第一篇：第三章 城市交通信號模糊控制理論

2城市交通信號模糊控制理論

模糊控制理論應用于工業、汽車、家用電器、交通等各個領域，其在交通中的一個重要的應用就是城市交通信號模糊控制。本章在闡述模糊控制原理的基礎上，介紹城市交通信號模糊控制的理論基礎，為下一章的城市交通信號模糊控制器的設計作理論鋪墊。2.1模糊控制基礎理論分析 2.1.1模糊控制的特點

模糊控制實際上是一種非線性控制，屬于智能控制的范疇。近幾十年來模糊控制理論無論是在理論還是技術上都有了很大的進步，模糊控制在實際應用上也已經碩果累累，這主要是由模糊控制的特點決定的：

1、模糊控制既具有系統化的理論，又有著大量實際應用背景。

2、模糊控制是一種基于規則的控制。在實際的設計中不需要建立精確的數學模型，因而控制器的設計簡單，便于應用。

3、基于模型的控制算法及系統設計方法，由于出發點和性能指針的不同，容易導致很大差異；但一個系統的語言控制規則卻具有相對的獨立性，利用這些控制規律間的模糊連接，容易找到這種規律，使控制效果優于常規控制器。

4、模糊控制系統的魯棒性強，干擾和參數變化對控制效果的影響被大大減弱，尤其適合于非線性、時變及純滯后系統的控制。

5、許多復雜系統，很難建立模型和控制，因為它們包含不確定性、不精確性、并混雜有非線性和時變性。模糊控制對于那些數學模型難以建立，變化非常顯著的對象較適用。

6、是一種反映人類智慧思維的智慧控制。模糊控制采用人類思維中的模糊量，如“高”“中”“低”“大”“小”，控制量由模糊推理導出。這些模糊量和模糊推理是人類通常智慧活動的體現。

7、模糊控制具有語詞計算和處理不確定性以及模糊信息的能力。模糊控制本質上是一種基于語言規則的仿人智能控制。由于控制對象僅能提供一些模糊信息，計算機參與這類控制時必須模仿人類能夠接受和處理模糊信息，進行模糊控制的本領。2.1.2模糊控制的基本概念

在人們的思維中，有很多沒有明確外延的一些概念，即模糊概念，如以人的年齡為對象，那么“年輕”、“中年”、“老年”就沒有明確的外延；不同的人有不同的感受與判斷；再如爐溫的“高溫”、“中溫”、“低溫”也是此類的概念。以上這種概念不能用經典集合加以描述，不能絕對地區別“屬于”與“不屬于”，而要用模糊集合的概念描述。在本文中用到的模糊控制重要概念有：變量的論語、模糊子集、隸屬度、模糊關系與模糊矩陣。

1、論語：被考慮對象的所有元素的全體稱為論語，又稱全域、全集、有的也稱空間，一般用大寫字母U表示。

2、模糊子集：給定論語U，U到[0，1]閉區間的任意映射?A，?A：U→[0，1] ?→?A

都確定U的一個模糊子集A，A就是論語U的模糊子集。

~~

3、隸屬度函數：上式中?A稱為模糊子集的隸屬度函數。隸屬度函數的表示方法大致有以下三種：

(l)圖形表示法(2)表格表示法(3)公式表示法

4、隸屬度：?A(?)為?對A的隸屬度。

~

5、模糊關系：模糊關系R也稱模糊控制規則，它描述了元素之間的關聯程度，當論域X、~Y都是有限集時，模糊關系可以用模糊矩陣來表示。設X=?x1,x2,???xn?，Y=?y1,y2,???yn?，模糊矩陣R的元素rij表示論域X中第i格元素xi與論域Y中的第j格元素yj對于關系R的~`隸屬程度，即?RXi，Yj?rij。

~??2.1.3模糊控制過程及原理分析

模糊控制的控制規律由計算機的程序實現，實現的過程是：計算機采樣獲取被控制量的精確值，然后將此量與給定值比較得到誤差E；將誤差E作為模糊控制的一個輸入量；把E的精確量模糊化變成模糊變數，從而得到E的模糊語言集合的一個子集e~；由e~與控制規則R進行模糊推理，得到控制變量u，其中u=e?R，其中u是模糊變量；將模糊~~~~~~變量u轉換為精確量，這樣通過u可以對被控對象進行控制；循環進行第二次采樣，進行第~~二步控制，循環下去，最終實現被控對象的模糊控制。具體的模糊控制原理與過程如下圖所示：

模糊控制的核心是模糊控制器，在使用模糊控制器進行模糊控制時必不可少的三步驟為：精確量的模糊化、模糊規則的設計、反模糊化，下面分別分析、介紹這三部分。

（一）精確量的模糊化

精確變量的模糊化過程實際上是定義模糊變量的模糊子集的過程，而定義一個模糊子集就要確定模糊子集隸屬函數曲線的形狀，確定隸屬函數曲線有以下常用的幾種方法：

（1）主觀經驗法：當論域是離散變量時，根據主觀人數或個人經驗，直接或間接給出隸屬的具體值，由此來確定隸屬度函數。

（2）分析推理法：當論域連續，根據問題的性質，應用一定的分析與推理，決定選用某些典型的函數作為隸屬函數。如三角形函數、梯形函數、高斯函數等。

（3）調查統計法：以調查統計結果所得出的經驗曲線作為隸屬函數、作為隸屬曲線。根據曲線找出相應的函數表達式。

將確定的隸屬函數曲線離散化，就得到了有限個點上的隸屬度，便構成了一個模糊變數的模糊子集。模糊子集的數量一般選5個或7個為宜。隸屬度函數曲線的形狀一般有：三角形、梯形、高斯型等，在目前的應用中大部分都是為方便起見采用梯形、三角形隸屬度函數。

（二）模糊規則的設計

模糊規則是模糊控制中的重要環節，模糊控制器正是依據這些模糊控制規則來完成最終推理，它用“IF--THEN”的形式描述被控對象的動態特性。目前模糊規則大都是專家經驗確定，并且要求模糊控制規則要完整覆蓋模糊集合。

常見的模糊控制規則根據模糊控制器的種類不同可分為以下幾種：（1）單輸入單輸出模糊控制器

該種控制器僅有一個輸入變量、一個輸出變量，設模糊集合A為屬于論域X的輸入，~~模糊集合B為屬于論域Y的輸出，其控制規則通常由模糊條件語句

~~If A THEN B

~~~~

If A THEN B ELSE C

~~~~~~其中模糊集合B與C具有相同的論域Y，這種控制反應非線性比例(P)控制規律。

~~~~(2)雙輸入單輸出模糊控制器

設模糊集合E屬于論域X的輸入，模糊集合EC屬于論域Y的輸入，兩者一同構成模糊控制器的二維輸入，屬于論域Z的模糊集合U是模糊控制器的一維輸出，這類模糊控制器的控制規則通常由模糊條件語句

IF E AND EC THEN U

來表達，是模糊控制中最常用的一種控制規則，它反映非線性比例加微分(PD)控制規律。(3)多輸入單輸出模糊控制器

假設模糊集合A，B，C?N分別屬于各自論域的多維輸入，U為屬于其論域的單維~~~~~~~~~~~~~~~輸出，其控制規則通常由模糊條件語句

IF A AND B AND?AND N THEN U來描述。

~~~~~~~(4)雙輸入多輸出模糊控制器

設模糊集合E屬于論語X的輸入，模糊集合EC屬于論語Y的輸入，兩者一同構成模糊控制器的二維輸入，多維輸出為UV?W的模糊控制器。這類控制器的控制規則可由一組模糊條件語句

~~~~~

IF E AND EC THEN U

AND

IF E AND EC THEN V AND

IF E AND EC THEN W

在制定模糊規則時要根據實際情況分別來設計確定合適的控制規則。

(三)模糊判決

通過模糊推理得到的結果只是一個模糊集合，但在實際執行中，需要有一個精確值才能對被控對象進行控制，因此要有一個將模糊集合變成一個最佳代表的精確值的反模糊化這一過程。

該過程有三種方法：最大隸屬度函數法、重心法、加權平均法。最大隸屬度函數方法簡單快捷，但是不考慮輸出隸屬度函數的形狀，只關心其最大隸屬度輸出值，因此會丟失一些信息；重心法取模糊隸屬度函數曲線與橫坐標圍成面積的重心為模糊推理最終輸出值，該方法與最大隸屬度法相比具有更平滑的輸出推理控制；加權平均是重心法的一種拓展方法，調整系數可以轉化為重心法，需要根據實際來確定系數。綜合上述，重心法較最大隸屬度方法更加平滑，較后者較簡單實用，故重心法是目前較理想的逆模糊化方法。

后面設計的模糊控制器使用重心法來解模糊，這里就著重介紹重心法，重心法是根據輸出模糊集合隸屬度函數曲線與橫坐標圍城面積的中心相應的輸出當作精確值的輸出，其公式如下： ~~

~~~~~~~u????u?uii?1nni

i???u?i?1ui是對象論域中的元素，??ui?是論域元素ui對模糊子集的隸屬度

2.2城市交通信號模糊控制相關理論分析

城市交信號模糊控制是模糊控制在城市交通控制中的一個具體的應用，它解決了城市交通信號控制建模難、建立的模型難以用算法求解的問題。本節結合具體的交通信號控制問題，利用模糊控制的基礎理論分析城市交通信號模糊控制理論。2.2.1城市交通信號模糊控制問題描述

傳統的單個信號交叉口控制方式：固定周期和綠信比的固定配時控制、感應控制。固定配時根據以往觀測的交通需求，按預先設計的配時方案進行控制，無法根據相應交通需求的隨機變化而變化。感應控制在一定程度上克服了固定配時的不足，但在相位綠燈時間內，只要檢測到車輛到達就給出一個單位的綠燈延時，直到最大綠燈時間為止。也就是說它只關心有無車輛到達、車輛到達與否，而沒有考慮有多少輛車到達，只能考慮一個相位方向的延誤情況，而沒有真正的總體考慮總延誤，因而無法真正響應各個相位的交通需求。

模糊邏輯控制是一種新型的智能控制方式，它綜合考慮交叉口車輛到達與排隊情況，以交叉口的總延誤最小為控制目標，調整控制策略使得交通控制能真正響應交通實時變化的需求。

城市交通信號模糊控制通過設置在各個車道上的車輛檢測器檢測到各個相位的到達車輛數，計算出各個相位的車輛排隊長。通過綠燈相位的入口流量、車輛排隊長度來考察綠燈相位的交通情況、紅燈相位的車輛排隊長度來考慮紅燈相位的交通狀況，綜合考慮紅燈、綠

燈相位的交通情況，用城市交通信號模糊控制器做出是否轉換信號的判決，通過是否轉換交通信號來影響交通流。根據城市交通信號模糊控制的思想：當綠燈相位的車流量很大、排隊長度相當長時，有必要延長該相位的綠燈時間，但是是否做出延長綠燈時間的決定還要看紅燈相位的交通情況，若紅燈相位的排隊長度很小時，控制器就會做出延長綠燈時間的判決； 若紅燈相位排隊長隊很長時，綜合考慮總的車輛平均延誤就不一定會繼續延長綠燈時間，到底做出什么樣的判決，取決于模糊控制器的設計，模糊推理規則的設定。要得到理想的控制結果就要合理設計城市交通信號模糊控制器、合理設置模糊推理規則。

可以解決的問題可以用以下實際問題來描述：假設一個平面交叉口采用典型的四相位放行控制方式：東西直行為第一相位，東西左轉為第二相位，南北直行為第三相位，南北左轉為第四相位。

