單點交叉口交通模糊控制仿真

單點交叉口交通模糊控制仿真第1頁，課件共30頁，創(chuàng)作于2023年2月內(nèi)容提要：一、模糊控制二、單點交叉口的模糊控制（一）單點交叉口的一級模糊控制

（二）單點交叉口的兩級模糊控制

（1）交通強度優(yōu)先的交叉口模糊控制

（2）考慮關(guān)鍵及非關(guān)鍵車流的交叉口模糊控制三、單個交叉口模糊控制的改進

第2頁，課件共30頁，創(chuàng)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，被公認(rèn)為模糊數(shù)學(xué)的創(chuàng)始人。出現(xiàn)模糊數(shù)學(xué)后，人們將精確的數(shù)學(xué)描述領(lǐng)域推廣到與人的心理有關(guān)的領(lǐng)域，并借助模糊數(shù)學(xué)理論處理各種復(fù)雜的問題。1977年，Pappis和Mamdani將模糊控制應(yīng)用到單個路口信號控制，此后，模糊控制在交通控制中得到了廣泛的應(yīng)用，已經(jīng)成為最常見的信號控制的智能方法。模糊控制理論建立在模糊數(shù)學(xué)基礎(chǔ)上。第3頁，課件共30頁，創(chuàng)作于2023年2月模糊數(shù)學(xué)的重要概念：模糊集合模糊集合定義為：給定論域X中的一個模糊集A，是指對任意x∈A，都為其指定一個μA（x）∈[0，1]與之對應(yīng)，這個數(shù)稱為x對A的隸屬度。這意味著做出一個映射：μA：X→[0，1]，x→μA（x）式中，稱μA為A的隸屬度函數(shù)，μA（x）為x對A的隸屬度。由模糊集合的定義可知，論域X上的模糊集A完全由隸屬度函數(shù)μA（x）來刻畫。μA（x）的取值范圍為閉區(qū)間[0，1]，u的大小反映x對于模糊子集A的從屬程度：μA（x）的值越接近1，表示x從屬于A的程度越高；μA（x）的值越接近0，則表示x從屬于A程度越低。第4頁，課件共30頁，創(chuàng)作于2023年2月

[例]冷熱的概念經(jīng)典集合的特征函數(shù)模糊集合的隸屬度函數(shù)

MembershipFunction

第5頁，課件共30頁，創(chuàng)作于2023年2月屬于“冷”的隸屬度函數(shù)屬于“舒適”的隸屬度函數(shù)屬于“熱”的隸屬度函數(shù)第6頁，課件共30頁，創(chuàng)作于2023年2月模糊控制的基本原理第7頁，課件共30頁，創(chuàng)作于2023年2月

模糊控制系統(tǒng)的設(shè)計：變量的模糊語言變量的基本論域模糊推理規(guī)則：if…then…模糊規(guī)則表給出隸屬度函數(shù)編程第8頁，課件共30頁，創(chuàng)作于2023年2月由于模糊控制系統(tǒng)中語言型規(guī)則和模糊概念的使用，使得模糊控制本身相對于常規(guī)控制而言有獨特之處：（1）不需要知道被控對象的數(shù)學(xué)模型；（2）模糊控制系統(tǒng)具有極好的穩(wěn)定性和魯棒性；（3）模糊控制器設(shè)計簡單、調(diào)試方便。第9頁，課件共30頁，創(chuàng)作于2023年2月設(shè)計一個模糊控制器必須解決以下三個問題：（1）精確量的模糊化，把語言變量的語言值化為適當(dāng)論域上的模糊子集。（2）模糊控制算法的設(shè)計，通過一組模糊條件語句構(gòu)成模糊控制規(guī)則，并計算模糊控制規(guī)則決定的模糊關(guān)系。（3）輸出信息的模糊判決，完成由模糊量到精確量的轉(zhuǎn)化（去模糊化）。第10頁，課件共30頁，創(chuàng)作于2023年2月二、單點交叉口模糊控制從控制論的角度對城市單點交叉口信號燈的控制建立模糊控制模型，是通過模仿交通警察指揮疏導(dǎo)交通的決策過程而建模。（一）單點交叉口的一級模糊控制（1）相位設(shè)計：交叉口的進口均設(shè)左轉(zhuǎn)、直行和右轉(zhuǎn)3個車道,其4個相位設(shè)置見圖

