)的闡述，然后介紹了信號(hào)控制的基本參數(shù)，包括周期長度、綠信比和相位差。最后介紹了交通信號(hào)控制的評(píng)價(jià)指標(biāo)和交通流的幾個(gè)參數(shù)以及它們之間的關(guān)系。對(duì)此我們將以平均延誤時(shí)間最短為目標(biāo)，綜合交通信號(hào)的各項(xiàng)指標(biāo)和參數(shù)，采用自適應(yīng)控制對(duì)點(diǎn)線面交通進(jìn)行智能控制。

第3章 城市路網(wǎng)結(jié)構(gòu)

3.1路網(wǎng)幾何形狀描述 3.1.1路段幾何形狀描述

路段是組成路網(wǎng)的基本元素。路段的幾何形狀包括：起點(diǎn)、終點(diǎn)、長度、寬度、中間隔離帶、車道的數(shù)量、車道的走向、車道的寬度等。

路段由車道組成，車道按照走向分為兩類：上行車道組和下行車道組。兩組車道的方向相反，上行車道和下行車道在物理位置上相鄰，包含的車道數(shù)目多數(shù)情況下是相等的，如圖3.1所示。在路段上行走的車輛可以在上行車道組內(nèi)切換車道，但是不能從上行車道組切換道下行車道組。如果將路段由兩個(gè)管道來描述，車輛可以自由地從一個(gè)管道進(jìn)出，但是進(jìn)入管道的車輛不能進(jìn)入另外一個(gè)相鄰的管道，如圖3.2所示。

圖3.1路段車道示意圖 圖3.2路段管道示意圖

3.1.2交叉口幾何形狀描述

城市路網(wǎng)普遍存在兩種類型的交叉口：“＋”字交叉口和“T”形交叉口。對(duì)于“T”形交叉口與“＋”字交叉口類同且簡單一些，我們這里主要針對(duì)復(fù)雜一些的“＋”字交叉口作分析。如圖3.3 所示平面十字交叉口, 進(jìn)口道分別編號(hào)為1，2，3，4, 車道分別編號(hào)為1，2，3，?16；圖3.4 為交通流具體示意圖。

圖3.3平面十字交叉口示意圖 圖3.4 交通流具體示意圖

3.2路網(wǎng)中交叉口相位劃分 城市交通中將長期存在大量的交叉口，雖然三維空間的立交橋是解決交叉口局限性的一種有效措施，但是立交橋占地面積大，對(duì)空間非常有限的城市而言不夠現(xiàn)實(shí)，而且立交橋造價(jià)昂貴。在交通不太緊張的區(qū)域，交叉口完全能夠應(yīng)付。

在交通控制中，為了避免平面交叉口各個(gè)方向上交通流之間產(chǎn)生沖突，通常采用分時(shí)控制的方式。在一個(gè)周期的一段時(shí)間上，允許交叉口上某一支或幾支交通流通過，其他交通流上的車輛則不允許通過。一個(gè)周期內(nèi)，平面交叉口上某一支或幾支交通流所獲得的通行權(quán)成為信號(hào)相位，簡稱相位。一個(gè)周期內(nèi)有幾個(gè)信號(hào)相位，則稱交叉口為幾相位交叉口。

對(duì)相位的劃分不是越多越好，相位太多，會(huì)帶來一些問題。首先相位切換需要一定的時(shí)間，頻繁切換，會(huì)浪費(fèi)交叉口的通行時(shí)間，影響通行率；再次，對(duì)與周期固定的交叉口，意味著相位的通行時(shí)間變短，這樣會(huì)導(dǎo)致沒有在綠燈時(shí)間通過的車輛承受較長的紅燈時(shí)間，影響駕駛員的情緒，增加交通安全隱患。3.2.1“T”型路口相位劃分

