CN103021191A - 智能交通控制装置及控制方法 - Google Patents

Abstract

本发明公开了一种智能交通控制装置和控制方法，包括控制器、驱动器、若干个可发出红色、绿色和黄色光的LED灯组、若干个数码管计数器、若干组光电传感器；各光电传感器分别与控制器电连接；控制器与驱动器电连接；驱动器分别与LED灯组和数码管计数器电连接。光电传感器为漫反射型光电传感器。本发明具有能够根据交通流量的大小实时调整交通信号灯各色灯的信号长度；有效降低交通拥堵，减少总体排队等待的时间，提高路口通行能力的特点。

Description

智能交通控制装置及控制方法

技术领域    

本发明涉及交通管理及控制领域，尤其是涉及一种可根据交通流量的变化，对信号灯进行智能控制的交通控制装置及控制方法。

背景技术    

随着我国经济的高速发展，汽车数量急剧增加，已有的道路远不能满足经济发展的需求，交通状况日益恶化。尤其是在大城市，交通拥挤阻塞以及由此导致的交通事故的增加，环境污染的加剧，是我国面临的极其严重的“城市病”之一。

目前，通常使用智能交通安全预测系统解决交通拥堵问题。但是，通常使用的智能交通安全预测系统还存在以下不足：

 （1）动态交通需求参数、路阻函数和路段流入流出率函数及其参数必须预先给定不能与实时交通检测信息接口，不具备实时在线条件；   

（2）出行路径只依赖于当前交通状况信息，不具备真正的预测功能，给出的出行路径与用户实际经历的路径相去甚远，不能支持交通诱导和疏导；

（3）由于离线的固有缺陷不能与交通紧急事件信息系统接口，缺乏环境适应性和对交通拥堵预警支持；

（4）假定路网通行能力为静态，用若干个孤立的路阻函数间接反映拥挤。

实际上，实时路网通行能力随着交通状态(流量、密度等)的波动而发生改变，即路网使用过程中的通行能力是动态的，而交通流状态是动态交通需求与动态通行能力相互作用的结果。

近年有学者提出了几种修正方法，可归纳为两类：

神经网络法、卡尔曼滤波法和时间序列法及其融合方法等；数据挖掘方法；这两类方法只适用于局部交通状态实时参数的估计，不能描述动态路网通行能力与动态交通流的实时动态交互机理，从而亦不能模拟、跟踪、辩识和预测路网上未来交通状态的演变模式。尽管可以利用实时交通信息，降低路径实时出行时间的估计误差，但显然不具有网络化和路径交叉影响机理，未能克服原模型的缺陷。

由以上的分析可知，智能交通理论经过近30年的发展，已经取得了很多的成果，但是无论从理论上，还是从实践上都还存在着很多有待解决的问题。

中国专利授权公开号CN102124505A，授权公开日2011年7月13 日公开了一种交通控制系统，包括：在交通交叉口处的交通灯的布置；雷达传感器，雷达传感器在所述交叉口处安装从而它的检测领域和范围覆盖到所述交叉口的至少一条通路并且其中所述雷达传感器适于感测在预定视场和范围内的车辆的存在；和控制器，控制器被电子处理器操作从而操作所述交通灯以利用根据从所述雷达传感器输入的数据形成的信息来调节通过所述交叉口的交通流，雷达传感器是能够形成数据的多目标雷达传感器，根据所述数据，在所述雷达传感器的检测领域和范围内的每一个车辆的位置、速度和行进方向能够得以推出并且由此在所述领域和范围内得以跟踪每一个车辆的运动，并且其中所述电子处理器至少在一定程度上依赖于以下各项来提供用于控制交通灯的操作的输出：在所述领域和范围内感测的车辆的数目，或者车辆队列的长度或者在所述领域和范围内的一个或者多个车辆的行为模式，或其任何组合。该发明是一种感应式的交通控制系统。

中国专利授权公开号CN1441369A，授权公开日2003年9月10 日公开了一种道路交通控制的方法以及与之相适应的装置设施；通过设置的路载或车载的排阵通行控制装置，及辅助排阵控制的相关交通标志、标线、隔离等设施，引导指示控制机动车、非机动车各向或若干向的全部或部分车流，在路口路段，按照预设或自动感应调控优化和智能的程序步骤，以至少某一时段多向多车道或多段或多点车流同时排列车阵或逐次轮流排列车阵的控制方式，排列成若干阵型、阵序、阵量、阵速可变的有序阵列。该发明可实现多车道无交叉或少交叉的车流连续排阵通行或非连续排阵通行；对减少能耗和尾气污染等方面有显著作用。

