（交通信息工程及控制专业论文）城市干线交通信号的实时模糊控制.pdf

摘要 摘要 城市交通干线承载着城市大部分交通量，它的通畅与否直接影响整个城市交通网络能否 安全的运行。城市干线交通信号的协调控制是保障交通安全和充分提高城市干线通行能力的 重要措施，也是解决城市交通问题的有效途径。为此，本文应用模糊控制与神经网络等理论 与方法系统研究城市干线交通信号的控制方案，为建设我国智能化城市干线交通控制系统提 供控制策略与方案。 在分析了当前模糊神经网络学习方法的基础上，本文给出了确定模糊控制隶属函数和权 值的一种混合学习算法，即应用共轭梯度法确定隶属函数的中心值和宽度，用正交最小二乘 法确定输出权值。混合学习算法综合了共轭梯度法和正交最小二乘法的优点，在模糊神经网 络参数的学习上优于二者。 针对目前城市干线交通的现状，本文采用改进的模糊神经网络控制方法进行干线的交通 信号控制方案设计。以绿灯相位关键车流的到达车辆数和同一时刻相邻红灯相位关键车流的 等候车辆数为输入，绿灯相位的延长时间为输出，设计了模糊控制器，用给出的混合学习算 法学习了隶属函数和权值，实现了排队长度和绿灯延长时间的模糊化、模糊推理和反模糊化 的过程，得到了周期长度和绿信比。并以车辆延误时间为目标函数，对干线交叉口之间的相 位差进行优化，得到了干线绿波带，实现了干线实时双向绿波控制。 应用m a t l a b s i m u l i n k ，对本文所给出的城市干线实时模糊神经网络控制方法进行了 仿真研究，仿真结果表明，该方法有效的缩短了车辆的延误时间，得到了较好的绿波带宽。 关键词：城市干线；模糊神经网络；协调控制；仿真 a b s t r a c t a b s t r a c t c i t yt r a f f i ct r u n kr o a d sb e a rm o s to ft h ee i t yt r a f f i c t h e ya 他d i r e c ti m p a c to nt h ee n t i r ec i t y t r a n s p o r tn e t w o r k i nu r b a n 仃a f f i cm a n a g e m e n ta n dc o n t r 0 1 c o o r d i n a t i o no fu r b a nt r u n kr o a d s i g n a lc o n t r o li sa ni m p o r t a n tr e s e a r c ht o p i ct oe n s u r et r a f f i cs a f e t ya n df u l l ye n h a n c et h ec a p a c i t y o fc i t yr o a d sa n ds o l v et h ec i t y st r a f f i cp r o b l e m si na ne f f e c t i v ew a y t h e r e f o r e ，t h ep a p e ra p p l i e s f u z z yc o n t r o lt h e o r ya n dm e t h o d so ft r a f f i cs i g n a l so fu r b a nt r a f f i ct r u n k r o a d sc o n t r o ls y s t e mt o p r o v i d er o u t ec o n t r o ls t r a t e g i e sa n dp r o g r a m sf o rt h ec o n s t r u c t i o no fc h i n a si n t e l l i g e n tu r b a n t r a f f i cc o n t r o ls y s t e m i nt h ea n a l y s i so ft h ec u r r e n tf u z z yn e u r a ln e t w o r kl e a r n i n gm e t h o d s ，t h ep a p e rp r e s e n t sa m i x e dl e a r n i n ga l g o r i t h mt od e t e r m i n et h em e m b e r s h i pf u n c t i o na n dw e i g h t e dv a l u eo ff u z z y c o n t r 0 1 c e n t r ea n dw i d t ho fm e m b e r s h i pf u n c t i o n sa r ed e t e r m i n e db yc o n j u g a t eg r a d i e n tm e t h o d a n dw e i g h t e do u t p u tv a l u ei sd e t e r m i n e db yo r t h o g o n a ll e a s t s q u a r e sm e t h o d m i x e dl e a r n i n g a l g