側(cè)支路段與主干道相連接形成“T”型路口，它是城市交通路網(wǎng)中普遍存在的控制點(diǎn)；城市小區(qū)與小區(qū)之間通常存在連通的路網(wǎng)，面積大的小區(qū)和面積小的小區(qū)并列時(shí)也會(huì)形成“T”型路口。圖3.5為“T”型口在時(shí)間上會(huì)發(fā)生沖突的相位分組：西路段上存在右轉(zhuǎn)交通流，不存在左轉(zhuǎn)交通流。東路段上存在左轉(zhuǎn)交通流，不存在右轉(zhuǎn)交通流，對(duì)所有右轉(zhuǎn)交通流和東路段上向西的交通流也不需要控制。相位1為西路段向東的交通流，相位2為南路段上向北左轉(zhuǎn)的交通流，相位3為東路段上向西左轉(zhuǎn)的交通流。

圖3.5“T”形路口單相位控制相位劃分示意圖

3.2.2“十”字路口相位劃分

如果不考慮進(jìn)入“十”字路口的車很少存在相鄰路段返回的情況?！笆弊致房趹?yīng)嚴(yán)格劃分為四個(gè)相位：東西直行相位，南北直行相位，東西左轉(zhuǎn)相位，南北左轉(zhuǎn)相位。所有右轉(zhuǎn)交通流不會(huì)與其他交通流發(fā)生空間上的沖突，所以不予控制，如圖3.6所示。

周期

圖3.6 信號(hào)控制的4種相位描述

3.3 路網(wǎng)中交叉口信號(hào)控制原理 現(xiàn)在城市中最常用的就是四相位的定周期控制策略，它可以較充分的描述路口的各種交通流狀態(tài)，同時(shí)這種四相位的控制模式也是現(xiàn)在研究最多的一種控制模式。四相位如圖3.7所示，第一相位為東西相位，第二相位為南北相位，第三相位為東西左轉(zhuǎn)相位，第四相位為南北左轉(zhuǎn)相位。在任何時(shí)刻，四個(gè)相位中只有一相處于通行狀態(tài)。檢測器對(duì)路口各個(gè)車道車流量進(jìn)行實(shí)時(shí)檢測而獲取車流量信息，為模糊控制提供必要的數(shù)據(jù)。

圖3.7 “十”字路口單相位控制相位劃分示意圖

對(duì)于此交叉口，我們可以通過信號(hào)控制，只使相位1通行，而其他相位不通行；接著相位1通行一段時(shí)間后只使相位2通行；同理使相位

3、相位4依次處于通行狀態(tài)，從而使各相位都通行一次，使各相位的車輛都盡可能通行完。本文就是針對(duì)這種四相位模式應(yīng)用模糊控制方法，既使控制效率得到提高，同時(shí)也盡可能的保持了大家原有的習(xí)慣，更便于應(yīng)用于實(shí)際情況。

第五篇：第二章交通信號(hào)控制的基本理論

2交通信號(hào)控制的基本理論

本章首先給出了交通信號(hào)控制的基本概念，包括：信號(hào)相位，周期時(shí)長，綠信比，相位差，綠燈間隔時(shí)間，有效綠燈時(shí)間等，然后介紹了常用的交叉口性能指標(biāo)以及計(jì)算方法，最后給出了常用交叉口的信號(hào)配時(shí)方法。這些研究為后面的信號(hào)配時(shí)模型及優(yōu)化方法的研究奠定了理論基礎(chǔ)。2.1交通控制的基本概念

交叉路口信號(hào)配時(shí)參數(shù)優(yōu)化，首先必須準(zhǔn)確把握和理解交通控制中的一些基本概念。下面對(duì)信號(hào)配時(shí)設(shè)計(jì)中部分參數(shù)作一介紹。

(l)信號(hào)相位：在一個(gè)信號(hào)周期內(nèi)，具有相同的信號(hào)燈色顯示的一股或幾股交通流的信號(hào)狀態(tài)序列稱作一個(gè)信號(hào)相位。信號(hào)相位是按車流獲得信號(hào)顯示的時(shí)序來劃分的，有多少種不同的時(shí)序排列，就有多少個(gè)信號(hào)相位。每一個(gè)控制狀態(tài)，對(duì)應(yīng)顯示一組不同的燈色組合，稱為一個(gè)相位。簡而言之，一個(gè)相位也被稱作一個(gè)控制狀態(tài)。以四相位為例如圖所示：

