单点交叉口交通模糊控制仿真

单点交叉口交通模糊控制仿真第1页，课件共30页，创作于2023年2月内容提要：一、模糊控制二、单点交叉口的模糊控制（一）单点交叉口的一级模糊控制

（二）单点交叉口的两级模糊控制

（1）交通强度优先的交叉口模糊控制

（2）考虑关键及非关键车流的交叉口模糊控制三、单个交叉口模糊控制的改进

第2页，课件共30页，创作于2023年2月一、模糊控制1965年扎德(Zadeh)首先提出模糊集（Fuzzyset）的概念，被公认为模糊数学的创始人。出现模糊数学后，人们将精确的数学描述领域推广到与人的心理有关的领域，并借助模糊数学理论处理各种复杂的问题。1977年，Pappis和Mamdani将模糊控制应用到单个路口信号控制，此后，模糊控制在交通控制中得到了广泛的应用，已经成为最常见的信号控制的智能方法。模糊控制理论建立在模糊数学基础上。第3页，课件共30页，创作于2023年2月模糊数学的重要概念：模糊集合模糊集合定义为：给定论域X中的一个模糊集A，是指对任意x∈A，都为其指定一个μA（x）∈[0，1]与之对应，这个数称为x对A的隶属度。这意味着做出一个映射：μA：X→[0，1]，x→μA（x）式中，称μA为A的隶属度函数，μA（x）为x对A的隶属度。由模糊集合的定义可知，论域X上的模糊集A完全由隶属度函数μA（x）来刻画。μA（x）的取值范围为闭区间[0，1]，u的大小反映x对于模糊子集A的从属程度：μA（x）的值越接近1，表示x从属于A的程度越高；μA（x）的值越接近0，则表示x从属于A程度越低。第4页，课件共30页，创作于2023年2月

[例]冷热的概念经典集合的特征函数模糊集合的隶属度函数

MembershipFunction

第5页，课件共30页，创作于2023年2月属于“冷”的隶属度函数属于“舒适”的隶属度函数属于“热”的隶属度函数第6页，课件共30页，创作于2023年2月模糊控制的基本原理第7页，课件共30页，创作于2023年2月

模糊控制系统的设计：变量的模糊语言变量的基本论域模糊推理规则：if…then…模糊规则表给出隶属度函数编程第8页，课件共30页，创作于2023年2月由于模糊控制系统中语言型规则和模糊概念的使用，使得模糊控制本身相对于常规控制而言有独特之处：（1）不需要知道被控对象的数学模型；（2）模糊控制系统具有极好的稳定性和鲁棒性；（3）模糊控制器设计简单、调试方便。第9页，课件共30页，创作于2023年2月设计一个模糊控制器必须解决以下三个问题：（1）精确量的模糊化，把语言变量的语言值化为适当论域上的模糊子集。（2）模糊控制算法的设计，通过一组模糊条件语句构成模糊控制规则，并计算模糊控制规则决定的模糊关系。（3）输出信息的模糊判决，完成由模糊量到精确量的转化（去模糊化）。第10页，课件共30页，创作于2023年2月二、单点交叉口模糊控制从控制论的角度对城市单点交叉口信号灯的控制建立模糊控制模型，是通过模仿交通警察指挥疏导交通的决策过程而建模。（一）单点交叉口的一级模糊控制（1）相位设计：交叉口的进口均设左转、直行和右转3个车道,其4个相位设置见图

第11页，课件共30页，创作于2023年2月（2）控制方案设计：选择将排队长度(放行相位排队长度P和下一相位排队长度Ps)作为绿灯长度的控制量。根据实际需要,设置最短绿灯时间tGmin为15s,最大绿灯时间50s。控制算法如下:Step1:将通行权给相位i,且令tGi为最短绿灯时间tGmin。Step2:在绿灯时间tGi即将结束时,检测放行相位及下一个相位车道上的车辆排队长度。设其分别为Pi和Pi+1。第12页，课件共30页，创作于2023年2月Step3:判断,如果Pi=0,或Pi≤m且ΔPi=Pi+1-Pi≥n(m,n为根据交通量情况确定的常数)或者绿灯积累时间tGi=tGmax,则将通行权给下一相位,并回到step1;否则继续。Step4:将Pi和Pi+1送入模糊控制器,确定绿灯延长时间ei。并判断,如果tGi+ei≥tGmax,则令tGi=tGmax。否则令tGi=tGi+ei,回到Step2。第13页，课件共30页，创作于2023年2月第14页，课件共30页，创作于2023年2月（3）模糊控制算法设计：

变量的模糊语言：输入变量：放行相位排队长度P={VS,S,M,L,VL}

下一相位排队长度Ps={VS,S,M,L,VL}

输出变量：绿灯延长时间e={NS,VS,S,M,L,VS,N}

变量的基本论域：放行相位排队长度P：{0,1,2,3,4,5,6,7,8,9,10}下一相位排队长度Ps：{0,1,2,3,4,5,6,7,8,9,10}绿灯延长时间e：{0,1,2,3,4,5,6,7,8,9,10}第15页，课件共30页，创作于2023年2月模糊控制规则：建立模糊控制规则是:当主列队长或是很长时,增加绿灯时间,选取的输出以放行、减少车辆等待为主;而当主列队较短时,选取的控制量以防止绿灯时间浪费为出发点。通过总结实验和专家经验,建立模糊控制规则见表,共5×5=25条控制规则。第16页，课件共30页，创作于2023年2月