第11頁，課件共30頁，創(chuàng)作于2023年2月（2）控制方案設(shè)計：選擇將排隊長度(放行相位排隊長度P和下一相位排隊長度Ps)作為綠燈長度的控制量。根據(jù)實際需要,設(shè)置最短綠燈時間tGmin為15s,最大綠燈時間50s。控制算法如下:Step1:將通行權(quán)給相位i,且令tGi為最短綠燈時間tGmin。Step2:在綠燈時間tGi即將結(jié)束時,檢測放行相位及下一個相位車道上的車輛排隊長度。設(shè)其分別為Pi和Pi+1。第12頁，課件共30頁，創(chuàng)作于2023年2月Step3:判斷,如果Pi=0,或Pi≤m且ΔPi=Pi+1-Pi≥n(m,n為根據(jù)交通量情況確定的常數(shù))或者綠燈積累時間tGi=tGmax,則將通行權(quán)給下一相位,并回到step1;否則繼續(xù)。Step4:將Pi和Pi+1送入模糊控制器,確定綠燈延長時間ei。并判斷,如果tGi+ei≥tGmax,則令tGi=tGmax。否則令tGi=tGi+ei,回到Step2。第13頁，課件共30頁，創(chuàng)作于2023年2月第14頁，課件共30頁，創(chuàng)作于2023年2月（3）模糊控制算法設(shè)計：

變量的模糊語言：輸入變量：放行相位排隊長度P={VS,S,M,L,VL}

下一相位排隊長度Ps={VS,S,M,L,VL}

輸出變量：綠燈延長時間e={NS,VS,S,M,L,VS,N}

變量的基本論域：放行相位排隊長度P：{0,1,2,3,4,5,6,7,8,9,10}下一相位排隊長度Ps：{0,1,2,3,4,5,6,7,8,9,10}綠燈延長時間e：{0,1,2,3,4,5,6,7,8,9,10}第15頁，課件共30頁，創(chuàng)作于2023年2月模糊控制規(guī)則：建立模糊控制規(guī)則是:當(dāng)主列隊長或是很長時,增加綠燈時間,選取的輸出以放行、減少車輛等待為主;而當(dāng)主列隊較短時,選取的控制量以防止綠燈時間浪費為出發(fā)點。通過總結(jié)實驗和專家經(jīng)驗,建立模糊控制規(guī)則見表,共5×5=25條控制規(guī)則。第16頁，課件共30頁，創(chuàng)作于2023年2月

給出隸屬度函數(shù)：依據(jù)專家經(jīng)驗,輸入變量各個模糊子集的隸屬度函數(shù)取高斯型曲線,其輸出比較光滑。第17頁，課件共30頁，創(chuàng)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、最大隸屬度法。

重心法(加權(quán)平均法)：重心法是指取模糊集隸屬函數(shù)曲線同基礎(chǔ)變量軸所圍而積的重心對應(yīng)的基礎(chǔ)變量值作為清晰值的方法。公式u*=(∑(uiμi))/(∑(μi))其中:u*為清晰化輸出量;ui為輸出變量;μi為模糊子集隸屬度;I為模糊子集數(shù)。

IIi=1i=1第18頁，課件共30頁，創(chuàng)作于2023年2月

最大隸屬度法：這個方法就是對模糊決策得出的模糊集U的隸屬度最大的元素。max作為控制輸出的精確值，即Ifμ(umax)=max(μ(u1)，…，μ(un))Thenu=umax第19頁，課件共30頁，創(chuàng)作于2023年2月該種模糊控制缺點：1.此方法在相位固定的基礎(chǔ)上再給出最優(yōu)的當(dāng)前相位綠燈延時。這顯然是存在了一定的人為誤差因素的，當(dāng)固定的下一相位車流很小甚至為零時，根據(jù)這種控制規(guī)則，要給出至少是最小綠燈時間，而且中間還包括綠燈轉(zhuǎn)換所消耗的黃燈時長，如果下兩相位或是更后的相位有很大的車流量，那么就必然會造成車輛平均延誤較大了。2.僅依據(jù)單交叉口的相位的關(guān)鍵車流(同一相位中交通流量比大的一股車流)來決定交通信號配時,而忽略了兩相位的非關(guān)鍵車流對信號配時的影響。第20頁，課件共30頁，創(chuàng)作于2023年2月（二）單點交叉口的兩級模糊控制

