智能交通控制的課程設(shè)計(jì)

1、精品文檔五邑大學(xué)智能交通控制系統(tǒng)設(shè)計(jì)院 系 ： 信息工程學(xué)院 專 業(yè) ： 交通工程 學(xué) 號(hào) ： AP0904326 學(xué)生姓名 ： 肖登位 指導(dǎo)教師 ： 李水友 課程題目 ：基于遺傳算法的高速公路入口匝道控制與仿真 摘 要隨著社會(huì)經(jīng)濟(jì)的快速開展和汽車的普及，高速公路交通擁擠已經(jīng)成為困擾世界各國(guó)政府嚴(yán)重的社會(huì)問題，由于高速公路交通系統(tǒng)的非線性和時(shí)變特性，所以，一直以來怎么解決高速公路的擁堵成為了不少交通設(shè)計(jì)的重點(diǎn)，本文根據(jù)高速公路的特點(diǎn)，提出了人口匝道控制，并對(duì)其進(jìn)行計(jì)算和仿真，通過用MATLAB軟件進(jìn)行系統(tǒng)仿真，仿真結(jié)果說明，該入口匝道控制的遺傳算法，具有優(yōu)越的動(dòng)態(tài)和穩(wěn)態(tài)性能，能使主線交通流密度

2、保持為設(shè)定的期望密度，使車輛行駛更有效率和更平安，該方法應(yīng)用于高速公路入口匝道控制中效果良好！高速公路匝道控制方法一、匝道的定義匝道就是可以將兩條高速公路銜接的特殊道路。在高速公路系統(tǒng)中，連接作用是匝道的主要作用之一，相比高速公路根本路段，匝道有很多不同之處：(1) 匝道的寬度和長(zhǎng)度是有限的；(2) 與匝道相連接公路的設(shè)計(jì)速度應(yīng)高于匝道的設(shè)計(jì)車速；(3) 由于匝道是兩條車道的連接，車輛都會(huì)由于換道而頻繁出現(xiàn)加減速現(xiàn)象二、匝道控制概述匝道控制的策略有分散策略和延遲策略，要實(shí)施匝道控制策略，以下條件是必須考慮的：(1) 入口匝道控制的潛能(2) 入口匝道上足夠的交通容納量(3) 固有的交通模式(4

3、) 公眾的接受程度三、入口匝道控制的根本方法一入口匝道定時(shí)控制在定時(shí)控制中，通常會(huì)采用兩車并行調(diào)節(jié)方式，因?yàn)樗蝗菀自斐伤緳C(jī)的混亂，保障了車輛的平安運(yùn)行。匝道調(diào)節(jié)率r(輛/小時(shí))的計(jì)算公式為： (1)(輛/小時(shí))為匝道下游容量，(輛/小時(shí))為匝道上游交通需求。匝道調(diào)節(jié)周期長(zhǎng)度C(s)為： (2)n為每個(gè)調(diào)節(jié)周期允許進(jìn)入的車輛數(shù)，n=1, 2, 3。匝道調(diào)節(jié)率還要受以下約束： (3)二入口匝道感應(yīng)控制(1) 交通需求-通行能力控制記離散時(shí)間下標(biāo)k=1, 2, 及時(shí)間段T，那么r (k)表示時(shí)間段kT, (k+1)T內(nèi)的調(diào)節(jié)率，其計(jì)算公式為： (4)式中為匝道下游容量，qin(k-1)為

4、時(shí)間段(k-1)T, kT內(nèi)的匝道上游交通需求，oout(k)為匝道下游占有率測(cè)量值，ocr為占有率的臨界值，rmin為預(yù)定的調(diào)節(jié)率下限值。(2) 占有率控制占有率控制的原理：實(shí)時(shí)測(cè)量高速公路匝道的上游或下游的占有率，通過測(cè)量的數(shù)據(jù)來估算下游剩余容量qc，再來確定入口匝道的調(diào)節(jié)率。為此需要建立交通量和占有率的關(guān)系，關(guān)系如圖1所示。圖1 交通量-占有率關(guān)系下游的剩余容量與實(shí)際占有率的關(guān)系如圖2所示。圖2 剩余通行能力-占有率關(guān)系由圖2可以大致的看出它們之間的關(guān)系，再根據(jù)經(jīng)驗(yàn)公式，可估算下游剩余容量如下： (5)于是調(diào)節(jié)率確實(shí)定方法為： (6)(3) 反響控制下面給出一個(gè)反響控制策略，稱為ALIN