相位1

相位2

相位3

相位4

圖1 四相位信號(hào)相序控制示意圖

(2)周期時(shí)長：信號(hào)燈發(fā)生變化，信號(hào)運(yùn)行一個(gè)循環(huán)所需的時(shí)間，等于綠、黃、紅燈時(shí)間之和；也等于全部相位所需的綠燈時(shí)間和黃燈時(shí)間(一般是固定的)的總和。周期過長時(shí)，等待的人容易產(chǎn)生急躁情緒，因此通常以180秒為最高界限。

圖1 第一、三配時(shí)表

(3)綠信比：是指在一個(gè)周期內(nèi)(對(duì)一指定相位)，有效綠燈時(shí)間與信號(hào)周期長度之比。

(4)相位差(又叫綠時(shí)差或綠燈起步時(shí)距)：相位差是針對(duì)兩個(gè)信號(hào)交叉口而言，是指兩個(gè)相鄰交叉口它們同一相位綠燈(或紅燈)開始時(shí)間之差。

它分為絕對(duì)相位差和相對(duì)相位差。相對(duì)相位差是指在各路口的周期時(shí)間均相同的聯(lián)動(dòng)信號(hào)系統(tǒng)中，相鄰兩個(gè)交叉路口協(xié)調(diào)相位的綠燈起始時(shí)間之差。絕對(duì)相位差是指在聯(lián)動(dòng)信號(hào)系統(tǒng)中選定一標(biāo)準(zhǔn)路口，規(guī)定該路口的相位差為零，其他路口相對(duì)于標(biāo)準(zhǔn)路口的相位差叫絕對(duì)相位差。

(5)綠燈間隔時(shí)間：是指從失去通行權(quán)的相位的綠燈結(jié)束，到下一個(gè)得到通行權(quán)的相位綠燈開始所用的時(shí)間。綠燈間隔時(shí)間的長短主要取決于交叉口的幾何尺寸，因此，要確定該時(shí)間的長度就必須首先考慮停止線和潛在沖突點(diǎn)之間的相關(guān)距離，以及車行駛這段距離所需的時(shí)間。

(6)有效綠燈時(shí)間：是指被有效利用的實(shí)際車輛通行時(shí)間。它等于綠燈時(shí)間與黃燈時(shí)間之和減去損失時(shí)間。損失時(shí)間包括兩部分，一是綠燈信號(hào)開啟時(shí)，車輛啟動(dòng)時(shí)的時(shí)間；還有綠燈關(guān)閉、黃燈開啟時(shí)，只有越過停止線的車輛才能繼續(xù)通行，所以也有一部分損失時(shí)間，即為綠燈時(shí)間減去啟動(dòng)時(shí)間加上結(jié)束滯后時(shí)間。結(jié)束滯后時(shí)間是黃燈時(shí)間中有效利用的那部分。每一相位的損失時(shí)間為啟動(dòng)延遲時(shí)間和結(jié)束滯后時(shí)間之差。

在實(shí)際工作中，損失時(shí)間的精確計(jì)算是非常困難的，也沒有必要。通常取綠燈時(shí)間代替有效綠燈時(shí)間 2.2交通信號(hào)控制類型簡述 2.2.1定時(shí)控制

(l)定義

依據(jù)交通量歷史數(shù)據(jù)進(jìn)行配時(shí)，交通信號(hào)按照配時(shí)方案運(yùn)行，一天只按一個(gè)配時(shí)方案的配時(shí)方法。定時(shí)控制是單個(gè)交叉路口最基本的控制方法。

(2)適用條件及優(yōu)點(diǎn)