o r i t h mi n t e g r a t e dt h ea d v a n t a g e so fc o n j u g a t eg r a d i e n tm e t h o da n do r t h o g o n a ll e a s ts q u a r e s i t i sb e t t e rt h a nt w oi nt h ep a r a m e t e r so fl e a r n i n g i nl i g h to ft h es t a t u so fu r b a nt r a f f i cp r o b l e m s ，t h et i m i n gd e s i g no ft h et r a f f i cs i g n a lc o n t r o l i sg i v e ni nt h ep a p e rb yn e u r a ln e t w o r k sa n df u z z yc o n t r o lm e t h o d u s et h en u m b e ro fv e h i c l e so n g r e e nl i g h ta n dt h ea d j a c e n tv e h i c l e sq u e u el e n g t hi n f o r m a t i o na si m p o r t a t i o na n dt h ee x t e n s i o n t i m eo fg r e e np h a s ea sf o rt h eo u t p u t ，a p p l y i n gd e l a yt i m ea st h eo b j e c t i v ef u n c t i o nt od e s i g na f u z z yc o n t r o l l e r i m p l e m e n tt h ef u z z ya n df u z z yr e a s o n i n ga n dt h ep r o c e s so fa n t i - f u z z yo ft h e q u e u ea n dt h eg r e e nl i g h tt oe x t e n dt h el e n g t ho ft i m e t h ep h a s eb e t w e e nt w oa d j a c e n t i n t e r s e c t i o n si so p t i m i z e d r o u t eg r e e nw a v eb a n da n dt h el i n kr e a l - t i m eg r e e nw a v et w o - w a y c o n t r o l i sa c h i e v e d t h ep a p e rm a k e sas i m u l a t i o nb yu s i n gm a t i a b s i m u l i n k 1 1 l ed e l a yt i m eo fv e h i c l e si s e f f e c t i v e l ys h o f t e n e da n dab i d i r e c t i o n a lg r e e n w a v ei sa c h i e v e dt h r o u g hc o o r d i n a t e dc o n t r 0 1 k e y w o r d ：u r b a nt r a f f i ct r u n kr o a d ；f u z z yn e u r a ln e t w o r k ；c o o r d i n a t i o nc o n t r o l ； s i m u l a t i o n n 学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成 果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或 撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材 料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了 谢意。 签名： 丞亟矍日期：鎏亟：垒生 关于学位论文使用授权的说明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复 印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和 纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布 ( 包括刊登) 论文的全部或部分内容。论文的公布( 包括刊登) 授权东南大学研究生院办 理。 签名：邀直孳 导师签名： 第一章绪论 1 1 研究背景及意义 第一章绪论 近年来，随着城市规模的不断扩大和车辆的增多，中国城市交通状况日趋紧张，尤其是 在火城市，机动车拥有量及道路交通量急剧增加，道路交通设施建设速度跟不上交通需求增 长速度，交通供给能力不足，拥挤堵塞日趋严重。