5、EA控制律。 (7)式中KR >0為調(diào)節(jié)器參數(shù)，od為匝道下游期望的占有率值，一般取ocr.下面給出另外一種連續(xù)型反響控制律。 (8)式中K為反響增益，qout(t)和qin(t)分別為高速公路的流出和流入車流量。下面來推導(dǎo)該控制系統(tǒng)的動(dòng)態(tài)方程。根據(jù)車輛守恒關(guān)系可得出： (9)式中(t)為車輛密度。由于車輛密度在實(shí)際中難于直接測(cè)量，常用時(shí)間占有率o(t)代之。兩者之間的關(guān)系可用下式表示： (10)式中為一常數(shù)，表示高速公路的車道數(shù)，為平均有效車長(zhǎng)。記，將式(10)代入式(9)可得： (11)如果系統(tǒng)式(11)采用控制律式(8)，那么 (12)此式正是入口匝道控制器的目標(biāo)。證明如下：將式(

6、8)代入式(11)得： (13)定義： (14)并考慮到ocr為常數(shù)，那么由式(13)得： (15)式(15)的解為： (16)由式(16)可知，當(dāng)時(shí)，再根據(jù)式(10)和式(14)便可得到式(12)的結(jié)論。式(12)說明，入口匝道控制器的控制目標(biāo)是使交通密度逼近于期望的交通密度，這里期望的交通密度選取為臨界密度.三入口匝道集中控制集中控制就是當(dāng)改變某個(gè)入口匝道調(diào)節(jié)率時(shí)，就會(huì)影響高速公路的交通量，從而改變了其它匝道的調(diào)節(jié)率。高速公路控制系統(tǒng)采用的性能指標(biāo)很多，這里討論的性能指標(biāo)是：入口匝道容許交通量之和到達(dá)最大。遺傳算法一遺傳算法的特點(diǎn)遺傳算法是解決有關(guān)搜索問題的常用算法，各種通用問題都可以很好

7、地使用遺傳算法。搜索算法有以下共同特征：(1)首先組成一組候選解；(2)候選解的適應(yīng)度一般是依據(jù)某些適應(yīng)性條件來測(cè)算的；(3)根據(jù)適應(yīng)度選擇對(duì)遺傳算法有用的候選解，放棄其他對(duì)遺傳算法無用的候選解；(4)將所選擇的候選解進(jìn)行某些專業(yè)性的操作，從而產(chǎn)生新的候選解。二 遺傳算法的應(yīng)用關(guān)鍵遺傳算法在應(yīng)用中最關(guān)鍵的問題有如下3個(gè)：(1)串的編碼方式問題編碼是其本質(zhì)。一般用二進(jìn)制編碼問題的各種參數(shù)，從而便有子串的構(gòu)成；然后用子串拼成“染色體串。串長(zhǎng)度及編碼形式極大的影響算法收斂。(2)適應(yīng)函數(shù)確實(shí)定適應(yīng)函數(shù)(fitness function)通常也稱對(duì)象函數(shù)(object function)；一般可以把問

8、題的模型函數(shù)作為對(duì)象函數(shù)；但有時(shí)需要另行構(gòu)造。(3)遺傳算法自身參數(shù)設(shè)定遺傳算法的自身參數(shù)有3個(gè)，即交叉概率Pc、變異概率Pm和群體大小n。二、 遺傳算法的步驟遺傳算法計(jì)算優(yōu)化的操作過程就如同生物學(xué)上生物遺傳進(jìn)化的過程，主要有三個(gè)根本操作或稱為算子：選擇Selection、交叉Crossover、變異Mutation。流程圖如圖3所示。否實(shí)際問題參數(shù)編碼，種群初始化計(jì)算適應(yīng)度復(fù)制，交叉，變異操作產(chǎn)生新的種群滿足條件是解決問題圖3 遺傳算法流程圖模糊邏輯與遺傳PI密度控制器設(shè)計(jì)一、 高速公路交通流模型類比交通流和流體流動(dòng)，引出一個(gè)傳統(tǒng)交通流模型，該模型的流量-密度關(guān)系是非線性的。如圖4所示的一段

9、高速公路，主線的車道數(shù)為，入口匝道的車道數(shù)為1。圖4 高速公路入口匝道我們可以假定在時(shí)間段k內(nèi),車輛從上游以流量輛(小時(shí) · 車道)流入和從入口匝道以輛/小時(shí)流入。車輛再以流量輛(小時(shí) · 車道)從其下游流出。通過守恒定律，在這段高速公路上 k+1時(shí)的車輛數(shù)N(k+1)為： (17)交通密度的定義為,其中是這段高速公路的長(zhǎng)度。式(17)現(xiàn)在可以根據(jù)交通密度寫為： (18)交通流根本圖是交通流量及交通密度之間的關(guān)系，根本圖的多種形式已經(jīng)提出,所有這些形式都具有一些共性特征：(a)當(dāng)密度為零，流量也為零；(b)有一個(gè)最大的密度(通常稱為堵塞密度)對(duì)應(yīng)于擁堵的交通(流量也是零)；