注：

1、由于中國的道路交叉口的右轉車流一般不受城市交通信號的控制，所以城市交通信號模糊控制中不考慮右轉車流。

2、各個相位的直行、左轉車道上設置一組車輛檢測器，可以實時檢測到各個車道的車流到達、車輛排長度。

根據以上所述，該城市交叉口交通信號控制問題可以描述如下：

控制目標：使通過交叉口的車流量的平均排隊長度最短，車輛平均延誤最小。城市交通信號模糊控制器綜合考慮綠燈相位、紅燈相位的交通情況，做出以交叉口的總延誤最小為控制目標。

控制變量：信號周期、各相位的綠信比。模糊控制器做出是否延長放行相位的綠燈時間的決定，延長綠燈時間會增加總的綠燈時間，也會改變信號周期，這樣就會調整信號的綠信比。

2.2.2城市交通信號模糊控制原理分析

城市交通信號模糊控制器是城市交通模糊控制決策部分，做出是否轉換交通信號的決定來影響控制交通流，交通流的變化會使得紅燈、綠燈相位的交通狀況的變化，城市交通信號模糊控制器會根據實際情況做出相應的是否轉換相位的決策，周而復始，進行實時交通控制。

針對以上城市交通信號控制問題，城市交通信號模糊控制的控制思路與策略是這樣進行的：

1、給定每個相位的最小綠燈時間與最大綠燈時間，以保證通行相位的車輛通行權、與

等待相位車輛的通行權。

2、假設按最初給定該相位的最小綠燈時間放行第一相位(東西直行)，放行時間到達最短綠燈時間時開始計算該放行相位的入口流量、排隊長度、下一個要放行相位的排隊長度，通過模糊控制器綜合考慮是否繼續放行當前相位，模糊控制器做出決策。

3、如果繼續放行該相位就在最短綠燈時間的基礎上增加一個延長綠時間，否則就放行下一相位。

4、每一相位放行時間到達最大時間時就自動強制轉換下一相位。

5、這樣循環控制形成周期、綠信比隨交通狀況實時變化的控制方案。城市交通信號模糊控制把城市交通模糊控制器與交通流生成、交通車輛延誤綜合考慮的周期循環控制。要進行城市交通信號模糊控制需要幾個重要的組成部分：交通流、車輛檢測器、模糊控制器、交通延誤。計算具體的框架如下圖：

該控制過程通過交通流生成模型生成一定的交通流，生成的交通流通過車輛檢測器可以檢測監視得到綠燈相位的排隊長度、綠燈相位的入口流量、紅燈相位排隊長度三個城市交通模糊控制器的輸入量；將該輸入量輸入模糊邏輯控制器后，可以得出該時段的控制策略；對交通信號進行控制；對交通信號控制同時會對交通流產生影響，形成新的交通流繼續以上的循環可以對一定時段的交通信號進行控制。

第二篇：人工智能在城市交通信號控制中的應用

五邑大學智能交通讀書報告

人工智能在城市交通信號控制中的應用

五邑大學信息工程學院

2012年4月

目錄

摘要

Abstract 第一章緒論

1.1研究背景

1.2智能交通系統簡介

1.3城市交通信號控制概述

1.4國內外城市交通信號控制的發展歷程

1.5城市交通信號燈控制的發展方向

第二章 城市智能交通控制的基本理論

2.1模糊邏輯(Fuzzy Logic)

2.2人工神經網絡(Artificial Neural Networks)

2.3遺傳算法(Genetic Algorithm)

2.4蟻群算法(Ant Colony Optimization)

2.5粒子群算法(Particle Swarm Optimization)

2.6多智能體技術(Multi-agent)第三章 多智能體技術介紹

3.1智能體(Agent)

3.2 Agent的結構

3.3 Agent的分類

3.4多智能體系統在交通控制領域的優越性

第四章

基于RBF神經網絡的單交叉口自學習控制系統

4.1引言

4.2問題描述

4.3控制器的設計及其算法

4.3.1基于神經網絡的單交叉口模型 4.3.2 RBF神經網絡 4.3.3神經網絡自學習方案

4.4仿真分析

第五章結論與展望

5.1 總結

5.2 展望

摘要

隨著社會的進步，城市化進程加快，城市人口和車輛日益增多，城市交通問題日益突出，嚴重影響城市發展。先進的城市交通信號控制系統能提高現有道路的通行能力，改善交通狀況，達到疏導交通、保證交通安全、暢通，智能交通系統就是其中之一，智能交通系統的發展，城市交通信號控制己成為最重要的研究方向。由于城市交通的復雜性，采用傳統的控制方法己無法有效地解決交通信號控制問題，本文研究人工智能控制的方法在城市交通信號控制中的應用。

關鍵詞: 交通信號控制，人工智能，ITS,神經網絡，模糊理論，相序優化

第一章

緒論 1.1研究背景

城市交通是城市經濟活動的命脈，對城市經濟的發展，人民生活水平的提高起著十分重要的作用。從1886年第一輛小汽車在德國問世，增加了人類在交通領域的機動性，便捷性，同時促進了城市道路和高速公路的發展。隨著汽車工業的迅速發展，汽車己經成為人們日常生活中必不可少的交通工具。現在，人類社會的科學技術和經濟力己經發展到了相當高的水平，機動車輛迅速增加，有關資料表明:1978年至1995年全國城市機動車的保有量的增長速度是道路增長速度的80倍。從70年代末起，我國城市汽車擁有量以每年平均12%-14%的速度增長。1978年，我國民用汽車總量僅有135.84萬輛，到2001年超過1845萬輛，機動車總數達到6852萬輛。其中，私人汽車由1985年的28.45萬輛增加到770萬輛，這些民用汽車特別是私人汽車，多集中在我國的城市地區，而且增長趨勢迅猛。

汽車工業雖然給人們帶來各種便利，但是也給城市交通帶來了沉重負擔，城市道路交通供需的嚴重不平衡已經成為各大中城市所共同面對的嚴重問題，特別是在大城市，交通堵塞現象時有發生，這不僅影響城市的正常運轉，而且明顯降低了人們的日常工作效率。據統計，現在全國32個百萬人口以上的城市中，有27個城市的人均道路面積低于全國平均水平。每年由交通堵塞造成的直接經濟損失大約1600億元;相當于國內生產總值的3.2%121.由此產生了一系列的問題，如環境污染、交通擁擠、交通事故頻發等，給人們的生命和財產帶來了很大的損失。

2001年，全國共發生交通事故70多萬起，10萬多人死亡，受傷人數50萬人，直接經濟損失達30億元。近五年，全國道路交通事故起數上升了32.5%，死亡人數上升了85%，受傷人數上升了42%。目前，機動車污染己經上升為我國城市大氣和噪聲的主要污染源。例如，北京市汽車排放的一氧化碳、碳氫化合物、氮氧化物已占總排放的40%-75%。廣州市與交通有關的排放占一氧化碳總排放的87%和二氧化氮的67%。據國際衛生組織1998年公布的調查報告，在全球空氣污染最嚴重的10個城市中，我國就占了7個，包括太原、北京、烏魯木齊、蘭州、重慶、濟南、石家莊.為了解決上述交通問題，修建更多的道路是最直接和最有效的方法。然而，修建新路的巨額資金和城市有限空間的嚴格限制，使這一方法的有效性大打折扣。近年來，世界各國都非常重視日益嚴重的交通問題，投入大量人力物力對道路交通運輸系統的管理與控制技術進行開發，相繼出現了許多不同的交通控制手段和系統，為緩解交通擁擠發揮了巨大的作用。

在以上諸多交通問題中，城市交通問題是困擾城市發展、制約城市經濟建設的重要因素。隨著城市中的交通線承擔了更大量的交通負荷，現有的設施、道路，特別是交通線中承受著高負荷的交叉口，已經很難適應這種發展速度，變得越來越擁擠，成為道路交通的瓶頸，因此采用先進的科學技術手段對城市交叉路口的交通燈實施合理優化控制，對改善城市交通狀況有很大的作用。1.2智能交通系統簡介

近年來，迅速發展起來的智能交通系統(Intelligent Transportation Systems，簡稱I ONTSj有別于傳統的交通改善技術，它是國際上對運用當代高新科技(計算機、信息、通信、自動控制、電子、系統工程等)提高交通運輸效率、增強交通安全性的一系列先進技術或技術集成(交通控制與線路導行系統、車輛行駛安全控制系統、交通運輸信息服務系統等)的一個統稱。

作為基礎設施，道路交通運輸支撐著人們的日常生活和經濟活動，對社會發展起著十分重要的作用;然而不斷發生的交通事故、持續的交通擁擠以及交通發展所引起的空氣污染、環境破壞也逐漸成為倍受關注的嚴重社會問題。智能交通系統被認為是緩解這一問題的極具潛力的方法。發達國家從20世紀60年代就開始從事這一領域的研究和開發，并取得了不少有價值的成果。據統計，智能交通運輸系統技術的應用可以減少10%的廢氣排量，20%的交通延時，30%的停車次數。美國Los Angels地區和Texas州在智能交通系統方面投資的效益一成本比率分別是16:1和22:1，收益非常顯著。而這一切，都是在基本上沒有進行道路改建和引入新的高速車道的情況下取得的。投資ITS所帶來的收益可見一斑。

智能交通系統開發的領域主要包括:居民出行與貨物運輸需求智能誘導系統、交通流優化與運輸組織智能化方案生成系統、綜合交通樞紐協調疏導信息系統、先進的交通管理系統、車輛運營智能調度管理系統、智能公共交通系統、智能大城市公共交通運輸服務系統、貨物運輸智能型配載運輸服務等

我國在20世紀70年代末就已經開始在交通運輸和管理中應用電子信息技術。此后的20多年里，在政府的支持與堅持自主開發的基礎上通過廣泛的國際交流與合作，在ITS領域進行了初步的理論研究、產品開發和示范應用，并取得了一定的成果。一批從事ITS研究 開發的研究中心和生產企業通過理論與實踐相結合正在成長。國家科技部1999年批準建立了國家ITS工程技術研究中心(ITSC)2000年又批準建立了國家鐵路智能運輸系統工程技術研究中心。許多大學和研究機構也紛紛組建ITS研究中心，從事ITS的理論研究和產品研發，例如東南大學ITS研究中心、武漢理工大學ITS研究中心、吉林大學ITS研究中心、北京交通大學ITS研究中心、同濟大學ITS研究中心、華南理工大學ITS研究中心等[121。中國交通領域和IT行業的很多企業被ITS巨大的高新技術市場所吸引，紛紛涉足ITS領域進行其產品的開發研究和推廣應用，將先進的智能控制技術、信息融合技術、智能信息處理技術與交通工程結合起來，己成為一個嶄新的研究方向

