一種智能交通系統(tǒng)的自適應(yīng)擁塞控制方法

摘要：針對(duì)突發(fā)性車流量自適應(yīng)調(diào)整主通道流量控制，提出多相位路口實(shí)時(shí)的自適應(yīng)擁塞控制算法，提高系統(tǒng)管理算法在突發(fā)性車流狀況中的適應(yīng)能力，以兩種信息通道實(shí)現(xiàn)車流隊(duì)列管理的控制與學(xué)習(xí)功能，并結(jié)合參考模型機(jī)制實(shí)現(xiàn)模糊反向推理算法。仿真實(shí)驗(yàn)結(jié)果表明，該控制方案能改善實(shí)際交通狀況，控制效果優(yōu)于定時(shí)控制的方法，提高平面交通路口的通行能力50％以上。
關(guān)鍵詞：智能交通；模糊控制；多相位路口；擁塞控制

    隨著經(jīng)濟(jì)的發(fā)展，交通需求和交通量成為城市交通網(wǎng)絡(luò)中急需解決的問題，智能交通系統(tǒng)為改善和提高交通發(fā)揮了重要的作用，其中，交通信號(hào)控制是智能交通系統(tǒng)的一個(gè)重要方面，平面交叉口的控制是智能交通流量控制的基礎(chǔ)。交通信號(hào)控制系統(tǒng)具有較強(qiáng)的非線性、模糊性和不確定性，用傳統(tǒng)的控制理論和方法很難對(duì)其進(jìn)行有效的控制，如傳統(tǒng)的交通路口的信號(hào)控制是一個(gè)新的研究方向。1977年希臘的C．P．Pappis和英國的E．H．Mamdani提出了單交叉口模糊控制法(稱Pappis法)，分析考慮單交叉路口的理想狀態(tài)下的控制；1992年我國徐東玲等學(xué)者也提出了基于感應(yīng)控制思想的單路口模糊神經(jīng)網(wǎng)絡(luò)控制方案，效果較好。
    目前很多路口都是多相位的，因此多相位平面交叉口的研究很有必要。筆者針對(duì)車流量擁塞控制問題提了一種模糊模型參考學(xué)習(xí)控制策略。交通路口車流量的高突發(fā)性和時(shí)變特征對(duì)智能交通系統(tǒng)自適應(yīng)性能提了更高的要求。筆者提出的控制策略，主控制通道采用模糊控制方法，綜合考慮多相位平面交叉口當(dāng)前到達(dá)車輛的排隊(duì)長度和后繼兩相位車輛的排隊(duì)長度，對(duì)相位實(shí)施不同的配時(shí)方案，保證系統(tǒng)的穩(wěn)定性和魯棒性；輔助學(xué)習(xí)通道采用模糊模型參考自適應(yīng)方法實(shí)現(xiàn)主通道控制參數(shù)的自修正和自學(xué)習(xí)過程，針對(duì)車流量突發(fā)性狀況自適應(yīng)調(diào)整主控制通道的配時(shí)參數(shù)，對(duì)相位實(shí)施不同的配時(shí)方案，提高多相位路口的通行能力，緩解交通壓力。

1 車流量擁塞控制模型
    根據(jù)智能交通系統(tǒng)中多相位路口車流量主動(dòng)隊(duì)列管理的作用機(jī)制，可以得到擁塞控制的流體動(dòng)力學(xué)模型如下所示：
   
    其中，V(t)為車流量窗口大??；F(t)為車流傳播時(shí)間RTT；d(t)為車流緩沖區(qū)隊(duì)列長度；M(t)為車流鏈路容量；Ty為傳輸時(shí)間；K(t)為交通路口活動(dòng)相位連接數(shù)；y(t)為主動(dòng)丟棄概率。定義(V。d)為流體模型的狀態(tài)變量，y為輸入變量。令V’=0和d’=0時(shí)，得到網(wǎng)絡(luò)流體動(dòng)態(tài)系統(tǒng)的平衡點(diǎn)(V0，d0，y0)。進(jìn)一步在平衡點(diǎn)附近線性化，則可得到在近似時(shí)滯二階動(dòng)態(tài)的傳遞函數(shù)為
   