发明内容

本发明克服了现有技术中的交通信号灯控制方式为定时控制，造成某些方向绿灯时间浪费而有些方向上车辆延误严重的不足，提供了一种能够根据交通流量的大小实时调整信号灯的亮灯时间的智能交通控制装置及控制方法。

为了实现上述目的，本发明采用以下技术方案：

一种智能交通控制装置，包括控制器、驱动器、若干个可发出红色、绿色和黄色光的LED灯组、若干个数码管计数器、若干组光电传感器；各光电传感器分别与控制器电连接；控制器与驱动器电连接；驱动器分别与LED灯组和数码管计数器电连接。

本发明的智能交通控制装置按照相位转换顺序，在每个相位红灯结束绿灯亮起之前，根据路口每个方向车道上实时的车辆排队情况，模糊控制计算出当前相位所需要的绿灯时间，从而降低路口所有相位上的车辆排队延误时间，增加路口的通行能力，有效的缓解了交通拥堵问题，提高了交通吞吐能力，具有很好地社会效益和经济效益。

作为优选，光电传感器为漫反射型光电传感器。

一种智能交通控制装置的控制方法，包括如下步骤：

（1）每条车道上方垂直设置2个光电传感器，分别为第一和第二光电传感器；第一、第二光电传感器之间的区域设为排队区；第一光电传感器设置在车道的停车线上方，用于检测驶出排队区的车辆数；第二光电传感器设置在远离停车线一侧的车道上方并与停车线之间的距离为20-30米，用于检测驶入排队区的车辆数；

（2）控制器内预设有车辆检测模块、计算模块、控制模块、马尔科夫交通预测模型和绿灯延时的模糊控制规则表；

控制模块中预设有最小绿灯时间；最小绿灯时间是预设的一个值，按照国际标准，最小绿灯时间不能少于10秒。

马尔科夫交通预测模型先构建基于BP神经网络的交通流量预测基准：求出流量数据的状态样本值与模型预测值之间的残差序列，使用基于聚类思想的SOM神经网络将其划分为马尔科夫链的若干残差状态，并计算各状态的加权中心；根据各残差状态计算出状态转移概率矩阵，然后预测未来状态，从而得出预测值的状态，取其加权中心修正计算预测值，最终得到高精度的预测值；同时，保持数据长度不变，不断补充新数据，及时去掉旧数据，实现实时滚动预测；

马尔科夫预测法主要用于分析随机事件未来发展变化的趋势，即利用某一变量的现在状态和动向去预测该变量未来的状态及其动向，以预测未来某特定时期可能产生的变化，以便采取相应的对策；这种方法对许多随机现象能有效地做出预测与决策，尤其是对于某些动态问题，应用此法进行预测的效果显著；本发明正是采用了马尔科夫的动态性与随机性。

如图5所示的四交叉口的区域交通路网，首先对采集的数据进行分析，先把目标定在四个路口上，第一交叉口10到第二交叉口11，第二交叉口11到第三交叉口12，第三交叉口12到第四交叉口13，第四交叉口13到第一交叉口10，每一次的转移概率组成转移概率矩阵，变量在任何阶段所占的比例都能通过计算得到，从而掌握马尔科夫链的统计规律，根据如图6所示四交叉口流量交互模型求出绝对分布，预测短期交通情况。

（3）建立绿灯延时的模糊控制模型，当前相位的排队长度作为所述模糊控制模型的第一个模糊变量l，建立隶属度赋值表1；下一相位的排队长度减去当前相位排队长度得到排队长度之差Dl，Dl作为所述模糊控制模型的第二个模糊变量，建立隶属度赋值表2；绿灯延时g作为所述模糊控制模型的第三个模糊变量，建立隶属度赋值表3；

（4）设定模糊控制规则表，模糊控制规则表的两个输入单个输出的语言控制策略由49条模糊条件语句构成：

if l= and Dl = 

  , then g = g _k

i, j, k = {1, ……, 7}

利用如下公式计算得到绿灯延时的模糊控制表，如表5：

式中T1表示将矩阵[·]按行排成一列向量；T2表示将矩阵[·]按行排成一行向量；给定两个模糊输入排队长度l和排队长度差Dl，由模糊关系R按合成推理规则可得到模糊输出g，即为模糊控制的控制量，在实际计算时通过查表运算即可；