為協調和引導中國ITS的發展，2001年初國家科技部會同當時的國家計委、經貿委、公安部、鐵道部和交通部等部門，聯合成立了全國ITS協調指導小組及辦公室，并成立了ITS專家咨詢委員會負責組織研究中國的ITS發展總戰略、技術政策和技術標準，積極支持有 關部委、地方、企業及科研單位，根據行業和地區特點開展ITS的關鍵技術研究與應用示范工程，促進ITS研究成果的產業化。1.3城市交通信號控制概述 按照控制原理的不同，傳統的交通信號控制分為定時控制和感應控制.定時控制按事先設定的配時方案運行，根據交通量歷史數據進行配時;感應控制是某相位綠時可根據車流量的變化而改變的一種控 制方式，其中車流量可由安裝在平面交義日進日道上的車輛檢測器測量.一者的控制策略均是基于簡單的數學模型，由于城市交通系統中被控對象的不確定性、隨機性和過程機理復雜性，現場車輛檢測存在 誤差，建立精確的數學模型非常困難，這就造成了算法本身就有一定的缺陷.除此之外，即使經多次簡化建立的數學模型，它的求解還須簡化計算才可完成.對于交通系統這樣時變的復雜系統而言其效果往往差強人意.隨著人工智能研究熱潮的興起，人工智能方法為智能交通系統的研究提供了堅實的理論基礎.針劉傳統交通控制的固有缺陷和局限性，許多學者將模糊邏輯、神經網絡、遺傳算法、蟻群算法、多智能體技術等人工智能基礎研究方法同傳統的交通控制方法結合應用.一方面，交通系統結構復雜、影響因素多、隨機性很強的，利用數學方法解決交通問題的難度很大，所建立的模型往往過于復雜，難于求解，同時交通流系統的多樣性也很難用一種或兒種模型來體現;另一方面，交通系統又是一個動態的時變系統，交通竹理與控制的實時性要求非常高.因此，從實際情況出發，基于數學描述的交通竹理控制方法難以滿足在線實時控制的要求，可操作性較差.而人工智能的方法(包括模糊邏輯、人工神經網絡、遺傳算法等)，借鑒人類求解問題的方法，通過知識的表達、推理和學習解決復雜的問題，將以往用純數 學來描述交通系統轉變為用知識或知識與數學模型相結合來描述.1.4國內外城市交通信號控制的發展歷程

1868年英國在倫敦市首次使用了燃汽信號燈，用于管理城市交通，這種信號根據鐵路信號顯示方式由紅燈與綠燈組成，這標志著城市交通信號使用的開始[[141。這時交通警察大多使用手提式照明燈來指揮交通。1914年，美國在克利夫蘭城安裝使用了人工操作的電氣照明信號燈，六年后被日本采用，十年后被英國采用，這種信號設置在交叉口中央的信號塔上，四個方向均有直徑為37.5cm的紅、綠、黃三色的圓形投光器。許多國家采用后又逐漸給予了改進。1926年，世界上第一臺自動控制街道交叉路口的交通信號機在英國研制成 功并開始使用，它采用固定周期控制方式，隨后又出現多時段固定周期控制方式。1928年，美國研制成功車輛感應式交通信號燈，使用橡皮管氣壓式檢測器。幾年后被英國、日本采用。在交通信號不斷改進和發展的同時，用于多個路口協調統一控制的交通信號控制方式 也在不斷進步。1917年，美國鹽湖城安裝使用了人工控制的干道信號協調系統。1922年，美國休斯敦市建立了一個采用電子計時器的干道信號協調系統。1928年，美國研制成功一種靈活的步進式定周期干道信號定時系統，由于其技術簡單，可靠性高，價格低廉，很快 被英國、前聯邦德國、日本等國廣泛應用。

隨著交通信號感應控制技術和電子計算機技術的發展，1952年在美國丹佛城出現了采用模擬電子計算機的交通信號控制系統，該系統將單一交叉路口的交通感應控制概念應用于街道交通信號化網絡，并用車輛檢測器向控制中心輸入交通流數據，用模擬電子計算機 進行數據處理，然后再調整各交叉路口的交通信號程序。在隨后的11年間，美國建立了100個這種信號控制系統。1963年加拿大多倫多市投入了由IBM650型計算機控制的交通信號協調控制系統，這標志著城市道路交通控制系統進入了一個新的階段。其后，美國、英國、前聯邦德國、日本、澳大利亞等國家相繼建成數字電子計算機區域交通控制系統，這種系統一般還配合交通監視系統組成交通管制中心。到八十年代初，全世界建有交通管制中心的城市有300多個。1.5城市交通信號燈控制的發展方向

越來越多的資料顯示表明，城市交通信號控制的研究主要體現在以下三個方面:

(1)人工智能(AI)在城市交通信號控制問題中的應用有利于提高當前交通信號控制系統的性能

最近，越來越多的人們開始把注意力集中在人工智能技術應用于交通工程問題上。城市交通信號控制系統在操作方面分為三個重要階段，即交通數據采集、數據分析與處理、判斷與控制。從數據采集和處理，到確定最好的控制動作，以及到動作的實施，關鍵是全面提高信息決策過程的質量。這些都和相當多的專門知識有關，在很大程度上涉及相關的規章制度，并且受限于現實中的實際約束。歸納上述問題，用AI途徑來提高相應的基本職能是可能的。綜合起來，難題集中于精確交通信號方案選擇體系，交通信號方案選擇體系在歐洲己經被廣泛用于UTCS田rban Traffic Control System)中。(2)利用離散時間、滾動區域法(rolling horizon)研究交通信號控制系統

滾動區域法利用最近檢測到的數據，對系統現行狀態(主要是各個路口的現行排隊長，進行估計，為滾動區域的持續時間內搜尋一種優化信號控制方案。滾動區域的時間必須足夠長，時間分為兩部分，前一段時間執行滾動區域法的優化方案。在滾動區域法的最后一 段時間內，以終端代價函數的形式驗證滾動區域法基礎上優化的信號方案。若滿足要求，則繼續執行該方案，否則停止執行，重新優化信號方案。Robertson和Bretherton于1974年最初提出了離散時間滾動區域法，至今該領域的主要研究及發展，大多在歐洲國家。用戶網絡的離散時間、滾動區域法信號控制系統有待于研究。

(3)分散控制系統仍是未來的一個研究方向

分散控制系統相對集中控制系統來說可以減少信道負載，減少網絡控制中災難性失效。因此，這種控制系統仍是未來研究和發展的一個重要方向。

第二章 城市智能交通控制的基本理論

從應用上來看，日前具有代表性的城市交通控制系統中，英國的SCOOT屬于集中式控制系統，澳大利亞的SCAT和德國的MOTION為遞階分層分布式控制系統，但這些系統及其體系結構未考慮到如 何實現控制方式或控制模式多元化及其傳統控制方法與人工智能技術集成的問題.西班牙的D.M.Aymerich和法國的G.S cemama對這些問題分別進行了有益的研究和探索，但這些系統的體系結構只強調繼承和利用現有的交通系統而不能自成體系，難以體現系統的分層遞階特征，有一定的局限性.從理論研究上來看，傳統的城市智能交通控制方法是通過對城市交通系統建立一定的數學模型，然后運用最優控制理論來求解控制變量.在這類方法中，為了簡化問題和解決某些數學技術上的具體限制，在建模時通常需要對模型進行理想化和一些不確定條件的人為設定，而這些簡化與現代城市，尤其是特大型城市的交通系統所具有的非線性、動態時變性等特點是相矛盾的，因此造成了所用最優方法在實際 中并非最優，或者面對大規模城市無法對交通數據進行實時有效的計算等缺點.新的技術和方法的引入顯得十分必要和非常迫切，計算機的出現和廣泛應用促成了人工智能研究熱潮的掀起，而這又必然會導 致包括系統體系結構及控制策略等各方面的調整和改進.許多專家學者從智能控制的角度出發，利用模糊邏輯、人工神經網絡等理論來研究這個問題.2.1模糊邏輯(Fuzzy Logic)

模糊邏輯是一種處理不確定性、非線性等問題的有力工具，它與人類思維的某些特征相一致，因此，嵌入到推理技術中具有良好效果.模糊邏輯不需要獲取模型中的復雜關系，不需要建立精確的數學模型，是一種基于規則的智能控制方式，特別適用于具有較大隨機性的城市交通控制系統.1976年，Pappis和Mamdani就將模糊邏輯用于單路日的交通控制，其仿真結果表明比用傳統的控制方法平均減少車輛延誤7%左右.我國學者徐冬玲等人則把模糊邏輯用于單路日信號月‘控制，并用神經網絡實現模糊控制，仿真表明控制結果合理、迅速.崔寶俠等在雙模糊控制器隴調控制交通信號的基礎上，采用模糊推理來替代函數模型，根據輸入輸出量的大小改變模糊控制器的輸入輸出變量的論域范圍;該算法更加方便地實現了控制器自調整和自適應，車輛平均延誤時間改善4.68%至12.24 %.當車流量有突變時，改善效果更明顯 2.2人工神經網絡(Artificial Neural Networks)人工神經網絡是模擬生物的神經結構及其處理信息方式的一種算法.它具有自適應、自組織和自學習能力，在認知處理、模式識別等方面有很強的優勢，最顯著特點是具有學習功能.人工神經網絡適用于非線性時變性系統的模擬與在線控制，I I適合于交通控制系統這一非線性、時變系統。

1991年，Nahatsuji和Terutoshi通過訓練的一個神經網絡使其給出某單個交義日的最優綠信比，后來又把研究工作打一展到3個交義日上.C.J.Barnard等利用BP網絡模型，分別以交通流密度和不同相位的綠時作為輸人、輸出，直接建立起交通模式與信號方案之間的內在聯系，從而實現了以交通流最優化為日標的二相位孤立交義路日的自學習動態適應性控制系統[}}}.C.Ledoux則提出了基于神經元網絡的實時適應性城市交通信號控制系統的交通仿真模型[lob.許倫輝等針對城市交義日交通流的分布特點，考慮相鄰車道上車輛排隊長度，利用多層BP神經網絡實現了道路交義日多相位模糊控制，給出一種自適應交義日多相位控制算法，仿真結果表明，模糊神經網絡控制器能有效的減少交義日平均車輛延誤，具有較強的學習和泛化能力[f51.張康等提出了“車流阻塞參數，的概念，用模糊神經網絡訓練其信號控制規則，仿真結果表明，控制效果有明顯提高flll.日前越來越多的路日采用了多相位信號控制，而目控制規則一經確定就不再改變，即不具備實時學習的功能.因此，對于交通狀況復雜的多相位路日，很難取得滿意的效果.2.3遺傳算法(Genetic Algorithm)

遺傳算法是運用仿生原理實現在解空間的快速搜索，廣泛應用于解決大規模組合優化問題.它是一種比較先進的參數尋優算法，對于不易建立數學模型的場合其實用價值較為突出，是以同樣適用于交通系統。

1997年，Kiseok和Michael等應用遺傳算法對交通網絡內的交義日信號相位進行設計，在交義日形成的沖突點，結果顯示該方法給出的相位方案要優于TRANSYT給出的方案.同年，C Q Memon等人給出了利用遺傳算法進行信號配時方案設計的研究結果.陳小鋒針對典型的多車道雙向交義路日的交通流分布，建立四相位控制的動態交通控制模型，采用遺傳算法同時對信號周期時長和相位綠月‘持續 時間進行優化’.承向軍對到達車輛數日進行模糊分類，將不同數量車輛的信號控制決策方案以規則集形式存儲在知識庫中，利用改進的遺傳算法，對交義日信號模糊控制器的模糊規則進行優化，建立了 新的優化算法.顧榕等將免疫遺傳學思想運用到交通信號控制中，提出一種新的相位配時優化算法，將平均延誤時間由76.7S降至36.4S，實驗結果充分驗證了該算法處理交通配時優化問題的可行性和有效性.李艷利用改進的遺傳算法對交義日信號模糊控制器進行優化，建立新的配時優化算法，仿真結果比Pappis方法性能提高了21%}IB}.2.4蟻群算法(Ant Colony Optimization)蟻群算法是一種模擬進化算法，它是一種求解組合最優化問題的新型通用啟發式方法，該方法具有，反饋、分布式計算和富于建設性的貪婪啟發式搜索的特點.聞育應用蟻群算法搜索各路日的最優信號燈相位序列，對算法復雜度作了理論分析，并通過仿真實驗與單路日感應式信號控制技術進行比較，結果表明效果較好，總停車時間降低7.2%}19}.聞育還提出 一種基于改進蟻群算法的降階滾動優化算法，基于宏觀交通流模型建立了區域交通控制滾動優化模型，在蟻群算法中設計了層狀解結構圖，應用降階方法將大規模區域分解為一系列了區域，仿真結果顯示，區域滾動優化控制比感應式控制的總停車時間下降了8.2% 2.5粒子群算法(Particle Swarm Optimization)粒了群優化算法是由Eberhart博士和kennedy博士于1995年提出，是基于對鳥群、魚群捕食的行為模擬研究而來.同其他基于群智能((Swarm Intelligence)的隨機優化算法相比，PSO算法具有收斂速度 快、設置參數少、程序實現異常簡潔、具有深刻的智能背景等特點。