2 主通道模糊控制系統(tǒng)設(shè)計(jì)
    本文模糊模型參考學(xué)習(xí)控制器引入了參考模型的學(xué)習(xí)機(jī)制對(duì)模糊控制的知識(shí)庫進(jìn)行修正。由于高速網(wǎng)絡(luò)中分組丟棄機(jī)制需要較強(qiáng)的實(shí)時(shí)性，因此本文提出的控制方法采用了模糊反向推理機(jī)制對(duì)主控制器的參數(shù)進(jìn)行修正，以滿足系統(tǒng)的實(shí)時(shí)性要求。擁塞控制系統(tǒng)輸入為平均隊(duì)列長度與期望隊(duì)列長度的偏差以及偏差的變化率，系統(tǒng)輸出為所計(jì)算的丟棄概率。主通道模糊控制器是一個(gè)雙輸入單輸出結(jié)構(gòu)的控制器，輸入變量為A，B(隊(duì)列偏差、偏差變化率)，輸出變量為C(控制量丟棄概率)?？刂埔?guī)則表示為
    Ri：if A is Ai and B is Bj then C is Ck         (3)
    其中Ai，Bj，Ck分別表示語言詞集。主通道模糊控制器的輸入為E和EC，輸出為U，設(shè)定E，EC和U的論域均為：{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}。對(duì)應(yīng)的模糊語言子集為{NB(負(fù)大)、N(負(fù)中)、NS(負(fù)小)、ZO(零)、PS(正小)、PM(正中)、PB(正大)}。通過比例因子ke和kec將偏差e和ec轉(zhuǎn)換為模糊學(xué)習(xí)控制器的輸入論域E和EC，通過量化因子ku將控制器的輸出轉(zhuǎn)化為實(shí)際控制量。E=exke和EC=ecxkec其中()為取整運(yùn)算。在模糊模型參考學(xué)習(xí)控制器中，控制規(guī)則可以得到在線實(shí)時(shí)調(diào)整，每個(gè)輸出與輸入可以用一定的對(duì)應(yīng)關(guān)系來表示：
    U=<axE+(1-α)xEC>，α∈[0，1]        (4)
    通過調(diào)整α，就可以根據(jù)不同交通網(wǎng)絡(luò)狀況、不同時(shí)刻的誤差和誤差變化率來調(diào)整控制規(guī)則。當(dāng)平均隊(duì)列長度與期望隊(duì)列長度之間的偏差較大時(shí)，或者當(dāng)網(wǎng)絡(luò)的業(yè)務(wù)量突發(fā)性能較強(qiáng)時(shí)，誤差對(duì)輸出的影響應(yīng)超過誤差變化率的影響，α的值應(yīng)取得較大以獲取較好的穩(wěn)定性。反之，α的值可取得小些以提高系統(tǒng)控制精度。模糊模型參考學(xué)習(xí)控制就是利用參考模型的輸出與實(shí)際輸出的誤差及其變化率實(shí)時(shí)在線地調(diào)整α的值來達(dá)到調(diào)整控制規(guī)則的目的。為了使模糊模型參考學(xué)習(xí)控制器做到實(shí)時(shí)在線推理，對(duì)模糊模型參考學(xué)習(xí)控制器的推理過程進(jìn)行了改進(jìn)。

3 輔助通道模糊反向推理設(shè)計(jì)
    本文仍然采用模糊推理方法來完成對(duì)α的調(diào)整，以保證修正過程的簡單迅捷。α的調(diào)整過程是基于參考模型與實(shí)際對(duì)象的誤差及其變化率的模糊推理來實(shí)現(xiàn)的。具體實(shí)現(xiàn)如圖1所示。

    其中，E＾，E＾C，S分別為e＾，e＾c和α的模糊量，其論域均為{-6，-5，-4，-3，-2，-1，O，1，2，3，4，5，6}。E＾，E＾C和S對(duì)應(yīng)的模糊詞集為{NB，NM，NS，ZO，PS，PM，PB}。根據(jù)在校正過程中要遇到的各種可能出現(xiàn)的情況和相應(yīng)的調(diào)整策略得到控制規(guī)則表如表1所示。

