相位差模糊控制在線控制算法中的應(yīng)用設(shè)計(jì)

摘要：在兩級(jí)遞階控制模型基礎(chǔ)上，針對不同的控制參數(shù)，完成相應(yīng)的模糊控制器設(shè)計(jì)。詳細(xì)介紹了相位差模糊控制器的原理和設(shè)計(jì)過程，并將交通信息參數(shù)的變化量加入到了模糊控制器的輸入中，增加了模糊控制器的準(zhǔn)確性和全面性。通過對實(shí)際干線的實(shí)例仿真證明本設(shè)計(jì)方法可以有效地減少車輛的平均延誤時(shí)間。
關(guān)鍵詞：城市交通信號(hào)控制；線控制；相位差模糊控制；論域變換

0 引言
    隨著我國經(jīng)濟(jì)的迅猛發(fā)展和社會(huì)的不斷進(jìn)步，各種車輛保有量逐年增加，城市交通需求和交通供給的矛盾越來越突出，交通擁擠狀況越來越嚴(yán)重。據(jù)研究表明，交通擁擠往往突出表現(xiàn)在道路的交叉口處，而主干線是城市交通的主體部分，又是保證城市社會(huì)經(jīng)濟(jì)活動(dòng)正常運(yùn)轉(zhuǎn)的主動(dòng)脈，因此對于主干線上交叉口的協(xié)調(diào)控制研究就顯得很重要。
    傳統(tǒng)的控制方法通過建立精確的數(shù)學(xué)模型或預(yù)先人為地設(shè)定多套方案，控制效果都難以盡如人意。而模糊算法是基于規(guī)則和經(jīng)驗(yàn)的，不需要建立精確數(shù)學(xué)模型，比較適合于交通系統(tǒng)應(yīng)用，所以本文在模糊算法的基礎(chǔ)上做進(jìn)一步的研究。
    1977年P(guān)appis首先將模糊邏輯概念應(yīng)用到交通控制，從此模糊方法開始在交通領(lǐng)域中應(yīng)用。Nakatsuyama．M基于模糊神經(jīng)結(jié)構(gòu)來構(gòu)建定性智能系統(tǒng)知識(shí)推理模塊，以完成實(shí)時(shí)動(dòng)態(tài)交通控制。K．Kaqolanumu等則利用模糊規(guī)則與算法更新相位及綠燈時(shí)間實(shí)現(xiàn)了針對孤立路口的智能控制器。還有其他很多文獻(xiàn)都有模糊方法的不同使用，但是在干線交叉口的協(xié)調(diào)控制上，采用多個(gè)模糊控制器進(jìn)行協(xié)調(diào)控制的方法，目前還沒有在相關(guān)文獻(xiàn)中看到。
    本文在前人研究的基礎(chǔ)上，基于兩級(jí)遞階控制模型，針對不同的控制參數(shù)，分別設(shè)計(jì)相應(yīng)的模糊控制器，并詳細(xì)介紹相位差模糊控制器的設(shè)計(jì)過程。

1 線控制的路口模型
    線控制的基本思想是：把干線上一批相鄰交叉口的交通信號(hào)進(jìn)行協(xié)調(diào)控制，使得進(jìn)入干線的車隊(duì)按某一車速行使時(shí)，能不遇或者少遇紅燈。
    在干線控制中，一般指定一個(gè)關(guān)鍵交叉路口為相位差基準(zhǔn)參考點(diǎn)。大量的應(yīng)用實(shí)踐表明：當(dāng)相鄰交叉口之間的距離超過800 m時(shí)，整條干線上的協(xié)調(diào)控制反而不如各交叉口的單獨(dú)控制效果好，因此在本文中假設(shè)線控路口模型中相鄰兩交叉口的距離均適合采用線控制方式。
    城市交通信號(hào)線控制的路口模型如圖1所示。

    設(shè)每個(gè)路口的每個(gè)方向有三個(gè)車道，分別為左轉(zhuǎn)、直行和右轉(zhuǎn)車道。本文選擇較為常用的四相位控制，對各向左轉(zhuǎn)相單獨(dú)設(shè)置相位，讓該相位有充足的時(shí)間和空間放行，這樣消除了直行車和對面左轉(zhuǎn)車的沖突，提高了行車安全，由于車輛都是靠右行駛的，所以右轉(zhuǎn)車流不加控制。為了保證線控制系統(tǒng)的穩(wěn)定，本文采用固定相序。路口相位相序示意圖如圖2所示。