瞿高峰以交義日車輛平均延誤和停車次數最小為日標，建立信號控制交義日配時模型，運用粒子群優化算法求解該模型，結果表明比傳統方法更優，車輛停車次數略有增加，通行能力略有下降，但停車延誤時間大大下降低，由23.97S下降至14.27 S }22}.這表明運用粒子群優化算法解決交義日配時問題是有效和可行的.付紹呂，黃輝先提出在自適應粒子群算法中引入變異算子建立離散交通信號控制模型，以更新粒了群算法的個體極值點和全局極值點，仿真表明該混合算法可解決易陷入局部收斂的缺陷并能有效實現交通信號優化控制傅惠等提出了基于粒子群優化的城市關聯交義日群信號控制策略，根 據粒了群優化思想求解信號控制參數.仿真實驗證實，基于粒了群優化的關聯交義日群信號控制策略有效 2.6多智能體技術(Multi-agent)智能體技術由M insky在1986年首次提出，一般認為:智能體指駐留在某一環境下，能持續自卞地發揮作用，具備駐留性、反應性、社會性、卞動性等特征的計算實體.隨著車輛數和城市路網規模的增 大，信號控制系統的復雜性增大，同時由于交通流在信息、控制方面固有的分布性，采用多智能體系統構建城市交通控制系統的計算環境己成為交通系統隴調控制的熱點

國外對智能體在交通中的應用早有報道，如B urmeiste:提出多智能體在交通運輸中應用的思路。Roozemond分析了智能體、神經網絡和分布式人工智能在城市交通控制應用的前景和價值Goldman提出了一個基于多智能體的增量4.補學習的路日控制器[28].Choy等采用一種復雜的模糊神經網絡進化混合系統來構造分層分布式交通控制多智能體系統，各個智能體利用模糊系統的推理能力、神經網絡的學習能力來進行實時決策.各層智能體的感知過程能通過在線強化學習進行調整.國內一些學者也對智能體在交通控制中的應用作了一些嘗試性研究，馬壽峰等提出了單個路日的基于Q學習的交通信號控制Agent，并在此基上研究了基于對策論和社會規則的多智能體隴調方法陶志祥對基于Agent的分層遞階控制結構進行了概述。高海軍以博弈論為基礎，提出了交通控制Agent之間的區域隴調模型及算法[[32].李瑞敏結合城市交通控制與誘導系統集成的特點，研究了基于多智能

體系統的城市交通信號控制與動態誘導集成化的系統結構和兩類相b_作用的智能體模型結構.趙建有等提出了人、車、路、交通竹理系統的交通系統Agent結構，并提出了路日Agent-區域控制中心Agent-卞控制中心Agent的二級交通控制結構郭建鋼、伍雄斌等提出了基于遺傳算法和多智能體技術的交通系統隴調控制的建模方法以及建模過程應注意的問題，并實例驗證，得到可降低車均延誤12%,縮短周期時長27.2%的結論[[35-37].劉虹秀等提出了基于多智能體的隴調方法，該隴調方式能適應牢時今什的奪誦環靖，曲調方式誦信普川高的缺占.第三章 多智能體技術介紹

3.1智能體(Agent)隨著計算機技術和人工智能的發展，集中式系統己不能完全適應復雜大系統研究的發展需要.并行計算和分布式處理技術(包括分布式人工智能)應運而生，并在過去20多年中獲得快速發展.近10年來，智能體和多智能體系統的研究成為分布式人工智能研究的一個熱點，引起多種不同等領域科技工作者的濃厚興趣，為分布式系統的綜合、分析、實現和應用開辟了一條新的有效途徑，促進了人工智能和計算 機軟件的發展 3.2 Agent的特點

有關Agent的概念可追溯到1977年Hewitt提出的并發的演員(actox)模型，在該模型中，Hewitt提出了自我包含、相勻_作用、并發執行的對象一演員，該對象中具有某些被封裝的內部狀態并可對來自其它類似對象的消息進行響應.而Agent一詞最早可能由M.Minsky所提出，他在1986年出版的”Societyof Mind”中引入了“society“III”Soclal Behavor”的概念.認為個體存在于社會中，社會中的個體在有矛盾的前提下可通過隴商或者競爭的方法對問題進行求解，并將這些個體被稱為‘`Agent".日前，普遍認為Agent是一個持續、自治運行的實體，按照Y.S hoham的觀點，Agent是一個包含諸如知識(knowledge)、信念(beliefs、承諾(commitments蹄I I能力(capabilities)等精神狀態(mental-state)的 實體.雖然不同的研究者對Agent有著這種或那種的解釋，但其卞要具有以下特點: 1）自治性(autonomy）Aegnt能根據外界環境的變化，而自動地對自己的行為和狀態進行調整，而不是僅僅被動地接受外界的刺激，具有自我竹理自我調節的能力.2)反應性(xeactive)與面向對象的方法相似，agent能對外界的激勵作出反應的能力.3)卞動吐(pxoactive）

對于外界環境條件的改變，agent能卞動采取活動的能力.4)社會性(social）

Agent所具有的與其它Agent或人進行合作的能力，不同的Agent可根據各自的日的意圖與其它Agent進行交流，以達到問題解決的日的.除了以上的基本特性，Agent還包括一些其他的屬性:

推理能力:Agent AJ以根據當前的知識和經驗，以理性的、可再生的方式推理或推測.規劃能力:Agent A丁以根據日標、環境等的要求，至少對自己的短期行為做出規劃，具有生成規劃的能力.學習和適應能力:Agent A丁以根據過去的經驗積累知識，并目修改其行為以適應新的環境.3.2 Agent的結構

建立Agent的結構是應用Agent技術的基礎，關于Agent模型結構的研究是日前卞要的研究領域之一對于Agent的模型構成，存在著各種不同的觀點.一般認為一個Agent應包括感知器、決策控制器、精神狀態、知識庫、通信器等兒部分組成.BDI模型是一被普遍接受的Agent精神狀態模型，它認為Agent的精神因素包括信念(belie、愿望(desire)、意圖等部分組成，其本質上要解決的問題是如何確定Agent的目標以及如何實現這個目標。3.3 Agent的分類

Agent作為一種新興的計算機軟件開發方法，是一個相當大的范疇，從普通的人、動物、社會機構乃至普通的物體根據實際應用的不同，都可被抽象為Agent.根據Agent的功能和應用的不同，一般將Agent分為以下兒種類型: 合作Agent:卞要用在多Agent系統中，為完成自己的任務，能自動地與其它成員進行談判、信息交流等活動

界面Agent:強調自治性與學習能力，用于與用戶交4_的操作界面上，能自動地根據用戶的喜好特點，進行個性化設置，并能為用戶的操作提供必要的幫助.活動Agent:可以自由地在計算機網絡上移動，并與其它的計算機相4_作用，其卞要應用于計算機通訊方面.信息Agent:卞要用于網絡信息收集、查詢、整理，它將比日前使用的搜索工具更強大，能根據用戶的不同要求，提供詳細完備的資料.反應Agent:不包括任何內部符號處理模型，只是簡單地對外界刺激發生反應，卞要用于一些底層的、簡單的系統中.混合Agent:指具有兩種以上上述Agent的復雜Agent，由于結構復雜，日前應用相對較少.3.4多智能體系統在交通控制領域的優越性

多智能體系統是分布式人工智能研究的新領域.盡竹MAS在理論上還有很多值得深入研究的課題，然而它己經獲得十分廣泛的應用，涉及機器人、過程控制、柔性制造、遠程通信、網絡竹理、交通控制、電子商務、數據庫、遠程教育和遠程醫療等.其中將智能體系統技術用于交通控制是一個新的方向[0.由于交通控制拓撲結構的分布式特性，使其很適合于應用多智能體技術.運用多智能體系統進行交通系統調控制的優點有如下兒個方面:

(1)多智能體系統采用“由下向上”的設計方法，符合交通系統的形成規律.多智能體系統在原理上首先定義分散自卞的智能體，然后研究怎樣完成一個或多個實體的任務求解，所以多智能體系統采用了由底向上的設計方法.交通系統是一個包含了交通工具、交通設施、交通控制中心等多元素多層次的復雜系統.因此多智能體系統的設計方法完全符合交通系統的形成規律.(2)多智能體系統從功能上按層次化結構劃分的特點，符合交通系統的分布式特征.構成多智能體系統的不同種類的智能體從功能上按照層次化結構劃分，承擔不同的任務，相辦作完成系統的整體目標.交通系統的各組成元素分布在不同空間位置，按照層次化結構劃分.因此，多智能體系統適合交通系統這樣具有分布式特征的復雜系統的模擬研究.第四章

基于RBF神經網絡的單交叉口自學習控制系統

4.1引言

由于城市化速度的加快，機動車量的迅速增加，人們在賺取由機動車輛所帶來的巨額利潤以及充分享受汽車巨大便利的同時，也越來越受到交通擁擠和交通安全的困擾。隨著城市中的交通線上車流量的日益增加，現有的設施、道路，特別是交通線中承受著高負荷的道路交叉口，己經很難適應這種發展速度，變得越來越擁擠，成為道路交通的瓶頸，因此采用先進的科學技術手段對城市交叉路口的交通燈實施合理優化控制，對改善城市交通狀況具有很大的作用。

對于交叉口的信號控制，通常有兩種控制方式:一種是定時控制，即根據統計資料算出交通量，給出一個或多個(用于不同時段)控制方案，這種控制方法在交通流不大且較穩定的情況下是簡單有效的。但在交通擁擠且變化較大時，定時控制的效果比較差。另一種是感應控制，即根據布置在交叉口的傳感器感應到的車輛排隊長度來設置控制參數，感應控制在當車流量較小且無規律時，容易產生綠時分配不合理的現象，同樣也會降低路口的通行能力。而當車流量較大時則容易退化成定周期控制，從而失去感應能力。由于這些常用控制方法的缺點，一些人工智能的方法愈來愈引起人們的重視。

針對多相位單交叉口的神經網絡控制方法，已經有文獻提及。本章提出了一種利用RBF神經網絡來模擬交警控制思維的智能控制方法，并且加入了對控制狀況進行修正的評價準則，在模擬控制過程中，RBF神經網絡根據評價準則進行實時調節，因此這種神經網絡具有自學習功能。

仿真研究結果表明基于RBF神經網絡的交叉口自學習控制系統學習速度快，能有效提高多相位路口的通行能力，對車流的變化具有很強的適應性。4.2問題描述

城市單交叉路口的交通流如圖4-1所示，東、南、西、北四個方向，每個方向均存在左行、直行、右行三個車道車流。

圖4-1單交叉口交通流分布

考慮這個十字形的平面交叉路口具有四相位。每個相位對應的車流流向如圖4-2所示。

圖4-2四相位交叉口交通流控制圖

假設一位交通警察在該路口指揮交通，他可以根據這四個相位的車量排隊長度作為依據，按順序給各個相位分配通過時間。由于各相位在不同的時間段里到達車流量具有隨機性，根據交通情況，交警給各個相位分配的時間也會不斷變化。

由此可見，模擬交警的思維實際上可以將四相位的車輛排隊長度為輸入，以對應的信號周期時間和各個相位的綠信比為輸出構造一個神經網絡，然后將交警指揮某些具體交通流情況下的輸入輸出作為樣本訓練神經網絡。

4.3控制器的設計及其算法

4.3.1基于神經網絡的單交叉口模型

根據對四相位交叉口信號控制問題的描述可以確定神經網絡結構如圖3-3所示。該網絡由四個輸入分別對應四個相位的車輛排隊長度Ii，四個輸出分別對應信號周期T和各相位的綠信比(j =1, 2, 3, 4)

圖4-3神經網絡學習結構模型 4.3.2 RBF神經網絡

徑向基函數(Radial Basis Function, RBF)神經網絡由三層組成其結構如圖4-4所示。

圖4-4徑向基函數RBF神經網絡

隱層節點中的作用函數稱為基函數，一般采用的基函數形式為高斯函數:

式中:，x是n維輸入向量;

c，是第i個基函數的中心，與x具有相同維數的向量;

?