交通拥挤的直接危害是使交通延误增大， 行车速度降低。作为城市交通网的重要组成部分，交叉口是道路通行能力的瓶颈和交通阻塞 及事故的多发地。城市的交通拥堵，大部分是由于交叉口的通行能力不足或没有充分利用造 成的，从而导致车流中断，事故增多，延误严重。 解决城市交通拥堵问题的根本途径有两个方面：一是加强交通基础设施的建设，最大限 度的提高现有路网的利用率；另一方面是加强对城市道路网的智能管理与优化控制。调查研 究表明：发展中国家城市机动车数量远少于发达国家，但交通拥挤现象却比发达国家要严重 得多，原因就在于发展中国家对道路疏于管理，使其通行能力降低，道路的使用效率没有得 到充分发挥。用加强交通管理与控制的方法解决交通问题是当前公认的效益显著、投资最省 的方法。 在城市交通管理与控制中，交叉口管理是重要的组成部分。不同方向的交通流在交叉口 处相交，交通流之间的冲突、合流、分流等交通行为使得交叉口成为道路网中的道路通行能 力的“隘路”和交通事故的“黑点”。交叉口的信号控制是解决交通拥挤的重要措施。但是， 目前城市路网中的各交叉口大多采用单点信号控制。独立进行配时，不考虑与相邻路口的联 动性，使得车辆经常在几个路口连续遇到红灯，造成行车极为不便，大大影响了交通干线的 通行能力。因此，为减少车辆在各个交叉口上的停车时间，特别是使主干道上的车辆能够畅 通行驶，将主干道上若干个相邻的信号交叉口连接起来加以协调控制，形成干线交叉口交通 信号协调控制系统，城市交通干线承载着城市大部分交通量，它的通畅与否直接影响整个城 市交通网络能否安全的运行，因此尽可能地增强城市干线的通行能力就显得至关重要，该领 域的研究与应用己经成为智能交通系统的重要组成部分。由此可见，对城市干线进行协调控 制是一个重要研究课题，是保障交通安全和充分提高城市干线通行能力的重要措施，是解决 城市交通问题的有效途径。 为了有效解决上述问题，本文采用模糊神经网络控制方法。应用神经网络的自学习能力 实现模糊控制规则和隶属函数的自学习。实现了模糊规则和隶属函数的实时变化。通过对干 线信号交叉口的配时和优化，将主干道上若干个相邻的信号交叉口连接起来加以控制，形成 干线交叉口交通信号协调控制，使主干道上的车辆能够畅通行驶，提高道路通行能力。这对 缓解城市交通拥挤、减少能源消耗、建设我国智能化的城市交通信号控制系统具有重要意义。 东南大学硕士学位论文 1 2 国内外研究概况 1 2 1 国外研究概况 国外当前比较成熟的城市交通信号控制系统主要有t r a n s y t 、s c a t s 和s c o o t 系统。 独立交叉口的配时设计，大多是在5 0 年代f - 韦伯斯特- b 柯布理论的基础上发展起来的，目 前还在不断的研究和改进之中。 干线的定时协调控制实现绿波的方法有最大绿波带法和最小交通性能指标法h j 。最大绿 波带法是以车辆连续通过带宽作为评价指标，通过最大化带宽( b a n d w i d t h ) 与周期的比值来设 定相位差。基于“绿波”最大化的设计有两类方案：不变带宽绿波和可变带宽绿波。根据最 大绿波带思想开发的相关软件主要有；m a x - b a n d ( m a x i m a lb a n d w i d t ht r a f f i cs i g n a l s e t t i n go p t i m i z a t i o np r o g r a m ，最大绿波带交通信号设计优化程序) ，由美国j d c l i t t l e 等人开发；p a s s e ri i ( p r o g r e s s i o na n a l y s i sa n ds i g n a le v a l u a t i o nr o u t i n e ，绿波分析与信号 系统评价程序) ，是由得克萨斯交通协会c j m e s m r 等人开发应用；以及m u l t i b a n d ( m u l t i b a n d w i d t ht r a f f i cs i g n a ls e t t i n go p t i m i z a t i o np r o g r a m ，多绿波带交通信号设计优化程 序) ，是g a r t n e r 等人在基于m a x - b a n d 的基础上改进的。最小交通性能指标法是基于车队 行驶中延误时间、停车次数的计算。先建立起实际路网中信号参数与交通性能指标的关系， 计算不同的信号参数组合下产生的车辆延误，通过对比可得到最小延误下的最佳信号配时。 t r a n s y t ( t r a f f i cn e t w o r ks t u d yt 0 0 1 ) 系统便是基于这种方法。 t r a n s y t l2 ( t r a f f i cn e t w o r ks t u d yt o o l ，交通网络研究工具) 是英国交通与道路研究所 ( t r r l ) 于1 9 9 6 年提出的脱机优化网络信号配时的一套程序，是用于定周期式控制系统的设 计方法。它是一种脱机操作的定时控制系统。在该系统中，信号周期是共用的，而且在一个 确定的配时方案执行阶段内，每个交叉口上所有的各个信号阶段起讫时间( 相对于一个周期 长度的比例) 是固定不变的。