2 線控制的分級(jí)遞階模糊控制算法
    線控制中有三個(gè)控制參數(shù)：周期C、綠信比λ和相位差tos。進(jìn)行線控制時(shí)要保證每個(gè)交叉口的周期相同，從而保證干線的相位差穩(wěn)定。綠信比是根據(jù)各交叉口的排隊(duì)長度實(shí)時(shí)確定；相位差是根據(jù)路口距離以及路段速度確定。如果同時(shí)考慮信號(hào)周期、綠信比和相位差的優(yōu)化，將使問題的求解過程十分復(fù)雜。根據(jù)系統(tǒng)工程中大系統(tǒng)分解一協(xié)調(diào)思想，本文對線控制采用兩級(jí)遞階結(jié)構(gòu)，其結(jié)構(gòu)圖如圖3所示。

    第一級(jí)為控制級(jí)，主要由n個(gè)相似的模糊邏輯控制器組成。其主要任務(wù)是：根據(jù)檢測器檢測的交通信息參數(shù)來分別確定每個(gè)交叉路口的綠信比，并在每周期末把交通信息參數(shù)和綠信比傳送給協(xié)調(diào)級(jí)；
    第二級(jí)為協(xié)調(diào)級(jí)，其主要任務(wù)是：根據(jù)控制級(jí)傳來的交通信息參數(shù)，確定線控制中的公共周期以及各路口的相位差。
    本文詳細(xì)介紹相位差的模糊控制器設(shè)計(jì)，其他的控制單元可以參照設(shè)計(jì)。

3 相位差模糊控制器的設(shè)計(jì)
    在干線協(xié)調(diào)控制中相位差是關(guān)鍵控制參數(shù)之一。相位差即交叉口協(xié)調(diào)相位綠燈開啟時(shí)間之間的差值。
    由相位差的概念很容易想到用交叉口之間的距離除以車流速度就可以得到相位差，即求解相位差的關(guān)鍵就是求解兩交叉口之間的車流速度。而車流的速度總是和車流密度密切相關(guān)連的，這是由于駕駛員出于安全考慮，總是根據(jù)車輛間距的大小來調(diào)整自己的車速。鑒于此，文獻(xiàn)都是以線控制本信號(hào)控制階段的車輛密度為模糊控制器的輸入來決定下一信號(hào)控制階段的車流速度。本文在前人研究的基礎(chǔ)上提出增加一個(gè)輸入——本信號(hào)控制階段和上一信號(hào)控制階段的車輛密度的差值，來決定下一信號(hào)控制階段的相位差，這樣就把車輛密度的變化趨勢考慮進(jìn)來了。
    相位差模糊控制器的輸入為本路口和上一路口之間的車輛密度ρ和車輛密度變化值△ρ，輸出為車流速度v。
    相位差模糊控制器的設(shè)計(jì)框圖如圖4所示。

    (1)論域變換
    ①確定輸入、輸出變量的基本論域
    輸入：交叉口前車流密度一般在0～120之間變化，所以車流密度的基本論域?yàn)閇0，120]；交叉口前車流密度變化值一般在-30～30之間變化，所以車流密度變化的基本論域?yàn)椋篬-30，30]。
    輸出：車速一般在0～90之間變化，所以車速的基本論域?yàn)閇0，90]。
    ②確定輸入、輸出變量的論域元素
    選用的ρ論域?yàn)椋簕0，1，2，3，4，5，6，7，8，9，10}；
    選用△ρ的論域?yàn)椋簕-5，-4，-3，-2，-1，0，1，2，3，4，5}；
    選用v的論域?yàn)椋簕0，1，2，3，4，5，6，7，8，9，10}。
    ③確定量化因子和比例因子輸入ρ的量化因子為：
    K1=(10-0)／(120-0)=1／12
    △ρ的量化因子為：
    K2=(5-(-5))／(30-(-30))=1／6
    輸出v的比例因子：
    K3=(90-0)／(10-0)=9
    (2)模糊化
    ①選取輸入、輸出變量的模糊語言值
    選用輸入ρ和△ρ的模糊語言值為{負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大)，即{NB，NM，NS，Z，PS，PM，PB}；選用輸出v模糊語言值為{負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大}，即{NB，NM，NS，Z，PS，PM，PB}。
    ②隸屬函數(shù)表示
    本文選用應(yīng)用最為廣泛的三角函數(shù)作為隸屬度函數(shù)。
    查閱相關(guān)資料，可確定輸入ρ的各模糊語言值的隸屬度函數(shù)表示。圖形表示法如圖5所示。表格表示法如表1所示。

    輸入△ρ的各模糊語言值的隸屬度函數(shù)表示，圖形表示法如圖6所示。

    輸出v的各模糊語言值的隸屬度函數(shù)表示，圖形表示法如圖7所示。
    模糊后的值分別記為：。
    (3)模糊控制規(guī)則
    相位差模糊控制器的模糊控制是基于這樣的規(guī)則的：密度大，則車速低；密度小，則車速大。如果車流密度變化值減少，說明下一信號(hào)控制階段的車流密度比本階段可能會(huì)減少，則應(yīng)在密度確定的車速的基礎(chǔ)上增加車速；反之如果車流密度變化增加，說明下一信號(hào)控制階段的車流密度比本階段可能會(huì)增加，則應(yīng)在密度確定的車速的基礎(chǔ)上減少車速。具體的模糊控制規(guī)則表如表2所示。