是第1個感知的變量，它決定了該基函數圍繞中心點的寬度;

m是感知單元的個數;4.3.3神經網絡自學習方案

(1)原始樣本的獲取

首先將已知的交警指揮經驗用符合上述神經網絡的樣本形式表示出來，然后用這些樣本訓練神經網絡，這樣該網絡就具備初步的控制交通的能力，可以將其用于實際交通控制中，但由于此時的網絡學習規則不具有遍歷性，所以需要有一個評價準則來對網絡的控制效果作出評價，并修改重新學習。

(2)評價準則

對于投入實際交叉口控制的神經網絡，評價準則要對其配時方法的控制效果作出評價，并修正信號周期和各相位的綠信比。設六個信號周期為一個評價周期，l為第1個信號周期結束時第.1個相位中所有方向車流的排隊長度之和;1'為一個信號周期結束時的J相位總的排隊長度;習為第i個信號周期內第.7個相位中所有方向放行的車輛總數;r;'為第i個信號周期內第J個相位中所有方向到達的車輛總數;所以，式中:當括號內的數小于0時，z=0，否則z=1，且有

一個信號周期過后J相位各個排隊長度:

一個信號周期過后四相位累計排隊長度:

然后計算這種交通情況下各相位的綠信比:

最后依據平均排隊長度的大小L，來確定周期T的增量△T，這里將設定5個檔次: L ,55, 55> L ,35, 35> L ,15, 15> L ,5, L <5對應的△T分別為15s, lose 5s, Os和一Sso

根據以上的評價過程，可以得到新的輸入輸出樣本，神經網絡對新樣本進行再學習。4.4仿真分析

本章按照前面所述的RBF神經網絡自學習控制方法，在Matlab語言環境中編程進行了仿真。在通過調查采集到的實際數據的基礎上分析交警指揮單交叉路口信號的控制規律，并從中選出在不同車流量情況下具有代表性的信號控制模式，形成40個神經網絡學習樣本，然后用RBF算法對神經網絡進行訓練，再用服從二項分布的隨機數來描述車流的到達情況。仿真研究時，取直行車道的飽和流量為1200PCUlh，左轉和右轉車道的飽和流量為1000 PCU/h。車流到達路口后，左轉、直行和右轉的比例分別為30%, 40%和30%。由上述學好的網絡進行控制，確定6個信號周期為一個評價周期，得到一個新的樣本。每隔20個評價周期，將得到的20個新樣本加入總的學習樣本集進行再學習。

訓練RBF網絡時，將網絡誤差設置為o.01，并通過自動增加徑向基神經元的方法來不斷減少網絡誤差，從仿真過程中可以看到，在神經元個數接近樣本個數時網絡收斂。

為驗證本章提出的RBF神經網絡自學習控制方案的控制效果，仿真運行中將其與定時控制方法以及BP神經網絡學習方法的控制效果進行了比較，結果如表3-1所示。可以看出，隨著車流量的增大，BP神經網絡與RBF神經網絡的控制效果明顯優于普通的定時控制方法。

神經網絡自學習控制方法效果比較

該仿真中也將BP神經網絡與RBF神經網絡的學習性能進行了對比，對于得到的不同樣本，RBF神經網絡都能快速學習，而BP神經網絡對于某些樣本的學習會陷入局部最優，達不到學習要求。這說明由于本文提出的RBF神經網絡信號控制方案具有自學習和逐步優化能力，因而其控制效果優于一般的智能信號控制方案。

第五章結論與展望 5.1 總結

城市交通信號的優化配時己經成為當前智能交通系統研究的熱點之一，由于交通系統是一個復雜時變的非線性系統，對其進行精確建模比較困難，因此采用各種智能優化算法來實現對城市交通信號的控制己成為一個比較熱門的研究方向。

本文以城市交通為研究背景，分別對單交叉口和交通干線的信號采用智能優化的方法來實現控制，取得了一些結果: 本文采用RBF神經網絡建立交叉口模型實現了單交叉口自學習信號控制系統。

系統通過模擬交警指揮交通的思維過程，能夠根據四相位交叉口各相位車輛的排隊長度，實時對各個相位的綠信比和總的信號周期進行分配，并且隨著交通狀況的變化，可以對信號配時效果作出調整，具有自學習功能。通過仿真與定時控制相比較，證明了基于RBF 神經網絡的單交叉口自學習控制系統的優越性。該方法能夠更好的適應實際交通狀況，提高交叉口的通行能力。5.2 展望

本文對城市智能交通信號控制系統進行了研究，取得了一定的成果。由于時間緊迫、本人的水平有限，研究工作需要進一步地深入，今后的工作將圍繞以下幾方面展開:

1.由于實際城市交通的控制問題，是一個區域的控制問題，所以，應進一步將智能優化算法應用到城市交通信號區域層面上的控制中去，即采用智能優化算法實現面控。

2.城市快速公交系統控制是當前的一個熱點，將城市交通信號控制與城市快速公交控制以及路徑引導結合起來研究將是一個很好的研究方向。

3.將所設計的控制算法真正應用到實際的城市交通信號中進行控制，以實際效果來檢驗算法的優劣。

第三篇：模糊控制優缺點

4模糊控制的優缺點及需要解決的問題分析 4.1模糊控制的優點

(1)使用語言方法, 可不需要過程的精確數學模型;(2)魯棒性強, 適于解決過程控制中的非線性、強耦合時變、滯后等問題;(3)有較強的容錯能力。具有適應受控對象動力學特征變化、環境特征變化和動行條件變化的能力;(4)操作人員易于通過人的自然語言進行人機界面聯系, 這些模糊條件語句容易加到過程的控制環節上。

4.2模糊控制的缺點

(1)信息簡單的模糊處理將導致系統的控制精度降低和動態品質變差;(2)模糊控制的設計尚缺乏系統性, 無法定義控制目標。4.3 模糊控制理論需解決的問題

模糊控制理論經過近幾十年的發展, 已經得到了廣泛的應用。但模糊控制理論也還存在一些不足, 還有一些亟待解決的問題, 歸納如下:(1)要揭示模糊控制器的實質和工作機理, 解決穩定性和魯棒性理論分析的問題。

2)很多應用和經驗表明, 模糊控制的魯棒性優于傳統控制策略。但模糊控制和傳統控制的魯棒性的對比關系究竟是怎么樣, 尚缺少理論分析和數學推導方面的比較。(3)模糊控制規則和隸屬度函數的獲取與確定是模糊控制中的?瓶頸&問題。目前模糊控制規則中模糊子集的一般選取都是以下3種: e= {負大, 負小, 零, 正小, 正大} = {NB, NS, ZO, PS, PB }或e =負大, 負中, 負小, 零, 正小, 正中, 正大= { NB, NM,NS, ZO, PS, PM, PB}或e= {負大, 負中, 負小, 零負,零正, 正小, 正中, 正大} = {NB, NM, NS, NZ, PZ, PS,PM, PB}, 而隸屬度函數通常選用的為三角隸屬度函數, 以第3種模糊子集為例, 對應的隸屬函數如圖3示。而規則中模糊子集及隸屬度函數的選擇大多數取決于經驗, 缺少相應的理論根據。

(4)在多變量模糊控制中, 需要對多變量耦合和?維數災&問題進行研究, 這些問題的解決與否將是多變量模糊控制能否廣泛應用的關鍵。

圖

3模糊化子集和模糊化等級

5模糊控制的發展趨勢

模糊控制的發展大致有以下幾個方向:(1)復合模糊控制器。繼續研究模糊控制和PID 控制器、變節構控制器、模糊H 控制器等的組合研究, 設計出滿足各種不同指標要求的控制器。

(2)和各種智能優化算法相結合的模糊控制。各種智能優化算法(如遺傳算法、模擬退火算法、粒子群優化算法等)能夠對模糊控制規則進行動態尋優, 故能在線修改模糊控制規則, 改善系統的控制品質。

(3)專家模糊控制。專家模糊是將專家系統技術與模糊控制相結合的產物。引入專家系統, 可進一步提高模糊控制的智能水平, 專家模糊控制保持了基于規則的方法和模糊集處理帶來的靈活性, 同時又把專家系統技術的知識表達方法結合起來, 能處理更廣泛的控制問題。

(4)多變量模糊控制。研究多變量模糊控制中存在著的多變量耦合和?維數災&等問題。

(5)很多公開發表的文獻對所設計模糊控制器的穩定性及魯棒性分析采用仿真實驗的方法, 而采用理論分析的較少。對混合模糊系統的穩定性及魯棒性分析一般有2種方法[ 5] : 第1 種方法利用模糊系統辨識的方法將控制對象變換為模糊模型表示,使整個系統變為純粹的模糊模型, 從而可采用模糊關系法及模糊相平面分析法等來檢驗系統的穩定性;第2種方法將控制器的模糊模型變為確定性的模型, 從而混合模糊系統變為常規的控制系統, 進而可采用常規的方法來對系統進行穩定性分析。例如

描述函數法、圓判據法、一般相平面法及線性近似法 等。而究竟采用模糊模型還是確定性模型則需要根據所設計系統的具體情況進行分析, 因此選擇合適的理論方法對所設計和模糊控制器進行穩定性及魯棒性分析也是模糊控制理論發展的方向之一。

結

束

語

文章對模糊控制理論的發展進行了簡要概述,對模糊控制的原理及模糊控制器的設計步驟進行了詳細介紹;對模糊控制在航空航天中應用(各種控制器的設計)進行了分析, 對模糊控制的優缺點及需要解決的問題進行了歸納和分析;最后對模糊控制的發展趨勢進行了展望。