10、(c)當(dāng)交通流最大時(shí)存在一個(gè)交通密度(通常稱為臨界密度)。美國(guó)學(xué)者紐厄爾提出了一個(gè)流量-密度三角關(guān)系: (19)為自由流動(dòng)的速度,是在一個(gè)方向阻礙交通流移動(dòng)的波速，是阻塞密度，是臨界密度。Green-shield提出了一種流量-密度拋物線關(guān)系： (20)Kotsialos提出了一種流量-密度指數(shù)關(guān)系： (21)l> 0，m> l，其中l(wèi)，mR，是適宜的參數(shù)。根據(jù)關(guān)于平均速度建模的具體假設(shè)，流體-動(dòng)力模型可分為一階和高階模型。一階模型的平均速度可以單獨(dú)的作為一密度函數(shù)(即使在非平穩(wěn)非齊次情況下),即和,因此，只有一個(gè)動(dòng)力學(xué)方程(交通密度)描述交通演化。高階模型把平均速度作為獨(dú)立變量和

11、使用一個(gè)(或多個(gè))額外的動(dòng)力學(xué)方程(動(dòng)量或速度方程),用兩個(gè)(或兩個(gè)以上)的獨(dú)立變量形成一個(gè)方程組。一個(gè)離散一階宏觀交通流模型是由方程式(2)結(jié)合一個(gè)根本圖構(gòu)成。一階模型為交通仿真和控制研究提供了一種簡(jiǎn)單的、容易加工的框架,在交通瓶頸和交通峰的進(jìn)展中，描述這樣的交通現(xiàn)象為沖擊波,在啟動(dòng)和停止交通路口上，一階模型提供了一個(gè)良好的定性結(jié)果。二、混合控制器的控制結(jié)構(gòu)在交通流控制系統(tǒng)中，基于反響的方法已經(jīng)研究和實(shí)施了很長(zhǎng)時(shí)間,如知名ALINEA，它不能完全取代現(xiàn)有的基于模糊邏輯和遺傳PI的反響控制算法，相反,我們尋求反響組合與智能控制，因此我們可以保存現(xiàn)有反響回路的功能，如魯棒性。模糊邏輯與遺傳PI混

12、合控制器如圖5所示。在圖5中闡述的控制系統(tǒng)是一個(gè)閉環(huán)系統(tǒng)。輸出的交通體系、交通密度,與預(yù)期的交通密度相比，生成一個(gè)新的跟蹤誤差和完成一個(gè)反響周期。用控制系統(tǒng)的術(shù)語講,交通密度稱為一個(gè)狀態(tài)變量,是一個(gè)輸出變量，匝道調(diào)節(jié)率r(k)是一個(gè)控制變量，高速公路流入量qu(k)是一個(gè)擾動(dòng)輸入,因?yàn)樗梢圆皇芸刂频挠绊憽?qu(k)交通流模型模糊邏輯控制z-1Ki e(k) e(k) r(k-1) + - + z(k) z-1Kp r(k)遺傳算法 - e(k) e(k-1) z-1 圖5 模糊邏輯與遺傳PI混合控制器三、遺傳算法的PI參數(shù)優(yōu)化遺傳算法一般都有四個(gè)局部組成：(a)一個(gè)種群個(gè)體,代表了一個(gè)可能

13、的解決方法；(b)一個(gè)適應(yīng)度函數(shù),我們可以判斷一個(gè)人是否處于好的狀況中；(c)選擇算子,以決定如何從現(xiàn)行的人口選擇優(yōu)秀個(gè)體來創(chuàng)造下一代；(d)交叉和變異算子,在同一時(shí)間內(nèi)保持當(dāng)前的某些信息，同時(shí)探索新領(lǐng)域的搜索空間。遺傳算法的優(yōu)化步驟如下：(1)確定優(yōu)化參數(shù)和編碼模式優(yōu)化參數(shù)是PI參數(shù),編碼模式是實(shí)數(shù)代碼。(2)隨機(jī)生成的初始種群初始種群是比例系數(shù)Kp和積分系數(shù)Ki的基因碼。(3)適應(yīng)度函數(shù)的評(píng)價(jià)適應(yīng)度函數(shù)把程序問題和遺傳算法連接起來，每條染色體將譯成PI參數(shù)。每個(gè)候選PI控制的性能是通過它的適合性來進(jìn)行評(píng)價(jià)的，性能指標(biāo)是系統(tǒng)性能的測(cè)量定量。對(duì)高速公路匝道控制,一個(gè)好的PI控制應(yīng)快速地減少期望