定時(shí)控制適用于交通流量變化模式基本固定，并可以預(yù)測的情況，其因信號(hào)啟動(dòng)時(shí)間可取得一致而有利于同相交通信號(hào)協(xié)調(diào)。它的優(yōu)點(diǎn)在于便于執(zhí)行，對(duì)控制系統(tǒng)的硬件要求較為簡單。由于路網(wǎng)上各個(gè)交叉路口的信號(hào)配時(shí)參數(shù)都是預(yù)先確定的，因此不必在執(zhí)行中根據(jù)實(shí)時(shí)交通狀況作任何調(diào)整，也不需要采集實(shí)時(shí)交通數(shù)據(jù)和反饋，使得各種費(fèi)用使用較低。

(3)缺點(diǎn) 首先，定時(shí)控制中的配時(shí)方案都是根據(jù)歷史性交通資料，事先經(jīng)過脫機(jī)計(jì)算建立起來的。然而，路網(wǎng)上交通狀況如車流量的分布，流量大小及流向，不可能長期維持某一固定的模式。一旦變化，則原分配方案就不再適合變化了的交通狀況。因此，固定配時(shí)系統(tǒng)的應(yīng)用受到一定程度的局限，它只適用于交通狀況變化不十分急劇的城鎮(zhèn)。其次，控制對(duì)策的靈活性較差，固定配時(shí)方案一經(jīng)建立并付諸執(zhí)行，就不會(huì)自動(dòng)調(diào)整和更改。因此，路網(wǎng)可能發(fā)生的一些意外事件，往往會(huì)導(dǎo)致嚴(yán)重的交通阻塞，甚至于癱瘓。再次，缺少實(shí)時(shí)交通信息反饋，除非設(shè)置專門用于采集交通數(shù)據(jù)的檢測器，固定配時(shí)控制系統(tǒng)沒有任何關(guān)于網(wǎng)路上實(shí)時(shí)交通狀況信息的反饋，這就限制了它的靈活性。2.2.2潮汐控制

潮汐控制方法和定時(shí)控制方法相類似。區(qū)別在于若一天只用一個(gè)配時(shí)方案的稱為定時(shí)控制；而一天按多個(gè)時(shí)段采用不同配時(shí)方案的稱為潮汐控制。

潮汐控制比定時(shí)控制方法有一定的優(yōu)越性，但是對(duì)于交通流量變化大的地區(qū)，控制效果仍不理想。2.2.3模糊控制

城市交通系統(tǒng)是一種非線性的、時(shí)變的大系統(tǒng)。傳統(tǒng)的控制方法都要首先建立交通流的數(shù)學(xué)模型，在此基礎(chǔ)上推導(dǎo)出某種控制算法。由于城市交通系統(tǒng)的復(fù)雜性和隨機(jī)性，建立的數(shù)學(xué)模型一般難以準(zhǔn)確地描述城市交通的實(shí)際狀況，而且算法復(fù)雜，在線估算量大，控制實(shí)時(shí)性差，控制精度也不高。因此近年來，國內(nèi)外專家學(xué)者致力于開發(fā)新的交通信號(hào)燈的控制方法，模糊控制是新的研究方向之一。

2.3相位、相序設(shè)計(jì)與信號(hào)配時(shí)

2.3.1相位、相序設(shè)計(jì)與信號(hào)配時(shí)的關(guān)系

無論采用哪種控制方法，都需要先了解交叉路口的幾何狀況，交通流狀況，然后制定相應(yīng)的相位，相序方案以及配時(shí)方案，只有選擇合適的相位和配時(shí)方案，才能使交叉口的運(yùn)行效果達(dá)到最優(yōu)。交叉口相位方案和配時(shí)設(shè)計(jì)是信號(hào)控制方案設(shè)計(jì)的兩個(gè)方面，屬于定性和定量的關(guān)系。

