一种基于改进的模糊控制的红绿灯优化配时方法
【技术领域】
[0001] 本发明属于智慧交通领域，涉及一种基于改进的模糊控制的红绿灯优化配时方 法。
【背景技术】
[0002] 交通信号控制系统是城市交通控制的主要方式，是缓解交叉口交通压力的有效保 证。它是根据交叉口等待车辆的分布状况，通过控制红绿灯的显示使路口交通通行能力最 大化。
[0003] 对于传感器采集到的路口等待车辆的信息，传统的红绿灯控制策略是基于交通流 的数学建模方法，通过建立一个数学模型对当前交通动态进行描述，但这些计算都相当复 杂，很难满足实时性的要求。而数学建模需要严格的假设，降低了控制算法的普遍性。近来 一些学者引入了人工智能算法，如模糊控制、神经网络、粒子群算法等，由于这些算法自身 的局限性，单一的人工智能算法都不能很好的解决红绿灯优化配时问题。
【发明内容】
[0004] 本发明针对现有技术的不足，提供了一种基于改进的模糊控制的红绿灯优化配时 方法。
[0005] 本发明的具体步骤是：
[0006] 步骤1.计算各车道的车辆延误时间；
[0007] 针对单交叉路口，采用东西直行、东西左转、南北直行、南北左转四相位的控制方 式，右转车辆一律放行，在控制中不加考虑；路口传感器每隔一秒实时采集各个路口等待车 辆数；
[0008] 1. 1计算红灯相位的车辆延误时间：
[0009] 令为红灯相位车辆延误时间，则
【主权项】
1. 一种基于改进的模糊控制的红绿灯优化配时方法，其特征在于该方法的具体步骤 是： 步骤1.计算各车道的车辆延误时间； 针对单交叉路口，采用东西直行、东西左转、南北直行、南北左转四相位的控制方式， 右转车辆一律放行，在控制中不加考虑；路口传感器每隔一秒实时采集各个路口等待车辆 数； 1. 1计算红灯相位的车辆延误时间： 令为红灯相位车辆延误时间，则
(1. 1) 其中：Qu为当前红灯相位第i条交通流第j秒的等待车辆数，η为红灯相位的交通流 数，对于四相位控制的单交叉口，η = 6, m为红灯持续时间； 1. 2计算绿灯相位的车辆延误时间： 设Q#为当前绿灯相位第j秒的等待车辆数
(1.2) 其中：Qug为当前绿灯相位第i条交通流第j秒的等待车辆数，N为绿灯相位的交通流 数，N = 2 ; 令Ds为绿灯相位车辆延误时间，则
(1.3) 其中，M为当前的绿灯持续时间； 一个信号周期内车辆总延误时间为： D = Dr+Dg (1. 4) 步骤2.设计模糊控制器 2. 1确定输入变量和输出变量 模糊控制器包含两个输入变量和一个输出变量；输入：当前绿灯相位的排队车辆数Qg 和后继绿灯相位的排队车辆数输出：当前绿灯相位的延长时间ΔΤ; 2. 2确定变量的论域和隶属度函数 输入变量和输出变量的论域变化范围： 08和Q r的物理论域为{〇, 1，2, 3,…，40}; Δ T的物理论域为{0, 1，2, 3,…，40}; 08和Q J勺模糊论域为{〇, 1，2, 3,…，20}，量化因子为0. 5 ; Δ T的物理论域为{0, 1，2, 3,…，20}，比例因子为2 ; 输入变量和输出量的模糊语言值和隶属度函数： Qg和Q 划分为七个模糊子集：{很少，少，较少，适中，较多，多，很多} A T划分为七个模糊子集：{很短，短，较短，适中，较长，长，很长} 对于隶属度函数采用高斯型函数：
(2. I) 其中：c为隶属度函数的中心点，δ为图像曲线的宽度； 步骤3.采用粒子群算法优化模糊规则，具体是： 3. 1算法参数设置 (1) 编码模式：由于两个输入变量都分为七个模糊子集，则具有7X7 = 49条模糊规 贝1J，将模糊子集的离散型的名词映射成十进制的数，如此则可以将模糊规则转化为一个二 维数组；将该二维数组转化为一个实数行向量，具体为将前一行的末尾与下一行的开头连 接，以便对粒子进行编码； (2) 粒子搜索方式：记粒子群中第i个粒子的位置和速度分别为Xi= {xn，xi2,…，xi49} 和Vi= {v n, vi2，…vi49}，根据下式对粒子的速度和位置进行更新： vid (t+1) = vid (t) +C^1 (pid (t) -Xi (t)) +c2r2 (pgd (t) -xid (t)) (2. 3) xid (t+1) = xid(t)+vid(t+l) (2. 4) 其中，vid是粒子的速度，v ide [-vmax, vmax]，Cl，c2是学习因子，I^r2是[0,1]的均匀随 机数，Pid是第i个粒子迄今为止搜索到的最佳位置，P gd是整个群落迄今为止搜索到的最佳 位置； (3) 适应度函数：适应度函数用来评价粒子的质量，以路口车辆延误时间作为评价性 能的指标，则将车辆延误时间的倒数作为适应度函数， / = - (2. 5) D 3. 2算法流程 (1) 设定粒子的个数η和粒子维数D，随机变量cdP c 2，最大更新速度Vmax和最小更新 速度Vmin，粒子位置的最大值1_和最小值X min以及最大迭代次数t ; (2) 根据公式（2. 5)计算粒子的适应度； (3) 更新个体极值：将个体的适应值和该个体最优适应值进行比较，若更好，则将其作 为该粒子个体的最优适应值，并用当前位置作为该粒子个体的最优位置； (4) 更新全局极值：将每个粒子的适应值与当前群体最优值比较，若更好则将其作为 群体迄今为止的最优值，并将当前位置作为群体的最优位置； (5) 对每个粒子的速度和位置进行更新； (6) 若达到最大迭代次数则搜索结束，将适应值最大的粒子所对应的参数作为全局最 优解；否则转⑵； 步骤4.清晰化 由步骤3得到的仍是模糊量，采用面积中心算法对其进行清晰化，
(2 6) 其中：μ i为模糊子集隶属度，τ i为输出变量，T为清晰值。
【专利摘要】本发明公开了一种基于改进的模糊控制的红绿灯优化配时方法。本发明针对单交叉路口交通流的动态特性，首先根据路口传感器检测到的各个路口的等待车辆，计算该路口的车辆平均延误时间，并以此为性能优化的评价指标。之后采用模糊控制器对红绿灯的配时方案进行优化控制，并用粒子群算法对模糊规则进行优化。本发明能有效避免人为设定模糊规则而导致的主观性和盲目性，提高算法的优化性能。
【IPC分类】G08G1-08
【公开号】CN104766485
【申请号】CN201510150649
【发明人】刘俊, 郑志杰, 彭冬亮, 陈华杰, 左燕
【申请人】杭州电子科技大学
【公开日】2015年7月8日
【申请日】2015年3月31日