为了适应交通量随时间而变化的客观情况，就要拟定适合于不 同交通状况的配时方案，以供不同时段使用。对于已有控制方案的路口t r a n s y t 利用自 身的交通模型对已有方案进行优化。t r a n s y t 是最成功的静态系统，它被世界上4 0 0 多个 城市所采用，证明其产生的社会经济效益很显著，但也存在着许多不足。首先计算量很大， 在大城市中这一问题尤为突出：其次，周期长度不进行优化，事实上是很难获得整体最优的 配时方案；最后，因其离线优化，需大量的路阏几何尺寸数据和交通流数据，在城市发展较 快时，为保证可信度不得不重新采集数据再整理优化，制定新的方案。定时式控制的缺陷是 不能根据实际交通的变化调整带宽以便满足更多的车辆在干道上“绿波”通行。不能满足交 通状况的实时性要求。 干线自适应协调控制能够连续监测交通系统状态，保证控制效果达至最优。英国、美国、 澳大利亚等国做了大量的研究和实践，用不同方式建立了各有特色的自适应控制系统，具有 代表性的是s c a t s ，s c o o t ，r h o d e ，o p a c 交通控制系统。 2 第一章绪论 s c a t s ( s y d n e yc o o r d i n a t e da d a p t i v et r a f f i cs y s t e m ，悉尼协调自适应交通理论) 是由澳大 利贬新南威尔士干线道路局a g s i m s 等人在七十年末期进行开发的。s c a t 控制系统是一 种实时自适应控制系统，实际上也是一种实时配时方案选择系统。s c a t s 采用先进的计算 机网络技术，呈计算机分层递阶形式，结构成模块形式。s c a t s 系统充分体现了计算机网 络技术的突出技术结构易于更改、改变，控制方案较为容易变换。在需要的情况下s c a t s 能合并相邻地区联合控制，也可允许各路口自主实行车辆感应控制。经悉尼市的对比实验表 明：s c a t s 与t r a n s t y 相比，在总旅行时间相同的情况下停车次数明显减少。然而s c a t 系统有几个显然不足：第一。s c a t s 实为一种方案选择系统，限制了配时参数的优化程度； 第二，s c a t s 过分依赖于计算机硬件，除了p d p h 系统数字计算机外，无法在其它计算机 系统上实施：第三，选择相位差无车流实时信息反馈，可靠性低。 s c o o t ( s p l i t c y c l e o f f s e to p t i m i z a t i o nt e c h n i q u e ，绿信比、周期和相位差优化技术) 也是由t r r l 在t r a n s y t 系统的基础上采用自适应控制方式，经过八年的研究于1 9 8 0 年 提出的动态交通控制系统。s c o o t 仍采用了t r a n s y t 的交通模型，吸收了t r a n s y t 各 方面的优点，并因s c o o t 的实时控制，获得了明显优于静态系统的效果，被很多国家采用。 s c o o t 的模型及优化原理均与t r a n s y t 相似。不同的是s c o o t 优化采用小步长渐近寻 优方法，无需太大的计算量。此外，对交通网上可能出现的交通拥挤和阻塞情况，s c o o t 有专门的监视和应付措施。它不仅可随时监视系统各部分的工作状态，对故障发出自动报警， 而且可以随时向操作人员提供每一个交叉口正在执行的信号配时方案的细节情况，每一周期 的车辆排队情况( 包括排队队尾的实际位置) 以及车流到达图式等信息，也可以在输出终端设 各上自动显示这些信息。s c o o t 系统对配时参数的优化采用连续微调的方式，因此，整个 系统在运行上没有突然性波动现象发生，可以最大限度地消除由配时方案变化而引起对车流 运动连续性的干扰，具有广泛的适用性。s c o o t 把饱和度作为优选周期时长的依据，因为 饱和度随周期时长的加长( 减短) 而降低( 增加) ，饱和度达到1 0 0 时，势必发生严重的 交通阻塞，所以s c o o t 控制饱和度不超过9 0 。但是在实际交通中，尤其是城市交通干线， 在高峰时段车流的饱和度很有可能达到甚至超过1 0 0 。 r h o d e 系统( r e a l t i m eh i e r a r c h i c a lo p t i m i z e dd i s t r i b u t e da n de f f e c t i v es y s t e m ) 是上世纪 9 0 年代开始，由美国亚利桑那州立大学p b m i r c h a n d a n i 等人成功开发的自适应控制系 统，该系统对半拥挤的交通网络比较有效。系统提出了一种“有效绿波带( r e a l b a n d ) ”算法 来对交通流协调控制，主要目标是解决车队冲突在给定的时间。利用仿真模型来跟踪预测 车队的行进，判断需求冲突点，生成决策树来制定最优策略。r e a l b a n d 充分考虑各方向车队 行进的连续性，根据车队到达时间、大小和速度的预测值以及离散或压缩程度和转向车流的 干扰，在线生成绿波带，尽可能保证车队行驶的连续性，使得给定的系统性能指标达到最优。 