相位方案設(shè)計(jì)是信號(hào)設(shè)計(jì)的第一步，它直接影響交叉口交通流的安全性，以及交叉口的延誤、通行能力等各項(xiàng)運(yùn)行效益。美國道路通行能力手冊HCM早己提出：“信號(hào)設(shè)計(jì)中最為關(guān)鍵的問題是選擇一個(gè)適當(dāng)?shù)男盘?hào)相位方案”。

配時(shí)設(shè)計(jì)是在相位方案設(shè)計(jì)的基礎(chǔ)上進(jìn)行的，根據(jù)進(jìn)口車道配置，交通流情況來求解最優(yōu)配時(shí)方案，最終達(dá)到提高交叉口實(shí)際通行能力、減少車輛通過交叉口的延誤的目的。只有在充分研究和采用最佳相位方案的前提下，利用配時(shí)參數(shù)優(yōu)化模型，才能得到真正的最優(yōu)控制方案，即最優(yōu)解。否則，選用不適當(dāng)?shù)南辔环桨?，再先進(jìn)的配時(shí)模型也只能得到偽最優(yōu)解。2.3.2相位設(shè)計(jì)

相位方案是相位的組合方式，有必要從多個(gè)組合中選出最佳的相位方案。一般來說，交叉口形狀越復(fù)雜，相位方案也越復(fù)雜。

相位選擇可分為相位初選和相位調(diào)整兩步。相位初選時(shí)，只能運(yùn)用經(jīng)驗(yàn)判斷，通過畫出交通流線，合并部分交通流來縮小可選范圍，初步確定相位相序，并作為信號(hào)配時(shí)的基礎(chǔ)。當(dāng)信號(hào)配時(shí)完成后，將會(huì)對(duì)各參數(shù)進(jìn)行試算評(píng)價(jià)，對(duì)相位進(jìn)行必要的修正和調(diào)整，并重新評(píng)估，直至滿足設(shè)計(jì)要求，形成最終方案。

確定信號(hào)相位時(shí)需要考慮以下幾點(diǎn):(l)交通安全

交叉路口交通流之間的沖突是造成交通事故的一個(gè)重要原因，一般來說增加相位數(shù)，減少同一相位中沖突方向交通流的數(shù)量，可以提高安全性。

(2)交通效率

交叉口相位設(shè)計(jì)要提高交叉口的時(shí)間和空間資源的利用率。過多的相位數(shù)會(huì)導(dǎo)致相位交替次數(shù)增加，也即損失時(shí)間的增加，從而降低交叉口通行能力和交通效率。反之，太少的相位也會(huì)使交叉口因混亂而降低效率。

(3)交通狀況

交通狀況包括機(jī)動(dòng)車交通量、左右轉(zhuǎn)率、車道飽和率、大型車混入率、非機(jī)動(dòng)車流量流向、橫過行人數(shù)等。

(4)交叉口幾何條件

交叉口的限制條件包括：交叉口的類型、進(jìn)口道車道數(shù)、交叉口擴(kuò)展車道的展寬長度、行人和自行車過街的組織形式。這些因素影響機(jī)動(dòng)車左轉(zhuǎn)專用相位的設(shè)置、車輛排隊(duì)長度等。

(5)協(xié)調(diào)控制的要求

為了保證協(xié)調(diào)控制效果，相同子區(qū)內(nèi)的信號(hào)要具有一致性，各交叉口的相位相序需相互匹配，否則不利于駕駛員適應(yīng)。2.3.3相序安排

信號(hào)相位設(shè)計(jì)不但要考慮相位組合，還要考慮相位的銜接問題。通常需要考慮以下幾點(diǎn)：

(l)對(duì)同一個(gè)交通流設(shè)置兩個(gè)以上信號(hào)階段時(shí)，在時(shí)間上應(yīng)盡可能保證連續(xù)性，對(duì)于行人信號(hào)可不局限于此原則。