给出隶属度函数：依据专家经验,输入变量各个模糊子集的隶属度函数取高斯型曲线,其输出比较光滑。第17页，课件共30页，创作于2023年2月

模糊推理及反模糊化：解模糊化的方法常用的有：重心法、最大隶属度法。

重心法(加权平均法)：重心法是指取模糊集隶属函数曲线同基础变量轴所围而积的重心对应的基础变量值作为清晰值的方法。公式u*=(∑(uiμi))/(∑(μi))其中:u*为清晰化输出量;ui为输出变量;μi为模糊子集隶属度;I为模糊子集数。

IIi=1i=1第18页，课件共30页，创作于2023年2月

最大隶属度法：这个方法就是对模糊决策得出的模糊集U的隶属度最大的元素。max作为控制输出的精确值，即Ifμ(umax)=max(μ(u1)，…，μ(un))Thenu=umax第19页，课件共30页，创作于2023年2月该种模糊控制缺点：1.此方法在相位固定的基础上再给出最优的当前相位绿灯延时。这显然是存在了一定的人为误差因素的，当固定的下一相位车流很小甚至为零时，根据这种控制规则，要给出至少是最小绿灯时间，而且中间还包括绿灯转换所消耗的黄灯时长，如果下两相位或是更后的相位有很大的车流量，那么就必然会造成车辆平均延误较大了。2.仅依据单交叉口的相位的关键车流(同一相位中交通流量比大的一股车流)来决定交通信号配时,而忽略了两相位的非关键车流对信号配时的影响。第20页，课件共30页，创作于2023年2月（二）单点交叉口的两级模糊控制

（1）交通强度优先的交叉口模糊控制

第一级为观测级，第二级为决策级。观测级模糊控制器作为决策级模糊控制器的输人，观测级中的绿信模块根据车道信号检测器检测到的交通信息判断当前绿信方向的繁忙度，并将其传递给决策级，红信模块根据车道信号检测器检测到的交通信息判断当前红信方向的交通情况，决定红信方向的紧急度，选择红信模块最紧急的相位将其传递给决策级。决策模块根据输人的红信和绿信相位的紧级度，通过模糊推理得出当前绿灯的延长时间。第21页，课件共30页，创作于2023年2月第22页，课件共30页，创作于2023年2月模糊推理的输入输出变量输入变量：qr和tr输出变量：Urqr是一个车道两检测器之间的车辆数，tr是一个车流方向自上次绿灯结束以来红灯持续的时间。这两个变量反映了当地交通状况。Ur是交通流紧迫度，它反映了一个交通流的交通状况。输入输出变量的模糊语言

={很少，少，中等，多，很多}；

={很短，短，中等，长，很长}；

={很低，低，中等，高，很高}。红灯相位选择模块第23页，课件共30页，创作于2023年2月变量论域和比例因子qr的基本论域{0,1,2,3,4,5,……,30}；tr的基本论域(0,120)；Ur的基本论域(0,6)。模糊控制规则（FuzzyControlRules）

Urqr

tr

很少少中等多很多很短很低很低很低低中等短很低很低低中等高中等低中等中等高很高长中等高高很高很高很长很高很高很高很高很高第24页，课件共30页，创作于2023年2月

绿灯相位观察模块该模块以绿灯相位交通流数据作为输入：绿灯交通流数据选择绿灯相位剩余车辆数(qg)和绿灯相位经过最小绿灯时间后的绿灯延长时间(tg)。产生的绿灯相位繁忙度(Bt)作为输出。如果绿灯相位包含多于一个交通流，那么使用各交通流的最大剩余车辆数，绿灯延长时间是相同的。第25页，课件共30页，创作于2023年2月Btqg

tg

很少少中等多很多很短低低中等高很高短很低低低中等高中等很低低低中等高长很低很低低低中等很长很低很低很低低低第26页，课件共30页，创作于2023年2月决策模块输入：候选相位(Pr)，相位紧迫度(Up)和繁忙度(Bt)

输出：当前绿灯延长时间e

Pr是由红灯相位选择模块选出的相位，Up是此相位的相位紧迫度。Bt是绿灯相位观测模块输出的绿灯相位繁忙度。e是当前绿灯相位延长时间。Pr不参与模糊推理。

第27页，课件共30页，创作于2023年2月（2）考虑关键及非关键车流的交叉口模糊控制控制过程是:根据检测器检测到的各方向车辆到达信息,定两相的关键车流和非关键车流.对两相的关键车流的车辆到达情况实施模糊控制,即经过模糊化、模糊控制规则、模糊判决得到有通行权相位的绿灯延长时间初值es;对两相的非关键车流的车辆到达情况实施模糊控制,得到绿灯延长时间的修正时间Δes.从而得到控制策略,即绿灯延长时间e+Δes(这里要求0≤e+Δe≤10).单路口交通多级模糊控制系统结构如图第28页，课件共30页，创作于2023年2月模糊控制算法的缺点是隶属度函数和模糊控制规则通常取决于人工经验,因此有一定的局限性。利用遗传算法对模糊控制器进行优化,将隶属度函数和模糊控制规则编码成一个染色体,即个体,若干个个体组成一个种群,经过遗传操作生成新的一代。新的个体由于继承了上一代的一些优良性状,在性能上优于上一代,这样逐步向更优解的方向进化。三、单个交叉口模糊控制的改