14、交通密度和實(shí)際交通密度之間的誤差,一個(gè)性能指標(biāo)定義為： PI控制的誤差越大，適應(yīng)度函數(shù)越小，因此,對(duì)每個(gè)后選PI控制，適應(yīng)度函數(shù)是確定的。(4)選擇算子選擇是一種方法,隨機(jī)從種群中選擇個(gè)體根據(jù)他們的適合性,適合性越高,個(gè)體被選入下一代的時(shí)機(jī)就越多。除了輪盤賭選擇,我們采用一個(gè)特別的選擇算子(精英算子),以防止選擇、交叉和變異，并且可以簡(jiǎn)單把最適合的PI控制從上一代無改動(dòng)的傳給下一代，精英算子能確保最正確的PI控制沒有失蹤的可能性。(5)交叉算子交叉算子主要負(fù)責(zé)遺傳算法的全局搜索特性，交叉算子通過結(jié)合父本與母本所包含的信息產(chǎn)生新的個(gè)體，也就是將父本與母本的適應(yīng)度值相結(jié)合，再用離散重組的方法來產(chǎn)生

15、后代的適應(yīng)度值。(6)變異算子變異算子是用來注入新的遺傳基因到個(gè)體，變異算子是增加種群多樣性的第二個(gè)因素，實(shí)際變量的變異就是隨機(jī)產(chǎn)生的適應(yīng)度值以較低的概率添加到變量上。在這里,變異率是根據(jù)適應(yīng)度值進(jìn)行動(dòng)態(tài)改變的，適應(yīng)度值越大,變異率越小。重復(fù)步驟(3)第(6),直到滿足條件的優(yōu)化。通常,適應(yīng)度函數(shù)到達(dá)最大值，遺傳算法終止，優(yōu)化問題到達(dá)最優(yōu)化。仿真研究一、仿真結(jié)果一用三角形隸屬度函數(shù)的仿真結(jié)果高速公路流入qu如圖6所示,遺傳算法優(yōu)化過程的性能指標(biāo)如圖7所示，最優(yōu)PI參數(shù)為Kp=255.6222,Ki= 102.5405。實(shí)際交通密度和匝道控制率分別如圖8和圖9所示。從圖6,圖8和圖9我們可以看出

16、,當(dāng)qu是一個(gè)階躍函數(shù)時(shí)，和r都存在一個(gè)短暫過渡期,一個(gè)短暫過渡期后，和r進(jìn)入穩(wěn)定狀態(tài)。當(dāng)qu為1650、1500、1680、1500、1600、1480、1580、1470、1620、1500、1590、1680輛(小時(shí)·車道)時(shí),相應(yīng)的穩(wěn)態(tài)值r分別為425.3345、878.3345、336.3345、878.3345、542.3345、918.3345、600.3345、946.3345、498.3345、878.3345、542.3345、336.3345輛/小時(shí)，穩(wěn)態(tài)值為34.16輛(千米·車道),與理想的交通密度一致。圖6 高速公路的流入曲線圖7 優(yōu)化過程的性能

17、指標(biāo)圖8 實(shí)際交通密度曲線圖9 匝道調(diào)節(jié)率曲線二用高斯隸屬度函數(shù)的仿真結(jié)果高速公路流入qu如圖10所示,遺傳算法優(yōu)化過程的性能指標(biāo)如圖11所示，最優(yōu)PI參數(shù)也為Kp=255.6222,Ki= 102.5405。實(shí)際交通密度和匝道控制率分別如圖12和圖13所示。從圖10,圖12和圖13我們可以看出,當(dāng)qu是一個(gè)階躍函數(shù)時(shí)，和r也存在一個(gè)短暫過渡期,一個(gè)短暫過渡期后，和r也進(jìn)入根本穩(wěn)定狀態(tài)。當(dāng)qu為1650、1500、1680、1500、1600、1480、1580、1470、1620、1500、1590、1680輛(小時(shí)·車道)時(shí),相應(yīng)的穩(wěn)態(tài)值r分別為372.3345、800.3345、289.3345、800.3345、478.3345、845.3345、515.3345、890.3345、416.33450、800.3345、478.3345、289.3345輛/小時(shí)，穩(wěn)態(tài)值為32.06輛(千米·車道),與理想的交通密度相差很大，故不采用高斯隸屬度函數(shù)。圖10 高速公路的流入曲線圖11 優(yōu)化過程的性能指標(biāo)圖12 實(shí)際交通密度曲線圖13 匝道調(diào)節(jié)率曲線比擬圖8與圖12可得，用三角形隸屬度函數(shù)比用高斯隸屬度函數(shù)具有更好的穩(wěn)態(tài)性能，而且能到達(dá)期望交通密度，故在模糊控制中使用三角形隸屬度函數(shù)。與模糊邏輯控制或人工神經(jīng)網(wǎng)絡(luò)相比，模糊邏輯和遺傳PI混合控制具有誤差小