r e a l b a n d 是采用精确的预测模型来模拟车队在路网中行进的状态的。 o p a c ( o p t i m i z a t i o np o l i c i e sf o ra d a p t i v ec o n t r 0 1 ) 系统是由美国p bf a r r a d y n e 公司和 m a s s a c h u s e t t sl o w e l l 大学共同开发的，对拥挤的交通干线比较有效。o p a c 引入有效定周期 3 东南大学硕士学位论文 的概念，在一个以实时交通检测信息为输入的交通模型上运行优化程序，得到未来各时段上 的最优信号相位切换序列，但只将相位切换序列中的第一个( 或前若干个) 相位应用到实际交 通控制系统。等到新的交通检测信息再次采样上来后，依次重复上述执行的过程。每次信号 变换前，都要计算出变换前后的所有流向总延误，依据对比总延误的大小，延长或者缩减绿 灯时间。并允许每个路口的周期长度在一个规定的时间和空间范围内变化，使得信号机有比 较大的回旋余地适应路口的交通需求。 在交通信号模糊控制的研究上，国外起步比较早也比较深入。希腊的l a p p i s 等于1 9 7 7 年首先提出了城市孤立交叉口的模糊控制方法，将模糊控制等技术用于交通控制系统中。英 国模糊控制专家e h 。m a r a d a n i 提出单交叉口交通信号灯的模糊控制，南韩学者j e e - h y o n g l e e 等提出分散控制方法对交叉口群进行模糊控制等，取得了一定的成果。n i i t t y m a k i 等对 信号系统控制下的饱和流模糊控制进行了分析【3 l 。德国学者d u e r re a 提出了在混合交通流 的主干道上进行优化信号控制的综合建模方法，同时应用神经网络理论对模型进行了修正和 完善1 4 】。j o s e p ha 等以排队或等待时间最小为优化目标，提出反馈控制方法的设计思想1 5 i 。 h a l i mc e y l a n 及m i c h a e lg h b e l l 等考虑随机用户均衡理论，应用遗传算法解决交通信号控 制和交通分配问题。在信号控制系统方面的优化包括三方面的问题：周期的优化、绿信比的 优化及相位差的优化1 6 j 。 1 2 2 国内研究概况 我国的交通信号的计算机控制研究起步较晚，到7 0 年代才开始。1 9 7 3 在北京应用 t r a n s y t 方法进行了线控实验，但是由于通讯系统的硬件设备经常出问题而没有取得很好 的效果，到了8 0 年代后，对于部分大城市来说，城市的交通拥挤问题已成为十分严峻的问 题。这时国内对交通信号计算机的研究有了一定的基础。因此，交通信号计算机控制和管理 逐步成为研究的热点。近几十年来，我国的城市随着经济的发展变的越来越大，城市交通的 问题也越来越多越来越复杂。城市交通控制的规模也在不断扩大。在现代交通控制意义上， 控制所涉及到的因素很复杂。一个车辆在道路上行驶时的检测系统包括埋设在道路下的车辆 检测器以及摄像监视器。有引导其前进的信号灯。还有为其提供行驶信息和道路选择的可变 标志、广播系统以及其他的诱导交通流的系统。检测系统收集信息然后输送到监控中心进行 信息和数据的处理后再实行新的控制。 我国对现代城市交通管理与控制的研究起步较晚，国内部分学者在干线控制方面做了一 些探索工作，而成熟的系统还处于开发研制阶段。国内学者对城市交通管理控制的研究成果 有：周济大学杨锦冬、杨东援建立了城市信号控制交叉口信号周期时长的优化模型；东南大 学顾怀中提出的交叉口信号相位、相序的矩阵表示方法等；北方工业大学马建明等研究建立 专家系统与仿真技术结合，对交叉口的几何设计、交通组织和信号设计进行了优化；武汉理 工大学的罗美清等也用v i s s i m 软件对单个路口的通行能力、排队长度和延误时间进行了仿 真计算并与韦伯斯特公式、美国道路通行能力手册、阿尔塞立科公式计算结果进行比较，证 4 第一章绪论 明了微观仿真的准确性；也有学者提出用多智能体( m u l t i a g e n o 的方法对城市交通进行智能 控制；西安电子科技大学的张宗华等利用遗传算法对3 个路口的信号灯的绿时长和周期进行 了优化控制，并结合t s i s 进行了仿真研究。国内部分学者在交叉路口线控方面的研究大部 分是对交通状况进行简单控制，如两相位、单行线的信号控制或采用固定信号周期和信号次 序的方法，因而不能真实有效地反映不断变化的交通状况。 由于目前的城市干线交通状况具有较大的随机性和相当的复杂性，传统的多时段定周期 控制方式，跟不上路口多变的交通状态的变化。而模糊控制不需建立被控对象的精确数字模 型，可以克服非线性因素的影响，在具有大随机性的城市交通系统的控制中采用模糊控制是 一种有效的控制策略。 在干线交通信号控制方面，国内许多学者应用模糊控制作了研究。陈森发、陈洪等很多 学者在国外研究的基础上进行了进一步的研究，在p a p p i s 法的基础上进行了进一步的研究。 考虑了非关键车流的影响，且对算法作了改进，其仿真结果较p a p p i s 等提高1 5 1 7 l 。但采用 上述控制方法的到达车辆数是基于时速不变的理想情况下对后l o s 的预测，这种预测在实际 中有大纯滞后性，其一，由车辆检测器检测到的车辆速度是当前时刻的数值，带有很大的随 机性，并不能反映车辆以后的速度变化。