    根據(jù)表1，用Max-Min方法進(jìn)行Fuzzy推理和逆模糊化，可得到模糊判決表。在系統(tǒng)運(yùn)行時(shí)的t時(shí)刻采樣周期內(nèi)，根據(jù)E＾，E＾C由α調(diào)整規(guī)則模糊判決表可直接查出相應(yīng)的S，從而得出α的相應(yīng)調(diào)整值。
    α(t)=kαxS+0．5        (5)
    其中，kα為量化因子，使得α∈(0，1)。

4 控制算法實(shí)現(xiàn)步驟
    對(duì)于整個(gè)模糊模型參考學(xué)習(xí)控制器來說，在t時(shí)刻采樣周期內(nèi)，根據(jù)隊(duì)列長度誤差和誤差變化率E＾，E＾C，可由模糊判決表查出相應(yīng)的S，進(jìn)一步得到相應(yīng)的α值，再由E，EC，α根據(jù)式(4)可得到規(guī)則自校正模糊控制器的輸出U，并由量化因子ku計(jì)算得到丟棄概率p?？刂扑惴▽?shí)現(xiàn)步驟如下：
    1)計(jì)算擁塞控制系統(tǒng)的輸入狀態(tài)。
    2)根據(jù)參考模型的輸出與實(shí)際對(duì)象輸出計(jì)算e＾，e＾c。
    3)根據(jù)參考模型誤差和誤差變化率E＾，E＾C，由式(5)計(jì)算相應(yīng)的α值。
    4)計(jì)算規(guī)則自校正模糊控制器的輸出U。
    5)由模糊控制的量化因子計(jì)算最終的丟棄概率p。

5 仿真研究
    通過仿真試驗(yàn)來評(píng)估模糊參考模型網(wǎng)絡(luò)自適應(yīng)擁塞控制算法，交通流拓?fù)浣Y(jié)構(gòu)采用啞鈴型結(jié)構(gòu)，鏈路容量為1 500個(gè)／s，隨機(jī)延時(shí)為[16 s，24 s]之間的平均分布，業(yè)務(wù)源采用了持續(xù)性業(yè)務(wù)流，交通路段的緩存為800個(gè)，平均流量長度為500個(gè)。仿真研究將本文提出的模糊模型參考控制方法與普通模糊控制進(jìn)行比較，研究了在突發(fā)性狀況下2種算法的控制性能和魯棒性能。

    2種控制算法的仿真結(jié)果如圖2、圖3所示，注意到當(dāng)輸入源發(fā)生突發(fā)性增長時(shí)，普通模糊控制策略將使緩沖區(qū)隊(duì)列長度嚴(yán)重脫離期望隊(duì)列長度，而使用了模糊參考模型自適應(yīng)控制后，緩沖區(qū)隊(duì)列僅僅經(jīng)過一個(gè)短暫的突發(fā)脈沖就恢復(fù)到平衡點(diǎn)附近。從實(shí)驗(yàn)結(jié)果可以看出，由于普通模糊控制器的推理方式和規(guī)則知識(shí)固定，因此在交通道路車流發(fā)生突發(fā)變化時(shí)難以達(dá)到滿意的控制性能，而本文提出的車流自適應(yīng)擁塞
控制方法能夠跟隨車流量狀況實(shí)時(shí)調(diào)整模糊控制參數(shù)，進(jìn)而對(duì)突發(fā)性車流擁塞對(duì)象具備了良好的自適應(yīng)控制性能。

6 結(jié)束語
    針對(duì)車流狀態(tài)的突變行為，本文提出了一種基于模糊參考模型機(jī)制的自適應(yīng)擁塞控制算法，以提高在多相位交叉路口的車流量控制的服務(wù)質(zhì)量。該方法采用雙通道信息回路對(duì)車流量緩沖區(qū)隊(duì)列長度作自適應(yīng)調(diào)整與控制。自適應(yīng)模糊控制計(jì)算過程簡單迅捷，該算法在自適應(yīng)性能和實(shí)時(shí)性能之間實(shí)現(xiàn)了較好的平衡。性能之間實(shí)現(xiàn)了較好的平衡。