第四篇：交通信號控制的基礎理論知識

第2章 交通信號控制的基礎理論知識

2.1交通控制的分類

城市交通控制有多種方式，其分類也有很多種。從不同的角度看有不同的劃分方式。

1、從控制策略的角度可分為三種類型

（1）定時控制:交通信號按事先設定的配時方案運行，配時的依據是交通量的歷史數據。一天內只用一個配時方案的稱為單時段定時控制，一天內不同時段選用不同配時方案的稱為多時段定時控制。根據歷史交通數據確定其最優化配時的方法webster(1958)，Bollis(1960)，Miller(1963)，Blunden(1964)，Allsop(1971)等人的著作中已有詳述。我國楊佩昆等學者也有這方面的研究成果。現在最常用的信號配時方法有:韋爾伯特法、臨界車道法、停車線法、沖突點法。定時控制方法是目前使用最廣的一種交通控制方式，它比較適應于車流量規律變化、車流量較大(甚至接近于飽和狀態)的路口。但由于其配時方案根據交通調查的歷史數據得到，而且一經確定就維持不變，直到下次重新調整。很顯然，這種方式不能適應交通流的隨機變化，因而其控制效果較差。

（2）感應控制:感應信號控制沒有固定的周期，他的工作原理為在感應信號控制的進口，均設有車輛檢測器，當某一信號相位開始啟亮綠燈，感應信號控制器內預先設置一個“初始綠燈時間”。到初始綠燈時間結束時，增加一個預置的時間間隔，在此時間間隔內若沒有后續車輛到達，則立即更換相位;若檢測到有后續車輛到達，則每檢測到一輛車，就從檢測到車輛的時刻起，綠燈相位延長一個預置的“單位綠燈延長時間”。綠燈一直可以延長到一個預置的“最大綠燈時間”。當相位綠燈時間延長到最大值時，即使檢測器仍然檢測到有來車，也要中斷此相位的通行權，轉換信號相位。感應式信號控制根據檢測器設置的不同又可以分為半感應控制和全感應控制。只在交叉口部分進道口上設置檢測器的感應控制稱為半感應控制，在交叉口全部進道口上都設置檢測器的稱為全感應控制。感應控制方法由于可根據交通的變化來調節信號的配時方案，因此比定時控制方法有更好的控制效果，特別適用于交通量隨時間變化大且不規則、主次相位車流量相差較大的路口。感應控制方法存在的缺陷在于，感應控制只根據綠燈相位是否有車輛到達而做出決策，而不能綜合其它紅燈相位的車輛到達情況進行決策，因此它無法真正響應各相位的交通需求，也就不能使車輛的總延誤最小。

（3）自適應控制:連續測量交通流，將其與希望的動態特性進行比較，利用差值以改變系統的可調參數或產生一個控制，從而保證不論環境如何變化，均可使控制效果達到最優。自適應控制系統有兩類，即配時參數實時選擇系統和實時交通狀況模擬系統。配時參數選擇系統是在系統投入運行之前，擬定一套配時參數與交通量等級的對照關系，即針對不同等級的交通量，選擇相應最佳的配時參數組合。將這套事先擬定的配時參數與交通量對應組合關系貯存于中央控制計算機中，中央控制計算機則通過設在各個交叉口的車輛檢測器反饋的車流通過量數據，自動選擇合適的配時參數，并根據所選定的配時參數組合實行對路網交通信號的實時控制。實時交通狀況模擬系統不需要事先貯存任何既定的配時方案，也不需要事先確定一套配時參數與交通量的對應選擇關系。它是依靠貯存于中央計算機的某種交通數學模型，對反饋回來的實時交通數據進行分析，并對配時參數作優化調整。配時參數的優化是以綜合目標函數(延誤時間，停車次數，擁擠程度及油耗等)的預測值為依據的。因此，它可以保證整個路網在任何時段都在最佳配時方案控制下運行。從總體來看，自適應系統的控制在很大程度上依賴于交通流數據的實時檢測，因此系統對交通檢測設備和交通數據傳輸設備的精度和可靠性要求很高。與定時系統相比，自適應控制系統的設備配置復雜得多，建設投資要高很多。

2、按照控制結構分類

可分為集中控制、分散控制和遞階控制。

（1）在集中控制中，控制中心直接控制每個子系統，每個子系統只能得到整個系統的部分信息，控制目標相互獨立。其優點是系統的運行的有效性較高，便于分析和設計;但若中心有故障，則整個系統將癱瘓。

（2）在分散控制中，控制中心控制若干分散控制器。每個分散控制器控制一個獨立的控制目標，即具體的子系統，此類結構的優點在于局部故障不至于影響整個系統，但全局協調運行較困難。

（3）遞階控制中，當系統由若干個可分的相互關聯的子系統構成，可將系統的所有決策單元按照一定優先級和從屬關系遞階排列，同一級各單元受到上一級的干預，同時又對下一級單元施加影響。此類結構的優點是全局和局部控制器性能都較高，靈活性和可靠性好。

3、按照控制方式分類

可分為方案選擇和方案生成。

（1）方案選擇式控制是在控制系統中存貯適合各種交通流狀況的多套配時方案，控制系統根據檢測器送來得實時交通流、占有率等數據從方案庫中選出一套控制信號燈的動作。這種控制方式在線計算量小，執行速度快，但由于存貯的方案數總是有限，因而只能找到比較適合當時交通流狀況的配時方案，而不是最優的。

（2）方案生成式控制能根據每個控制周期交通流的變動情況，自動進行信號周期、綠信比、相位差(甚至是相序)等控制參數的優化計算。此種控制方式在線計算量增大，但適應交通流變化的能力大大增強，能實現基于某個目標函數下的最優控制。方案生成式控制有多種形式，如自尋優控制、最優控制等。

4、按照控制范圍的不同分類 可以分為點控、線控和面控。

（1）點控:單點交叉口交通信號控制，通常簡稱為“點控制”。點控方式適用于相鄰信號機間距較遠、線控無多大效果時;或因各相位交通需求變動顯著，其交叉口的周期長和綠信比的獨立控制比線控更有效的情況。單路口的交通信號控制是最基本的交通控制形式，也是線控和面控系統的基礎，其目的是通過合理的信號配時，消除或減少各向交通流的沖突點，同時使車輛和行人的總延誤最小。單路口的交通信號控制主要分為定時控制、感應控制、實時自適應控制等，其中定時控制和感應控制是基本的交通控制方法。

（2）線控:線控方式是將一條主干道的一連串交叉路口作為控制對象。它要考慮這一連串交叉路口的交通流狀況，并對其進行協調控制。

（3）面控:面控方式是將城市中某個區域中的所有信號化交叉路口作為控制對象，其控制方案相互協調，使得在該區域內某種指標，如總的停車次數，旅行時間，耗油量等最小。

由于任何一個交叉路口都處于整個城市交通網的大環境中，所以為了能夠提高整個交通網絡的通行能力，今后交叉口研究方向將趨向于多路口協調控制即線控和面控。未來的交通信號控制仍然是點、線、面控制并存的形式。對于中小城市，仍將是點、線控制相結合的控制方式。對于大型城市，大多將采用網絡控制方式。智能交通系統將是今后研究的熱點。

2.2交通信號控制的主要控制參數

交叉口信號控制的參數主要包括周期、綠信比及相位。控制系統的控制目標就是要最佳地確定道路各交叉路口在車流方向上的控制參數，并付諸實施。2.2.1周期

指信號燈的各種燈色輪流顯示一次所需要的時間。也即各種燈色顯示時間之總和。它是決定點控制定時信號交通效益的關鍵控制參數。一般信號燈的最短周期長度不少于36秒，否則就不能保證幾個方向的車流順利通過交叉口。最長周期長度一般不超過120秒，否則，可能引起等待司機的煩躁或誤以為燈色控制已經失靈。適當的周期長度對路口交通流的疏散和減少車輛等待時間具有重要意義。

從疏散交通的角度講，顯然當交通需求越大時，周期應越長，否則一個周期內到達的車輛不能在該周期的綠燈時間內通過交叉口，就會發生堵塞現象。

從減少車輛等待時間的角度來講，太長或太短的周期都是不利的。若周期太短，則發生堵車現象。若周期太長，則某一方向的綠燈時間可能大于實際需要長度，而另外方向的紅燈時間不合理延長必然導致該方向車流等待時間的延長。正確的周期時長應該是，每一個相位的綠燈時間剛好使該相位各入口處等待車隊放行完畢。2.2.2綠信比

在一個信號周期中，各相位的有效綠燈時間與周期長度的比值。若設 tG為第i相信號的有效綠燈時間，則該相信號的綠信比?i為 c為周期長度，i?i?tGic（2.1）顯然，0??i?1綠信比反應了該信號相位交通流在一個周期中需要綠時的大小。綠信比的大小對于疏散交通流和減少交叉路口總等待時間有著舉足輕重的作用。通過合理地分配各車流方向的綠燈時間(綠信比)，可使各方向停車次數、等待延誤時間減至最小。2.2.3相位

在交通控制中，為了避免平面各交叉口上各個方向交通流之間的沖突，通常采用分時通行的方法，即在一個周期的某一個時間段，交叉口上某一支或幾支交通流具有通行權，而與之沖突的其它交通流不能通行。在一個周期內，平面交叉口上某一支或幾支交通流所獲得的通行權稱為信號相位。簡稱相位;一個周期內有幾個信號，則稱該信號系統為幾個相位系統。在相位的時間這一概念上，相位時間包括綠燈時間與黃燈時間。

2.3交通控制的評價指標

交通信號控制的目的是，就是采用合理的配時方案要使單個交叉口或交通網絡獲得良好的交通效益。評價交通效益的指標有:通行能力、飽和度、排隊長度、延誤、停車次數、停車率、油耗、行程時間等。目前，常用的交通效益指標是延誤、排隊長、通行能力。交通信號控制的評價函數可以由設計者根據需要進行選擇。

2.3.1延誤時間

延誤時間是指車輛在沒有交通信號和等待隊列的阻礙下行走所需的時間和實際的行程時間之差。延誤時間有平均延誤和總延誤兩個評價尺度。交叉口進道口所有車輛的延誤總計稱作總延誤;交叉口進道口每輛車的平均延誤稱作平均延誤。

2.3.2飽和度

某個交叉口進口的車流量與可從該進口通過交叉口的最大流量的比值，即際到達交通量與通行能力之比，就是該進口的飽和度。計算公式為: x?式中: q—進口的車流量;

q?s（2.2）

?—相應相位有效綠燈時間與周期時間的比值;s—進口的飽和流量。

2.3.3通行能力

通行能力是指在實際的道路條件、交通條件和控制條件下，在一定時間內通過進道口停車線的最大車輛數;交叉口的通行能力不僅與控制策略有關，還與實際道路條件(包括引道寬度、車道數、轉彎半徑、轉彎長度、引道坡度)和交通條件(車流量、車輛種類、拐彎車比例、車速、非機動車和行人干擾、車道功能劃分等)密切相關。通行能力是交叉口飽和程度的重要評價指標。在一定的道路條件下，信號控制路口的通行能力受信號周期的影響。在正常的周期長范圍內，周期時長越長，通行能力越大，但車輛延誤和油耗等也隨之越大。而且在飽和度相當小時，片面的追求通行能力的提高，只會無謂的增加油耗和車輛延誤，對交叉口的交通效益無多大意義。

2.3.4平均排隊長度

平均排隊長度是指在信號一個周期內各條車道排隊的最長長度平均值。各條車道最長排隊長度一般是指該車道的綠燈相位起始時的長度。

Lavg??lii?1nn（2.3）式中n為車道數。

平均排隊長度以周期為單位計算。某個周期平均車輛排隊長度與此周期平均車輛延誤的指標基本是一致的。

2.4交通流的基本參數

表征交通特性的三個基本參數分別是:交通量q、車流密度k和行車速度v。2.4.1交通量

交通量q是指在選定的時間段內，通過道路某一地點、某一斷面或某一條車道的交通實體數。交通量是一個隨機數，不同時間、不同地點的交通量都是變化的，交通量隨時間和空間變化的現象，稱之為交通量的時空分布特性。通常取某一時間段內平均值作為該時間段內的交通量，如式(2.4)所示。