其二，在车道上行驶的车辆速度要受到环境的影响， 这种影响包括前后车辆、行人和意外事故等因素，所以由此预测的到达车辆数在实际情况下 将遇到很大的局限性。缺乏对特定路口进行长时间、大范围( 要针对不同时间段的车流情况) 的监测，获得可靠的大量交通流量数据，再根据交通数据得出适合特定路口的信号配时的过 程。朱茵等将模糊控制与多智能技术应用在干线交叉口的交通控制中，丰富了城市交通控制 的研究成果i 驯憎i 。 综上所述，传统的模糊控制方法存在着一些问题，在隶属度函数的选择和分布时是基于 一般的常规经验，隶属函数的中心值和宽度是固定的，不能根据交通流的实时状况调整。模 糊规则也是根据专家经验确定的，而且模糊规则库一旦确定便长时间应用，不能随交通状况 的变化而实时调整。因此，怎样寻求比传统的模糊控制更有效的干线交通信号的控制新方法 成为本文研究重点。 近1 0 年来，模糊控制与神经网络结合，使模糊神经网络技术引入控制工程而形成的模 糊神经网络控制方法，该方法集学习、联想、识别、白适应及模糊信息处理于一体，充分发 挥了模糊理论与神经网络两者的优势，取长补短。模糊神经网络不仅善于利用已有的经验知 识，而且同时引入了神经网络的学习机制，增强了网络的自适应能力，这就使得模糊神经网 络同时具有推理能力强和自适应能力强的优点。利用神经网络设计并自动获取隶属函数和模 糊规则，有效地提高控制系统的性能并减少开发时间和成本。 因此，为了有效克服传统模糊控制方法的大纯滞后性，本文采用神经网络同模糊控制相 结合的方法对干线交叉口进行控制，根据城市交通实际状况，同时考虑了绿灯相的关键车流 车辆数和相邻相位的车辆排队长度信息。以及交叉口关键车流与非关键车流之间的相互影 响，总结了神经网络几种学习算法的优点及不足，并且在此基础上给出了一种混合学习算法 5 东南大学硕士学位论文 来确定模糊控制的隶属函数和权值，混合学习算法综合了共轭梯度下降法和正交最小二乘法 的优点，收敛速度快，既能克服梯度下降算法在极值点附近的振荡现象，又能在搜索方向上 获得每步迭代的最优步长，而且克服了正交最小二乘法在确定中心值和宽度时需要大量样本 的缺点，优于传统的学习算法。应用改进的模糊神经网络控制方法来确定干线的配时参数并 优化相位差，实现城市干线交通信号的实时模糊控制。并通过m a t l a b 仿真验证这种控制方 案可以改善具有大滞后性的模糊控制方法的控制品质，其性能优于常规的模糊控制。 1 3 研究内容和技术路线 对城市干线控制方法现状及模糊神经网络控制方法进行分析，总结当前几种学习算法的 优点及不足，并在此基础上给出了一种混合学习算法来学习模糊神经网络隶属函数的中心值 和宽度及网络的输出权值，并分析了此方法基础上的城市干线交通信号的配时设计，确定了 周期长度和绿信比。以车辆延误为目标，对干线上的相位差进行优化，实现双向绿波带设计， 提高了城市干线的通行能力，减少了车辆延误时间和交通流之间的冲突，更好的利用了有限 的道路资源。最后应用m a t l a b 对本文提出的方法进行计算机仿真，并通过实例验证方法的 可行性。 1 3 1 研究内容 1 、城市干线交通信号控制方法的分析评价 ( 1 ) 城市干线交通信号控制参数 ( 2 ) 城市干线交通信号控制的评价指标 ( 3 ) 城市干线交通信号控制方法及评价 2 、改进的模糊神经网络控制方法 介绍了模糊控制和神经网络的控制方法，并给出一种混合学习算法，内容包括： ( 1 ) 模糊神经网络结构； ( 2 ) 模糊规则的获取； ( 3 ) 常用的学习算法； ( 4 ) 混合学习算法的提出。 3 、基于改进模糊神经网络控制方法的城市干线信号配时 采用改进的模糊神经网络对干线交叉口信号进行配时并优化干线的相位差。内容包括： ( 1 ) 基于模糊神经网络的干线交叉口信号配时 1 ) 各输入输出量及变化范围的确定； 2 ) 各输入输出对应语言变量的论域元素及量化因子的确定； 3 ) 模糊控制规则的确定； 4 ) 选择绿灯终止时间模块的设计 6 第一章绪论 5 ) 配时方案的输出 ( 2 ) 城市干线相位差的优化 以车辆的延误为目标函数，采用改进的模糊神经网络控制方法对相位差进行优化。 内容包括： 1 ) 以干线上车辆的总延误为优化目标确立目标函数； 2 ) 应用模糊神经网络方法得到最佳相位差方案。 4 、城市干线交通信号模糊控制的计算机仿真 ( 1 ) 利用m a t l a b s i m u l i n k 建立模块进行仿真： ( 2 ) 实例验证 1 3 2 技术路线 l 在收集资料及数据，查阅国内外有关交通管理与控制及i t s 的资料的基础上，将相关 模型和相关的数学方法进行汇总分析，包括相位设计理论，延误、排队长度的计算模型，分 析并总结当前干线控制方法的优缺点。 2 通过对模糊控制及神经网络的结构分析，介绍常用的学习算法及其优缺点，并根据交 通系统的特性，结合传统学习算法的优点，提出一种混合学习算法。讨论了此算法基础上隶 属函数和权值的确定方法。运用模糊理论为信号群建立初始模糊控制规则，并通过学习确立 有效的模糊控制规则：最终建立模糊自适应信号控制器。模糊神经网络控制方法易于实现对 不确定性的对象和具有强非线性的对象进行控制并具有自适应性，能更为近似的反应最佳控 制者一人的控制行为。 