(2)對(duì)同一進(jìn)口道車流中不同流向交通流在不同信號(hào)相位放行時(shí)，盡可能保證它們所在信號(hào)相位的連續(xù)顯示。

(3)一向含直行車流的相位與另一向含直行車流的相位不宜連接。(4)一向含左轉(zhuǎn)車流的相位與另一向含左轉(zhuǎn)車流的相位不宜連接。(5)兩向相位相序設(shè)計(jì)應(yīng)盡量對(duì)稱，便于駕駛員理解。

(6)于直行與左轉(zhuǎn)機(jī)動(dòng)車，應(yīng)考慮左轉(zhuǎn)車道可停放的車輛數(shù)。若到達(dá)的左轉(zhuǎn)車輛超出該車道可停放的左轉(zhuǎn)車輛數(shù)時(shí)，需先放行左轉(zhuǎn)車。反之，則先放行直行車。在一般路口和有左轉(zhuǎn)待候區(qū)的路口多是先放直行車，后放左轉(zhuǎn)車。

(7)有特殊方案相位，其前后應(yīng)盡可能銜接與特殊方案相容的基本方案。本文主要研究信號(hào)配時(shí)參數(shù)的優(yōu)化設(shè)計(jì)，所以不對(duì)相位，相序的設(shè)計(jì)方法進(jìn)行深入的研究。

2.4交叉路口常用性能指標(biāo)及計(jì)算方法

一般來說，信號(hào)交叉口的控制效果是由延誤、停車次數(shù)、通行能力和飽和度等四個(gè)基本參數(shù)來衡量的。這些參數(shù)不僅反映車輛通過交叉口時(shí)的動(dòng)態(tài)特性，同時(shí)它們也作為交叉口信號(hào)配時(shí)參數(shù)優(yōu)化的依據(jù)，用于建立優(yōu)化模型和目標(biāo)函數(shù)。也就是說，信號(hào)配時(shí)參數(shù)優(yōu)化的目標(biāo)就是在一定的道路條件下，對(duì)配時(shí)參數(shù)選擇合適的值，讓通行能力稍高于交通需求，并且使得通過交叉口的全部車輛總延誤

時(shí)間最短或停車次數(shù)最少。

當(dāng)然，除了上述四項(xiàng)基本評(píng)價(jià)指標(biāo)以外，還有一些其它評(píng)價(jià)指標(biāo)，例如：車輛運(yùn)營費(fèi)用(包括燃油消耗、輪胎和機(jī)械磨損)、廢氣排放量、噪聲污染、運(yùn)營成本(計(jì)入乘客旅程時(shí)間折合的經(jīng)濟(jì)價(jià)值等)以及安全舒適程度的差異等等。但這些都是由上述四項(xiàng)基本評(píng)價(jià)指標(biāo)派生出來的次級(jí)參數(shù)，即以延誤時(shí)間和停車次數(shù)為自變量的函數(shù)，常稱作“輔助參數(shù)”。

下面具體介紹車輛延誤、停車率、通行能力、飽和度、平均排隊(duì)長度和通行權(quán)轉(zhuǎn)移度。2.4.1車輛延誤

延誤是由于交通干擾、交通管理和控制設(shè)施等因素引起的車輛運(yùn)行時(shí)間損失。由于延誤能反映了司機(jī)不舒適、受阻的程度以及油耗和行駛時(shí)間損失，所以是最常用的評(píng)價(jià)信號(hào)交叉口運(yùn)行狀況的指標(biāo)。

車輛平均延誤是評(píng)價(jià)交叉口服務(wù)水平的最重要的指標(biāo)，因此，本文選擇它作為比較各種信號(hào)燈控制方法優(yōu)劣的依據(jù)。車輛的排隊(duì)長度是延誤時(shí)間增加的主要誘導(dǎo)因素，車輛滯留時(shí)間又是延誤時(shí)間的構(gòu)成元素。某車道的車輛排隊(duì)長度如果過長，易引起車輛堵塞和平均延誤時(shí)間增加；而某車道的車輛滯留時(shí)間如果過長，不僅增加了平均延誤時(shí)間，而且易引起通行權(quán)資源分配失衡。大多數(shù)情況下，排隊(duì)長度與滯留時(shí)間是正相關(guān)的，反之亦反。但也有例外，例如，當(dāng)出現(xiàn)很短時(shí)間內(nèi)連續(xù)到來多輛車和很長時(shí)間沒有車輛到來這兩種情況時(shí)，排隊(duì)長度與滯留時(shí)間就不具備正相關(guān)關(guān)系，排隊(duì)最長的車道，平均滯留時(shí)間不一定也最長，反之亦反?？梢?，兩者是相互關(guān)聯(lián)，互為補(bǔ)充，不可相互替代的，它們是影響交叉口通行能力的兩個(gè)關(guān)鍵因素。2.4.2停車率