1nq??qini?1式中: qi—規定時間段內的交通量；

（2.4）n—時間段數。

2.4.2車流密度

車流密度片是指某一瞬間單位道路長度上的車輛數目。

k?NL（2.5）

式中:k—車流密度(veh/km);N—路段內的車輛數(Veh);L—路段長度(km)。

車流密度大小反映一條道路上的交通密集程度。為使車流密度具有可比性，車流密度也可按單車道來定義，單位為:Veh/km/車道。2.4.3行車速度

行車速度v是指區間平均速度。即是指在某一特定瞬間，行駛于道路某一特定長度內全部車輛的車速分布平均值。當觀測長度一定時，其數值為車速觀測值的調和平均值。見式(2.6)。

nL v?1?(2.6)nn11ti?n?vi?1ii?1式中: L—路段長度;ti—第i輛車的行駛時間;n—行駛于長度為L路段上車輛數;vi—第i輛車的行駛速度;v—區間平均速度;交通流三參數之間的基本關系式為q?v?k。

2.5本章小結

本章首先對交通信號控制的分類進行了詳細的闡述，然后介紹了信號控制的基本參數，包括周期長度、綠信比和相位差。最后介紹了交通信號控制的評價指標和交通流的幾個參數以及它們之間的關系。對此我們將以平均延誤時間最短為目標，綜合交通信號的各項指標和參數，采用自適應控制對點線面交通進行智能控制。

第3章 城市路網結構

3.1路網幾何形狀描述 3.1.1路段幾何形狀描述

路段是組成路網的基本元素。路段的幾何形狀包括：起點、終點、長度、寬度、中間隔離帶、車道的數量、車道的走向、車道的寬度等。

路段由車道組成，車道按照走向分為兩類：上行車道組和下行車道組。兩組車道的方向相反，上行車道和下行車道在物理位置上相鄰，包含的車道數目多數情況下是相等的，如圖3.1所示。在路段上行走的車輛可以在上行車道組內切換車道，但是不能從上行車道組切換道下行車道組。如果將路段由兩個管道來描述，車輛可以自由地從一個管道進出，但是進入管道的車輛不能進入另外一個相鄰的管道，如圖3.2所示。

圖3.1路段車道示意圖 圖3.2路段管道示意圖

3.1.2交叉口幾何形狀描述

城市路網普遍存在兩種類型的交叉口：“＋”字交叉口和“T”形交叉口。對于“T”形交叉口與“＋”字交叉口類同且簡單一些，我們這里主要針對復雜一些的“＋”字交叉口作分析。如圖3.3 所示平面十字交叉口, 進口道分別編號為1，2，3，4, 車道分別編號為1，2，3，?16；圖3.4 為交通流具體示意圖。

圖3.3平面十字交叉口示意圖 圖3.4 交通流具體示意圖

3.2路網中交叉口相位劃分 城市交通中將長期存在大量的交叉口，雖然三維空間的立交橋是解決交叉口局限性的一種有效措施，但是立交橋占地面積大，對空間非常有限的城市而言不夠現實，而且立交橋造價昂貴。在交通不太緊張的區域，交叉口完全能夠應付。

在交通控制中，為了避免平面交叉口各個方向上交通流之間產生沖突，通常采用分時控制的方式。在一個周期的一段時間上，允許交叉口上某一支或幾支交通流通過，其他交通流上的車輛則不允許通過。一個周期內，平面交叉口上某一支或幾支交通流所獲得的通行權成為信號相位，簡稱相位。一個周期內有幾個信號相位，則稱交叉口為幾相位交叉口。

對相位的劃分不是越多越好，相位太多，會帶來一些問題。首先相位切換需要一定的時間，頻繁切換，會浪費交叉口的通行時間，影響通行率；再次，對與周期固定的交叉口，意味著相位的通行時間變短，這樣會導致沒有在綠燈時間通過的車輛承受較長的紅燈時間，影響駕駛員的情緒，增加交通安全隱患。3.2.1“T”型路口相位劃分

側支路段與主干道相連接形成“T”型路口，它是城市交通路網中普遍存在的控制點；城市小區與小區之間通常存在連通的路網，面積大的小區和面積小的小區并列時也會形成“T”型路口。圖3.5為“T”型口在時間上會發生沖突的相位分組：西路段上存在右轉交通流，不存在左轉交通流。東路段上存在左轉交通流，不存在右轉交通流，對所有右轉交通流和東路段上向西的交通流也不需要控制。相位1為西路段向東的交通流，相位2為南路段上向北左轉的交通流，相位3為東路段上向西左轉的交通流。

圖3.5“T”形路口單相位控制相位劃分示意圖

3.2.2“十”字路口相位劃分

如果不考慮進入“十”字路口的車很少存在相鄰路段返回的情況。“十”字路口應嚴格劃分為四個相位：東西直行相位，南北直行相位，東西左轉相位，南北左轉相位。所有右轉交通流不會與其他交通流發生空間上的沖突，所以不予控制，如圖3.6所示。

周期

圖3.6 信號控制的4種相位描述

3.3 路網中交叉口信號控制原理 現在城市中最常用的就是四相位的定周期控制策略，它可以較充分的描述路口的各種交通流狀態，同時這種四相位的控制模式也是現在研究最多的一種控制模式。四相位如圖3.7所示，第一相位為東西相位，第二相位為南北相位，第三相位為東西左轉相位，第四相位為南北左轉相位。在任何時刻，四個相位中只有一相處于通行狀態。檢測器對路口各個車道車流量進行實時檢測而獲取車流量信息，為模糊控制提供必要的數據。

圖3.7 “十”字路口單相位控制相位劃分示意圖

對于此交叉口，我們可以通過信號控制，只使相位1通行，而其他相位不通行；接著相位1通行一段時間后只使相位2通行；同理使相位

3、相位4依次處于通行狀態，從而使各相位都通行一次，使各相位的車輛都盡可能通行完。本文就是針對這種四相位模式應用模糊控制方法，既使控制效率得到提高，同時也盡可能的保持了大家原有的習慣，更便于應用于實際情況。

第五篇：第二章交通信號控制的基本理論

2交通信號控制的基本理論

本章首先給出了交通信號控制的基本概念，包括：信號相位，周期時長，綠信比，相位差，綠燈間隔時間，有效綠燈時間等，然后介紹了常用的交叉口性能指標以及計算方法，最后給出了常用交叉口的信號配時方法。這些研究為后面的信號配時模型及優化方法的研究奠定了理論基礎。2.1交通控制的基本概念

交叉路口信號配時參數優化，首先必須準確把握和理解交通控制中的一些基本概念。下面對信號配時設計中部分參數作一介紹。

(l)信號相位：在一個信號周期內，具有相同的信號燈色顯示的一股或幾股交通流的信號狀態序列稱作一個信號相位。信號相位是按車流獲得信號顯示的時序來劃分的，有多少種不同的時序排列，就有多少個信號相位。每一個控制狀態，對應顯示一組不同的燈色組合，稱為一個相位。簡而言之，一個相位也被稱作一個控制狀態。以四相位為例如圖所示：

相位1

相位2

相位3

相位4

圖1 四相位信號相序控制示意圖

(2)周期時長：信號燈發生變化，信號運行一個循環所需的時間，等于綠、黃、紅燈時間之和；也等于全部相位所需的綠燈時間和黃燈時間(一般是固定的)的總和。周期過長時，等待的人容易產生急躁情緒，因此通常以180秒為最高界限。

圖1 第一、三配時表

(3)綠信比：是指在一個周期內(對一指定相位)，有效綠燈時間與信號周期長度之比。

(4)相位差(又叫綠時差或綠燈起步時距)：相位差是針對兩個信號交叉口而言，是指兩個相鄰交叉口它們同一相位綠燈(或紅燈)開始時間之差。

它分為絕對相位差和相對相位差。相對相位差是指在各路口的周期時間均相同的聯動信號系統中，相鄰兩個交叉路口協調相位的綠燈起始時間之差。絕對相位差是指在聯動信號系統中選定一標準路口，規定該路口的相位差為零，其他路口相對于標準路口的相位差叫絕對相位差。

(5)綠燈間隔時間：是指從失去通行權的相位的綠燈結束，到下一個得到通行權的相位綠燈開始所用的時間。綠燈間隔時間的長短主要取決于交叉口的幾何尺寸，因此，要確定該時間的長度就必須首先考慮停止線和潛在沖突點之間的相關距離，以及車行駛這段距離所需的時間。

(6)有效綠燈時間：是指被有效利用的實際車輛通行時間。它等于綠燈時間與黃燈時間之和減去損失時間。損失時間包括兩部分，一是綠燈信號開啟時，車輛啟動時的時間；還有綠燈關閉、黃燈開啟時，只有越過停止線的車輛才能繼續通行，所以也有一部分損失時間，即為綠燈時間減去啟動時間加上結束滯后時間。結束滯后時間是黃燈時間中有效利用的那部分。每一相位的損失時間為啟動延遲時間和結束滯后時間之差。

在實際工作中，損失時間的精確計算是非常困難的，也沒有必要。通常取綠燈時間代替有效綠燈時間 2.2交通信號控制類型簡述 2.2.1定時控制

(l)定義

依據交通量歷史數據進行配時，交通信號按照配時方案運行，一天只按一個配時方案的配時方法。定時控制是單個交叉路口最基本的控制方法。

(2)適用條件及優點

定時控制適用于交通流量變化模式基本固定，并可以預測的情況，其因信號啟動時間可取得一致而有利于同相交通信號協調。它的優點在于便于執行，對控制系統的硬件要求較為簡單。由于路網上各個交叉路口的信號配時參數都是預先確定的，因此不必在執行中根據實時交通狀況作任何調整，也不需要采集實時交通數據和反饋，使得各種費用使用較低。

(3)缺點 首先，定時控制中的配時方案都是根據歷史性交通資料，事先經過脫機計算建立起來的。然而，路網上交通狀況如車流量的分布，流量大小及流向，不可能長期維持某一固定的模式。一旦變化，則原分配方案就不再適合變化了的交通狀況。因此，固定配時系統的應用受到一定程度的局限，它只適用于交通狀況變化不十分急劇的城鎮。其次，控制對策的靈活性較差，固定配時方案一經建立并付諸執行，就不會自動調整和更改。因此，路網可能發生的一些意外事件，往往會導致嚴重的交通阻塞，甚至于癱瘓。再次，缺少實時交通信息反饋，除非設置專門用于采集交通數據的檢測器，固定配時控制系統沒有任何關于網路上實時交通狀況信息的反饋，這就限制了它的靈活性。2.2.2潮汐控制

潮汐控制方法和定時控制方法相類似。區別在于若一天只用一個配時方案的稱為定時控制；而一天按多個時段采用不同配時方案的稱為潮汐控制。

潮汐控制比定時控制方法有一定的優越性，但是對于交通流量變化大的地區，控制效果仍不理想。2.2.3模糊控制

城市交通系統是一種非線性的、時變的大系統。傳統的控制方法都要首先建立交通流的數學模型，在此基礎上推導出某種控制算法。由于城市交通系統的復雜性和隨機性，建立的數學模型一般難以準確地描述城市交通的實際狀況，而且算法復雜，在線估算量大，控制實時性差，控制精度也不高。因此近年來，國內外專家學者致力于開發新的交通信號燈的控制方法，模糊控制是新的研究方向之一。