3 应用改进的模糊神经网络控制方法对城市干线交通信号进行控制。首先对干线信号进 行配时设计，得到干线各交叉口的周期和绿信比；然后对干线的相位差进行优化，实现干线 上的绿波控制。 4 计算机仿真。结合具体实例，对干线若干交叉口的相位设计、配时及优化，实现干线 的协调控制，并通过计算机仿真验证方法的可行性。 1 4 研究的难点和重点 l 模糊神经网络控制中学习算法的改进 在前人的研究基础上，对模糊隶属函数的中心值和宽度以及输出权值的学习方法进行改 进，提出了一种共轭梯度下降法和正交最小二乘法相结合的学习算法，实现隶属函数和权值 的自学习，适应实时性的要求。 2 干线交通信号的配时优化 应用改进的模糊神经网络控制方法确定信号的配时方案。以提高交叉口的通行能力、减 少车辆的延误为优化目标，对干线交叉口间的相位差进行优化。 7 东南大学硕士学位论文 第二章城市干线交通信号控制概述 交通信号控制是城市道路交通管理的一种常用措施。为了保证城市道路交叉口交通安 全、畅通，通常根据交叉口的道路交通情况利用交通信号、标志标线，在相互有冲突的交 通流之间进行合理、有效的分配通行权，在时间上将有冲突的交通流分离。信号控制是最为 常用的一种时间分离措施，信号灯按一定的顺序给各个行驶方向的车流和人流分配通行权， 车流和人流通行权的时序就称为信号相位训。 在城市道路网中，交叉口相距很近，各交叉口分别设置单点信号控制时，车辆经常遇到 红灯，时停时开，造成行车不畅，因而使环境污染加重。为使车辆减少在各个交叉口上的停 车时间，特别是使干道上的车辆能够畅通行驶，把一条干道上若干连续交叉口的交通信号通 过一定的方式联接起来，同时对各交叉口设计一种相互协调的配时方案，各交叉口的信号灯 按此协调方案联合运行，使车辆通过这些交叉口时，不致经常遇上红灯，以提高整个主干线 的通行能力，称为干线交通信号协调控制，也叫“绿波”控制，俗称“线控”。 干线交通信号协调控制分为两个部分，首先要先对干线交叉口进行单点控制，然后在对 干线上能纳入协调控制的若干交叉口进行协调控制。本文研究在模糊神经网络理论下交叉口 多相位信号控制配时设计以及在这基础上的干线的协调控制。首先通过对模糊控制及神经网 络的结构分析，结合传统学习算法的优点，提出一种混合学习算法。用混合学习算法来确定 隶属函数和权值，其次运用模糊理论为信号群建立初始模糊控制规则，并通过学习确立有效 的模糊控制规则，最后应用改进的模糊神经网络控制方法对城市干线交通信号进行控制，确 定干线信号的实时控制方案，得到干线各交叉口的周期、绿信比以及相邻交叉口的相位差， 并对相位差进行优化，实现干线上的绿波控制。在此过程中，要用到一些重要的控制参数和 评价指标。 2 1 城市干线交通信号控制参数 干线交通信号控制是指在一条或几条道路上，将所有交叉口信号灯的运行以某种方式协 调起来，按照既定方案同步联动。线控系统的主要参数有周期、绿信比和相位差。 1 信号相位 信号相位是指在一个交叉口各个方向的交通流或是几个方向交通流的组合同时得到的 通行权或被分配得到通行权的时间带，交叉口信号灯轮流不同的信号显示，轮流给予各个方 向车辆和行人给予通行权，对应显示一组不同的灯色组合，称为一个相位。确定交叉口的信 号相位时需要考虑交通安全和交通效率等方面的原因。 确定交叉口相位时需要考虑交通流状况，因为交叉口内发生的交通事故中，大多都和转 弯车有关。因此要根据人行横道上行人的数目、穿越距离及转弯车交通量等因素设置分离左 右转弯车和行人的相位。一般来说增加交叉口的相位数，减少同一相位中不同方向的交通流 8 第二章城市干线交通信号控制概述 数量，可以提高安全性，但是这样做也会降低通行能力和交通效率，因为相位数的增加不但 会减少分配给各交通流的时问，而且由于相位交替次数增加会导致黄、全红的交叉口清空时 间增加。 此外，还会使绿灯信号开始时车辆的启动损失时间增长。因而，信号相位的确定一定要 综合考虑各方面的因素。 2 周期时长 周期时长就是各种灯色信号灯运行一个循环所需要的时间，等于绿灯、黄灯、红灯时间 之和。用c 表示，单位为秒( s ) 。一般信号灯最短周期不能少于3 0 秒，否则不能保证几个 方向的车顺利通过交叉路口。最长周期不大于2 2 0 秒，否则会引起驾驶者的抱怨，或者误以 为信号灯己经失灵。周期时长是信号配时设计的主要参数。适当的周期长度对路口交通流的 疏散和减少车辆等待时间有重要意义。 在定时线控系统中，为了协调各交叉口的交通信号，各个交通信号的周期时长必须是统 一的。所以，要先根据系统各个交叉口的布局及交通流情况，计算出各个交叉口交通信号所 需的周期，从中选出最大的周期时长作为线控系统的公用周期，把周期最大的交叉口作为关 键交叉口引。对于一些实际需要周期时长接近于系统周期一半的交叉口，可把信号周期时长 定成系统周期的半数，又称作双周期交叉口。 在本文的实时控制方案中，由于干线交通流的到达的随机性，交通信号控制方案所确定 的周期时长是根据交通流的实时变化而变化的。 3 绿信比 绿信比是一个信号相位的有效绿灯时间与周期时长之比，一般用彳表示。 名= 亚( 2 1 ) c 式中，4 一绿信比； c 一周期时长( s ) ： g r 一有效绿灯时长( s ) 。 