    表2中每一個(gè)元素表示一條模糊控制規(guī)則，共有7×7=49條模糊控制規(guī)則，例如第一條規(guī)則是：
   
    將上述隸屬度函數(shù)和模糊控制規(guī)則輸入到Matlab后，可得模糊推理系統(tǒng)輸出曲面，如圖8所示。

    具體的模糊推理和解模糊以及論域反變換方法與其他模糊控制器設(shè)計(jì)是一樣的，這里就不再詳細(xì)敘述。至此，相位差模糊控制器設(shè)計(jì)完成。

4 實(shí)例分析
    選擇某城市干線道路來驗(yàn)證本文設(shè)計(jì)方法的有效性。
    道路交通概況如下：天河北路是天河地區(qū)一條東西向生活性主干道，全長3．2 km，其中大道路口到天壽路路口之間的路段是雙向10車道，兩板塊結(jié)構(gòu)；天壽路口到天科路口之間的路段是雙向6車道，兩板塊結(jié)構(gòu)。該道路周邊是重要的高檔辦公區(qū)和高檔住宅區(qū)，土地開發(fā)密度較高。另外，由于火車東站、體育中心等交通吸引源的存在，也增加了該條道路的交通需求。天河北路目前設(shè)置信號(hào)燈的路口或路段共有11處(9個(gè)信控交叉口，2個(gè)人行過街點(diǎn))，由于路口之間的信號(hào)沒有協(xié)調(diào)，所以車輛走走停停，啟動(dòng)頻繁，延誤較大，車速只有25 km左右。
    Synchro軟件建立的整體分析模型如圖9所示。

    為了驗(yàn)證本文設(shè)計(jì)的模糊線控制方法的控制效果，在相同的交通條件下分別對本文的模糊線控制和傳統(tǒng)的定時(shí)線控制方法(所研究路段正在使用的線控制配時(shí)方法)在龍口西路和龍口東路兩個(gè)路口組成的干線上進(jìn)行了仿真比較。選龍口西路為相位差基準(zhǔn)路口。停車線前車輛的到達(dá)服從泊松分布，干線上的關(guān)鍵車流為由西向東的單向交通流，考慮該方向的協(xié)調(diào)控制，即相位差是該方向上的。設(shè)控制方案中最短綠燈時(shí)間為20 s，最長綠燈時(shí)間為80 s，每隔6個(gè)周期對運(yùn)行方案進(jìn)行調(diào)整，評價(jià)指標(biāo)是平均車輛延誤。設(shè)次干道的車流量均為600 PCU／h，分別對主干道交通流量為1 000 PCU／h，1100 PCU／h，1 200 PCU／h，1 300 PCU／h，1 400 PCU／h以及1 600 PCU／h時(shí)的不同情況下進(jìn)行了6次仿真對比，每次仿真周期為100個(gè)信號(hào)周期。
    模糊線控制主程序的流程圖如圖10所示。傳統(tǒng)定時(shí)線控制使用交通信號(hào)控制配時(shí)軟件Synchro來進(jìn)行仿真。仿真結(jié)果如表3所示。

    從表3可以看出，本文設(shè)計(jì)的模糊線控制方法可以有效減少干線上交叉口的車輛平均延誤，并且隨著主干線交通流量的增加，比傳統(tǒng)定時(shí)線控制改善的幅度越大，體現(xiàn)了本文設(shè)計(jì)的模糊線控制算法的優(yōu)越性，提高了干線的通行效率。

5 結(jié)語
    城市干線交通信號(hào)協(xié)調(diào)控制，既是交通領(lǐng)域研究的一個(gè)熱點(diǎn)，又是該領(lǐng)域研究中的一個(gè)難點(diǎn)。本文在設(shè)計(jì)協(xié)調(diào)級(jí)模糊控制器時(shí)，提出在模糊控制器的設(shè)計(jì)輸入中加入交通特征參數(shù)的變化值，這樣可以把交通特征的變化趨勢加進(jìn)來。仿真實(shí)例證明了本文設(shè)計(jì)的模糊線控制算法能有效減少干線上交叉口的平均延誤，可以在一定程度上解決城市交通擁堵問題，提高交通效率。
    城市交通系統(tǒng)是一個(gè)綜合性的大系統(tǒng)，要提高交通網(wǎng)的運(yùn)行效率，單單依靠交通信號(hào)控制是遠(yuǎn)遠(yuǎn)不行的，應(yīng)該將交通規(guī)劃、交通管制、交通誘導(dǎo)等技術(shù)與交通信號(hào)控制技術(shù)相結(jié)合對交通進(jìn)行綜合的研究與治理，才能取得較好的效果。