停車率：指每個(gè)周期停駛的車輛數(shù)占整個(gè)周期所到達(dá)車輛數(shù)的比例，它是一項(xiàng)信號(hào)交叉口評(píng)價(jià)的綜合指標(biāo)之一，停車率的大小不僅反映了交叉口的服務(wù)水平，同時(shí)從車輛耗油、環(huán)境及出行費(fèi)用等幾方面反映了信號(hào)控制的合理性。2.4.3通行能力

信號(hào)交叉路口的通行能力是針對(duì)每一引道規(guī)定的，它是在現(xiàn)行的交通、車道和信號(hào)設(shè)計(jì)條件下，交叉口某一引道所能通過的最大流量。單位：輛/小時(shí)。整個(gè)交叉口的通行能力并不重要。

飽和流量：在通常的道路、交通條件下，在整個(gè)小時(shí)都是綠燈的條件下，連續(xù)通過交叉口指定引道的最大流量。

所以，可見影響信號(hào)交叉口的通行能力的主要因素有三個(gè)：

(l)車行道條件，即交叉口的幾何條件。包括：車道類型，車道數(shù)，交叉口幾何形狀。

(2)信號(hào)設(shè)計(jì)條件。即信號(hào)燈配時(shí)的各個(gè)參數(shù)及相序、相位設(shè)計(jì)。(3)交通流條件。每條引道的交通量，流向，流向內(nèi)車型的分布。美國HCM給出的飽和流量(率)計(jì)算公式為：

S=S0?N?fw?fHV?fg?fp?fbb?fa?fRT?fLT

(2.1)其中，S為在通常條件下，車道組的飽和流量，S0為每車道理想條件下的飽和流量，一般取1800/綠燈小時(shí)，N為每車道組的車道數(shù)。fw為車道寬度校正系

數(shù)，fHV為交通流中重型車輛校正系數(shù)，fg為引道坡度校正系數(shù)，fp為臨近車道停車情況及該車道停車次數(shù)校正系數(shù)，fbb為公共汽車停在交叉口范圍內(nèi)阻塞影響作用校正系數(shù)，fa為地區(qū)類型校正系數(shù)，fRT為車道組中右轉(zhuǎn)車校正系數(shù)，fLT為車道組中左轉(zhuǎn)車校正系數(shù)。

通行能力是以飽和流量為基礎(chǔ)進(jìn)行分析的。交叉口的總通行能力是通過各進(jìn)口車道組(引道)的通行能力之和。每一車道組的通行能力根據(jù)其車道功能不同按下式(2.2)計(jì)算：

Ci?Si??i

(2.2)