4 相位差 干线交通信号控制比起单个交叉口的点控制而言，除了需要确定信号周期和有效绿信号 比以外，更为重要的是还必须按顺序确定沿线各个交叉口主干线入口的绿信号开始时刻。只 有在所确定的系统信号相位差相对于同时期该主干线上的交通状态而言是合适的取值时，才 能使通过该区段主干线的交通流最大限度的顺畅，系统控制的控制效率达到最高。 相位差是线控系统最重要的参数，它决定了系统运行的有效性n 引。相位差有绝对相位差 和相对相位差之分。绝对相位差是指各个信号的绿灯或红灯的起点或终点相对于某一个标准 信号绿灯或红灯的起点或终点的时间之差。相对相位差是指相邻两信号的绿灯或红灯的起点 或终点之间的时间之差。相对相位差等于两个信号绝对相位差之差。在线控系统中，常常使 用绝对相位差的概念。即以一个主要路口的绿灯起始时间为基准，来确定其余路口的绿灯时 9 东南大学硕士学位论文 刻的最小滞后时间。 计算相位差的前提是协调信号系统中，各交叉口的周期时间相等。两个相邻交叉口间相 位差的测定。通常采用如下公式计算： f 。：一d ( 2 2 ) f p 。了 其中，t 。表示相对相位差( 秒) ： d 表示两交叉口之间的距离( 米) ： 1 ，表示车流速度( 米秒) 。 计算相对相位差时，必须考虑车流行驶的方向。同样两个交叉路口，车流行驶方向不同， 则相对相位差也不同。 相位差的确定一般用时间一距离图( 时距图) ，在简单的线控系统中，根据时距图可以确 定每个路口的相位差。以理想不变的区间车速作为前提，每个路口的相位差都是固定的值。 为了适应交通运行状况的变化，与多段定周期控制系统一样，把控制参数( 周期、相位差、 绿信比) 按事先设计好的程序，在不同的时间段内用不同的系统控制参数。 在本文控制方案中选用的是相邻交叉口的相位差，而且干线上不同的路段选用不同的车 速，因此，相位差是根据路段的车速以及交叉口的车辆延误等因素变化的。如何根据这些因 素确定最优的相位差也是本文研究的主要内容。 2 2 干线控制的评价指标 干线控制好坏的评价指标主要有延误、平均排队长度、停车次数和通行能力1 4 1 。 1 延误 延误是指交通冲突或信号控制设施的限制给车辆带来的时间损失。信号交叉口的延误是 反映车辆在信号交叉口上受阻、行驶时间损失的评价指标。交叉口进口道所有车辆的延误总 计称为总延误：交叉口进口道每辆车的平均延误称为平均延误。延误是计算信号配时和衡量 路口通行效果的一个重要参数，也常作为确定信号控制系统性能的重要参量。它是评价交叉 口信号配时的重要指标之一。它反映了信号交叉口在城市道路中的运营状态，对评价配时方 案非常重要。 车辆在经过信号交叉口时受信号灯控制，会产生不同程度的延误。延误的影响因素众多， 涉及交叉口几何设计与信号配时的各个方面。其中饱和度就是一个重要的因素。本文的研究 是在饱和度小于0 9 的前提下进行的。在饱和度小于0 9 的情况下，选用w e b s t e r 稳态模型。 希望能有效减少信号交叉口延误计算误差。 饱和度是指各车道实际到达交通量与该车道通行能力之比，饱和度计算公式为： x ：卫 ( 2 3 ) c a p 用w e b s t e r 延误计算模型： 1 0 第二章城市干线交通信号控制概述 d = 酾c o - g c ) 4 - 南一啪一川 。2 4 ， 其中，d 一单车道( 车辆组) 每车平均延误( s ) 。 c 信号周期时长( s ) ： g 。一有效绿灯时间( s ) ； x 一饱和度( 交通量和通行能力之比) ； q 一该车道( 车辆组) 车辆到达率( 辆j l 少) ； s 一绿灯时间排队车辆的离开率； c a p 一该车道的通行能力 第一项是将车辆到达率视为常数得到的均衡相位延误，第二项和第三项是车流到达随机 情况下的随机延误。 2 平均排队长度 平均排队长度是指在一个信号周期内各条车道排队最长的长度平均值。各条车道最长排 队长度一般是指该车道的绿灯相位起始时的长度。平均排队长度以周期为单位计算。某个周 期平均车辆排队长度与此周期平均车辆延误的指标基本是一致的。 j = t t ? n 其中，l 一车道数 z ；一第i 条车道的排队长度 3 停车次数 停车次数就是一个信号周期内完全停车次数的总和。停车率是指一个信号周期内车辆数 占通过停车线( 交叉口) 车辆总数的比率。 s = 墨 其中，j 一总停车次数 一一个周期内经过交叉口的车辆数 j ，一第f 辆车的停车次数 停车率为 h ：三 ( 2 7 ) 4 通行能力 通行能力是道路上某一地点交通的疏通能力。在一定的道路条件下，信号控制交叉口的 东南大学硕士学位论文 通行能力受信号周期时长的影响。在正常的周期时长范围内，周期时长越长，通行能力越大， 但车辆延误及油耗等也随之增长。当延长周期时长所提高的通行能力远大于交通需求时，即 饱和度相对较小时，对通车状况并无多大改善反而会增加车辆的延误和油耗。 在信号控制的情况下，车辆只能在有效绿灯时间内通过交叉口，因而交叉口某一进口车 道上的通行能力可用如下公式计算： d f = 韭= 凇 c ( 2 8 ) 其中，f 一交叉口某一进口车道的通行能力( 辆小时) ： s 一该进口车道饱和交通量( 辆小时) 。 目前，城市交通干线的协调控制研究方法也有很多，学者刘智勇等用递阶结构和模糊理 论来解决交通干线的实时协调控制问题。并仿真研究证明此种方法能够有效地缩小排队长 度，从而达到减少车辆延误的目的；学者沈