2.3相位、相序設計與信號配時

2.3.1相位、相序設計與信號配時的關系

無論采用哪種控制方法，都需要先了解交叉路口的幾何狀況，交通流狀況，然后制定相應的相位，相序方案以及配時方案，只有選擇合適的相位和配時方案，才能使交叉口的運行效果達到最優。交叉口相位方案和配時設計是信號控制方案設計的兩個方面，屬于定性和定量的關系。

相位方案設計是信號設計的第一步，它直接影響交叉口交通流的安全性，以及交叉口的延誤、通行能力等各項運行效益。美國道路通行能力手冊HCM早己提出：“信號設計中最為關鍵的問題是選擇一個適當的信號相位方案”。

配時設計是在相位方案設計的基礎上進行的，根據進口車道配置，交通流情況來求解最優配時方案，最終達到提高交叉口實際通行能力、減少車輛通過交叉口的延誤的目的。只有在充分研究和采用最佳相位方案的前提下，利用配時參數優化模型，才能得到真正的最優控制方案，即最優解。否則，選用不適當的相位方案，再先進的配時模型也只能得到偽最優解。2.3.2相位設計

相位方案是相位的組合方式，有必要從多個組合中選出最佳的相位方案。一般來說，交叉口形狀越復雜，相位方案也越復雜。

相位選擇可分為相位初選和相位調整兩步。相位初選時，只能運用經驗判斷，通過畫出交通流線，合并部分交通流來縮小可選范圍，初步確定相位相序，并作為信號配時的基礎。當信號配時完成后，將會對各參數進行試算評價，對相位進行必要的修正和調整，并重新評估，直至滿足設計要求，形成最終方案。

確定信號相位時需要考慮以下幾點:(l)交通安全

交叉路口交通流之間的沖突是造成交通事故的一個重要原因，一般來說增加相位數，減少同一相位中沖突方向交通流的數量，可以提高安全性。

(2)交通效率

交叉口相位設計要提高交叉口的時間和空間資源的利用率。過多的相位數會導致相位交替次數增加，也即損失時間的增加，從而降低交叉口通行能力和交通效率。反之，太少的相位也會使交叉口因混亂而降低效率。

(3)交通狀況

交通狀況包括機動車交通量、左右轉率、車道飽和率、大型車混入率、非機動車流量流向、橫過行人數等。

(4)交叉口幾何條件

交叉口的限制條件包括：交叉口的類型、進口道車道數、交叉口擴展車道的展寬長度、行人和自行車過街的組織形式。這些因素影響機動車左轉專用相位的設置、車輛排隊長度等。

(5)協調控制的要求

為了保證協調控制效果，相同子區內的信號要具有一致性，各交叉口的相位相序需相互匹配，否則不利于駕駛員適應。2.3.3相序安排

信號相位設計不但要考慮相位組合，還要考慮相位的銜接問題。通常需要考慮以下幾點：

(l)對同一個交通流設置兩個以上信號階段時，在時間上應盡可能保證連續性，對于行人信號可不局限于此原則。

(2)對同一進口道車流中不同流向交通流在不同信號相位放行時，盡可能保證它們所在信號相位的連續顯示。

(3)一向含直行車流的相位與另一向含直行車流的相位不宜連接。(4)一向含左轉車流的相位與另一向含左轉車流的相位不宜連接。(5)兩向相位相序設計應盡量對稱，便于駕駛員理解。

(6)于直行與左轉機動車，應考慮左轉車道可停放的車輛數。若到達的左轉車輛超出該車道可停放的左轉車輛數時，需先放行左轉車。反之，則先放行直行車。在一般路口和有左轉待候區的路口多是先放直行車，后放左轉車。

(7)有特殊方案相位，其前后應盡可能銜接與特殊方案相容的基本方案。本文主要研究信號配時參數的優化設計，所以不對相位，相序的設計方法進行深入的研究。

2.4交叉路口常用性能指標及計算方法

一般來說，信號交叉口的控制效果是由延誤、停車次數、通行能力和飽和度等四個基本參數來衡量的。這些參數不僅反映車輛通過交叉口時的動態特性，同時它們也作為交叉口信號配時參數優化的依據，用于建立優化模型和目標函數。也就是說，信號配時參數優化的目標就是在一定的道路條件下，對配時參數選擇合適的值，讓通行能力稍高于交通需求，并且使得通過交叉口的全部車輛總延誤

時間最短或停車次數最少。

當然，除了上述四項基本評價指標以外，還有一些其它評價指標，例如：車輛運營費用(包括燃油消耗、輪胎和機械磨損)、廢氣排放量、噪聲污染、運營成本(計入乘客旅程時間折合的經濟價值等)以及安全舒適程度的差異等等。但這些都是由上述四項基本評價指標派生出來的次級參數，即以延誤時間和停車次數為自變量的函數，常稱作“輔助參數”。

下面具體介紹車輛延誤、停車率、通行能力、飽和度、平均排隊長度和通行權轉移度。2.4.1車輛延誤

延誤是由于交通干擾、交通管理和控制設施等因素引起的車輛運行時間損失。由于延誤能反映了司機不舒適、受阻的程度以及油耗和行駛時間損失，所以是最常用的評價信號交叉口運行狀況的指標。

車輛平均延誤是評價交叉口服務水平的最重要的指標，因此，本文選擇它作為比較各種信號燈控制方法優劣的依據。車輛的排隊長度是延誤時間增加的主要誘導因素，車輛滯留時間又是延誤時間的構成元素。某車道的車輛排隊長度如果過長，易引起車輛堵塞和平均延誤時間增加；而某車道的車輛滯留時間如果過長，不僅增加了平均延誤時間，而且易引起通行權資源分配失衡。大多數情況下，排隊長度與滯留時間是正相關的，反之亦反。但也有例外，例如，當出現很短時間內連續到來多輛車和很長時間沒有車輛到來這兩種情況時，排隊長度與滯留時間就不具備正相關關系，排隊最長的車道，平均滯留時間不一定也最長，反之亦反。可見，兩者是相互關聯，互為補充，不可相互替代的，它們是影響交叉口通行能力的兩個關鍵因素。2.4.2停車率

停車率：指每個周期停駛的車輛數占整個周期所到達車輛數的比例，它是一項信號交叉口評價的綜合指標之一，停車率的大小不僅反映了交叉口的服務水平，同時從車輛耗油、環境及出行費用等幾方面反映了信號控制的合理性。2.4.3通行能力

信號交叉路口的通行能力是針對每一引道規定的，它是在現行的交通、車道和信號設計條件下，交叉口某一引道所能通過的最大流量。單位：輛/小時。整個交叉口的通行能力并不重要。

飽和流量：在通常的道路、交通條件下，在整個小時都是綠燈的條件下，連續通過交叉口指定引道的最大流量。

所以，可見影響信號交叉口的通行能力的主要因素有三個：

(l)車行道條件，即交叉口的幾何條件。包括：車道類型，車道數，交叉口幾何形狀。

(2)信號設計條件。即信號燈配時的各個參數及相序、相位設計。(3)交通流條件。每條引道的交通量，流向，流向內車型的分布。美國HCM給出的飽和流量(率)計算公式為：

S=S0?N?fw?fHV?fg?fp?fbb?fa?fRT?fLT

(2.1)其中，S為在通常條件下，車道組的飽和流量，S0為每車道理想條件下的飽和流量，一般取1800/綠燈小時，N為每車道組的車道數。fw為車道寬度校正系

數，fHV為交通流中重型車輛校正系數，fg為引道坡度校正系數，fp為臨近車道停車情況及該車道停車次數校正系數，fbb為公共汽車停在交叉口范圍內阻塞影響作用校正系數，fa為地區類型校正系數，fRT為車道組中右轉車校正系數，fLT為車道組中左轉車校正系數。

通行能力是以飽和流量為基礎進行分析的。交叉口的總通行能力是通過各進口車道組(引道)的通行能力之和。每一車道組的通行能力根據其車道功能不同按下式(2.2)計算：

Ci?Si??i

(2.2)

?i????g?T0??? ?i其中，Ci為車道組的通行能力，Si為車道組i的飽和流量(輛/綠燈小時)，?i為綠信比。2.4.4飽和度

飽和度是針對每一車道(車道組)而言的。計算公式(2.3)如下：

Xi??VC?i?Vi?Si?gTC?i???ViSi??i

(2.3)其中，Xi為第i個車道組的飽和度，Vi為第i個車道組的交通流量。相位飽和度是指該相位上各個車道組的飽和度之和。交叉口的飽和度是飽和程度最高的相位所達到的飽和度值，而并非各相位飽和度之和，用X表示。從理論上說，交叉口飽和度只要小于1就應該滿足各方向車流的通行要求。然而，實踐表明，當交叉口的飽和度接近于1時，交叉口的實際通行條件將迅速惡化，更不必說等于或大于1了。因此，我們必須規定一個可以接受的最大飽和度限制，即飽和度的“實用限值”。研究結果表明，反映車輛通過一個交叉口時的一些特性參數，如車輛平均延誤時間、平均停車次數以及排隊長度等等，均與飽和度實用限值的大小有關。實踐證明，飽和度實用限值定在0.8——0.9之間，交叉口可以獲得較好的運行條件。在特定條件下，例如交通量很大，而交叉口周圍的環境條件較差，為減少交叉口的投資，可以采用更高的實用限值——飽和度實用限值為0.95。

關鍵進口道到達交通量與通行能力之比，而交叉口飽和度是相位飽和度中的最大值。在設計時，交叉口各個相位的飽和度小于1。2.4.5平均排隊長度

信號一個周期內各條車道排隊的最長長度的平均值。各條車道最長排隊長度一般是指該車道的綠燈相位起始時長度。2.4.6通行權轉移度

通行權轉移度反應了不同方向的車流對綠燈需求的迫切程度。它依賴于各入口的交通情況，而車流在紅燈信號和綠燈信號相位下，有不同的狀態。在綠燈相

位下，車輛可以自由通過停車線，在停車線檢測器上可以檢測出駛過停車線車輛的數量，上游檢測器可以檢測車輛的到達數，這些車輛經過若干秒后可能會到達停車線或通過停車線或排隊等待：在紅燈相位下，檢測器可以檢測車輛的到來情況和排隊長度。因此紅燈相位和綠燈相位的通行權轉移度就有不同的輸入和推導規則。

2.5車輛檢測器

一個完整的交通控制系統需要有一個準確、可靠的信息采集和監控系統，它將來自底層的實時數據收集起來，準確、迅速地通過高速信息傳輸網送交后臺進行分析和處理。交通控制系統的交通信息采集是由車輛檢測器來實現的。

車輛檢測器有多種，感應式檢測器，紅外線檢測器等。本文的車輛采集采用圖像式車輛檢測器。圖像式車輛檢測器由閉路電視攝影機、終端控制器和圖像處理器等設備組成。技術原理以圖形處理器分析由閉路電視攝像機所拍攝的數字化圖像，用算法對圖像初步處理，去掉多余信息。接著對圖像進行分區。按一定算法對各分區圖像處理，提取特征信息。根據特征信息進行車輛計數、分類。根據相鄰圖片計算車速，最后在拍攝區域內跟蹤所辨識出的車輛。它的優點是功能強大圖像直觀，易于增添檢測項目；多道檢測、安裝及維修不會阻礙交通。