?i????g?T0??? ?i其中，Ci為車道組的通行能力，Si為車道組i的飽和流量(輛/綠燈小時(shí))，?i為綠信比。2.4.4飽和度

飽和度是針對(duì)每一車道(車道組)而言的。計(jì)算公式(2.3)如下：

Xi??VC?i?Vi?Si?gTC?i???ViSi??i

(2.3)其中，Xi為第i個(gè)車道組的飽和度，Vi為第i個(gè)車道組的交通流量。相位飽和度是指該相位上各個(gè)車道組的飽和度之和。交叉口的飽和度是飽和程度最高的相位所達(dá)到的飽和度值，而并非各相位飽和度之和，用X表示。從理論上說，交叉口飽和度只要小于1就應(yīng)該滿足各方向車流的通行要求。然而，實(shí)踐表明，當(dāng)交叉口的飽和度接近于1時(shí)，交叉口的實(shí)際通行條件將迅速惡化，更不必說等于或大于1了。因此，我們必須規(guī)定一個(gè)可以接受的最大飽和度限制，即飽和度的“實(shí)用限值”。研究結(jié)果表明，反映車輛通過一個(gè)交叉口時(shí)的一些特性參數(shù)，如車輛平均延誤時(shí)間、平均停車次數(shù)以及排隊(duì)長度等等，均與飽和度實(shí)用限值的大小有關(guān)。實(shí)踐證明，飽和度實(shí)用限值定在0.8——0.9之間，交叉口可以獲得較好的運(yùn)行條件。在特定條件下，例如交通量很大，而交叉口周圍的環(huán)境條件較差，為減少交叉口的投資，可以采用更高的實(shí)用限值——飽和度實(shí)用限值為0.95。

關(guān)鍵進(jìn)口道到達(dá)交通量與通行能力之比，而交叉口飽和度是相位飽和度中的最大值。在設(shè)計(jì)時(shí)，交叉口各個(gè)相位的飽和度小于1。2.4.5平均排隊(duì)長度

信號(hào)一個(gè)周期內(nèi)各條車道排隊(duì)的最長長度的平均值。各條車道最長排隊(duì)長度一般是指該車道的綠燈相位起始時(shí)長度。2.4.6通行權(quán)轉(zhuǎn)移度

通行權(quán)轉(zhuǎn)移度反應(yīng)了不同方向的車流對(duì)綠燈需求的迫切程度。它依賴于各入口的交通情況，而車流在紅燈信號(hào)和綠燈信號(hào)相位下，有不同的狀態(tài)。在綠燈相

位下，車輛可以自由通過停車線，在停車線檢測器上可以檢測出駛過停車線車輛的數(shù)量，上游檢測器可以檢測車輛的到達(dá)數(shù)，這些車輛經(jīng)過若干秒后可能會(huì)到達(dá)停車線或通過停車線或排隊(duì)等待：在紅燈相位下，檢測器可以檢測車輛的到來情況和排隊(duì)長度。因此紅燈相位和綠燈相位的通行權(quán)轉(zhuǎn)移度就有不同的輸入和推導(dǎo)規(guī)則。

2.5車輛檢測器

一個(gè)完整的交通控制系統(tǒng)需要有一個(gè)準(zhǔn)確、可靠的信息采集和監(jiān)控系統(tǒng)，它將來自底層的實(shí)時(shí)數(shù)據(jù)收集起來，準(zhǔn)確、迅速地通過高速信息傳輸網(wǎng)送交后臺(tái)進(jìn)行分析和處理。交通控制系統(tǒng)的交通信息采集是由車輛檢測器來實(shí)現(xiàn)的。

車輛檢測器有多種，感應(yīng)式檢測器，紅外線檢測器等。本文的車輛采集采用圖像式車輛檢測器。圖像式車輛檢測器由閉路電視攝影機(jī)、終端控制器和圖像處理器等設(shè)備組成。技術(shù)原理以圖形處理器分析由閉路電視攝像機(jī)所拍攝的數(shù)字化圖像，用算法對(duì)圖像初步處理，去掉多余信息。接著對(duì)圖像進(jìn)行分區(qū)。按一定算法對(duì)各分區(qū)圖像處理，提取特征信息。根據(jù)特征信息進(jìn)行車輛計(jì)數(shù)、分類。根據(jù)相鄰圖片計(jì)算車速，最后在拍攝區(qū)域內(nèi)跟蹤所辨識(shí)出的車輛。它的優(yōu)點(diǎn)是功能強(qiáng)大圖像直觀，易于增添檢測項(xiàng)目；多道檢測、安裝及維修不會(huì)阻礙交通。