（1）交通強度優(yōu)先的交叉口模糊控制

第一級為觀測級，第二級為決策級。觀測級模糊控制器作為決策級模糊控制器的輸人，觀測級中的綠信模塊根據(jù)車道信號檢測器檢測到的交通信息判斷當(dāng)前綠信方向的繁忙度，并將其傳遞給決策級，紅信模塊根據(jù)車道信號檢測器檢測到的交通信息判斷當(dāng)前紅信方向的交通情況，決定紅信方向的緊急度，選擇紅信模塊最緊急的相位將其傳遞給決策級。決策模塊根據(jù)輸人的紅信和綠信相位的緊級度，通過模糊推理得出當(dāng)前綠燈的延長時間。第21頁，課件共30頁，創(chuàng)作于2023年2月第22頁，課件共30頁，創(chuàng)作于2023年2月模糊推理的輸入輸出變量輸入變量：qr和tr輸出變量：Urqr是一個車道兩檢測器之間的車輛數(shù)，tr是一個車流方向自上次綠燈結(jié)束以來紅燈持續(xù)的時間。這兩個變量反映了當(dāng)?shù)亟煌顩r。Ur是交通流緊迫度，它反映了一個交通流的交通狀況。輸入輸出變量的模糊語言

={很少，少，中等，多，很多}；

={很短，短，中等，長，很長}；

={很低，低，中等，高，很高}。紅燈相位選擇模塊第23頁，課件共30頁，創(chuàng)作于2023年2月變量論域和比例因子qr的基本論域{0,1,2,3,4,5,……,30}；tr的基本論域(0,120)；Ur的基本論域(0,6)。模糊控制規(guī)則（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長中等高高很高很高很長很高很高很高很高很高第24頁，課件共30頁，創(chuàng)作于2023年2月

綠燈相位觀察模塊該模塊以綠燈相位交通流數(shù)據(jù)作為輸入：綠燈交通流數(shù)據(jù)選擇綠燈相位剩余車輛數(shù)(qg)和綠燈相位經(jīng)過最小綠燈時間后的綠燈延長時間(tg)。產(chǎn)生的綠燈相位繁忙度(Bt)作為輸出。如果綠燈相位包含多于一個交通流，那么使用各交通流的最大剩余車輛數(shù)，綠燈延長時間是相同的。第25頁，課件共30頁，創(chuàng)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長很低很低低低中等很長很低很低很低低低第26頁，課件共30頁，創(chuàng)作于2023年2月決策模塊輸入：候選相位(Pr)，相位緊迫度(Up)和繁忙度(Bt)

輸出：當(dāng)前綠燈延長時間e

Pr是由紅燈相位選擇模塊選出的相位，Up是此相位的相位緊迫度。Bt是綠燈相位觀測模塊輸出的綠燈相位繁忙度。e是當(dāng)前綠燈相位延長時間。Pr不參與模糊推理。

第27頁，課件共30頁，創(chuàng)作于2023年2月（2）考慮關(guān)鍵及非關(guān)鍵車流的交叉口模糊控制控制過程是:根據(jù)檢測器檢測到的各方向車輛到達(dá)信息,定兩相的關(guān)鍵車流和非關(guān)鍵車流.對兩相的關(guān)鍵車流的車輛到達(dá)情況實施模糊控制,即經(jīng)過模糊化、模糊控制規(guī)則、模糊判決得到有通行權(quán)相位的綠燈延長時間初值es;對兩相的非關(guān)鍵車流的車輛到達(dá)情況實施模糊控制,得到綠燈延長時間的修正時間Δes.從而得到控制策略,即綠燈延長時間e+Δes(這里要求0≤e+Δe≤10).單路口交通多級模糊控制系統(tǒng)結(jié)構(gòu)如圖第28頁，課件共30頁，創(chuàng)作于2023年2月模糊控制算法的缺點是隸屬度函數(shù)和模糊控制規(guī)則通常取決于人工經(jīng)驗,因此有一定的局限性。利用遺傳算法對模糊控制器進行優(yōu)化,將隸屬度函數(shù)和模糊控制規(guī)則編碼成一個染色體,即個體,若干個個體組成一個種群,經(jīng)過遺傳操作生成新的一代。新的個體由于繼承了上一代的一些優(yōu)良性狀,在性能上優(yōu)于上一代,這樣逐步向更優(yōu)解的方向進化。三、單個交叉口模糊控制的改