（5）车辆检测模块每隔一个检测周期读取各个光电传感器的输入信号，当检测到光电传感器的输出信号为低电平时，则将光电传感器的状态标志为“1”，检测模块不断检测光电传感器的输出信号，直到检测到高电平时，光电传感器的状态标志为“0”；

（6）计算模块计算第一光电传感器在检测周期内出现的低电平的个数，即获得开过第一光电传感器的车辆数；用同样的方法检测及计算通过第二光电传感器的检测区域的车辆数，即为在检测周期内驶入排队区的车辆数；

（7）计算模块利用如下公式计算排队区内的排队长度；

L = S+M-N

L为排队长度，即排队区的车辆数；S为上一个信号周期结束后排队区内余留的车辆数；M为在某个时间段内驶入排队区的车辆数，N为在某个时间段内驶出排队区的车辆数，控制模块将排队长度存储到设于控制器内的第一寄存器内；

（8）计算模块每隔一个检测周期重新计算一次排队区内的排队长度，并对第一寄存器内的存储信息进行更新；控制模块查询并读取第一寄存器各车道的排队长度存储数据，并根据马尔科夫预测模型计算出某个相位相对两个车道上的预测排队车辆数，相位的排队长度；计算模块按照从第一相位到第四相位的顺序进行计算；

（9）根据每个相位的排队长度及排队长度差，通过查询预存在控制器中的绿灯延时模糊控制表得到绿灯延时，将最小绿灯时间加上绿灯延时设为当前相位的下一个周期的绿灯亮灯时间；

模糊控制应在每个相位红灯结束、绿灯亮起之前进行。如果某个相位上的排队长度为0，则当前相位的绿灯时间仍为10秒；若排队长度和排队长度差小于模糊控制模型所设定论域的最小值，则按最小值处理，若排队长度和排队长度差大于模糊控制模型所设定论域的最大值，则按最大值处理；若排队长度和排队长度差都在论域范围内，但不在论域的取值上，则做取大处理，即取论域中最接近且大于计算值的那个值；

（10）控制模块将当前绿灯亮灯时间长度信号传送到驱动器，LED灯组中绿灯亮起其他相位都是红灯亮起，且数码管计数器显示当前颜色的LED灯的剩余秒数。

本发明具有如下有益效果：（1）能够根据交通流量的大小实时调整交通信号灯各色灯的信号长度；（2）有效降低交通拥堵，减少总体排队等待的时间，提高路口通行能力。

附图说明

图1是本发明的一种十字路口示意图；

图2是本发明的一种四相位转换顺序示意图；

图3是本发明的一种四相位红绿灯配时示意图；

图4是本发明的一种原理框图；

图5是本发明的一种四十字路口模型示意图；

图6是本发明的一种四十字路口流量交互模型；

图7是本发明的一种延时曲线比较图。

图中：控制器1、驱动器2、LED灯组3、数码管计数器4、光电传感器5、第一相位6、第二相位7、第三相位8、第四相位9、第一交叉口10、第二交叉口11、第三交叉口12、第四交叉口13、绿灯时间14、黄灯时间15、红灯时间16。

下面结合附图和具体实施方式对本发明做进一步的描述。

如图4所示的实施例是一种智能交通控制装置，包括控制器1、驱动器2、8个可发出红色、绿色和黄色光的LED灯组3、8个数码管计数器4、24个光电传感器5，每条车道上方垂直设置2个光电传感器，分别为第一和第二光电传感器；第一、第二光电传感器之间的区域设为排队区；第一光电传感器设置在车道的停车线上方，用于检测驶出排队区的车辆数；第二光电传感器设置在远离停车线一侧的车道上方并与停车线之间的距离为20米，用于检测驶入排队区的车辆数。

如图1所示，选取一个十字路口，东西南北四个来车方向，每个方向有三个车道：左转、直行和右转。

如图2所示的四相位转换顺序示意图，包括一组4相位交通信号灯，每个相位包含一对红绿灯，信号灯的闪亮顺序从第一相位到第四相位，循环往复。

如图3所示，一个信号周期内一个相位的红灯时间16一般不超过120秒，最小绿灯时间14设为10秒，最长绿灯时间设为40秒，黄灯时间15取3秒，全红时间为2秒。

预先建立绿灯延时的模糊控制模型，将当前相位的排队长度作为第一个模糊变量l，其论域为{2,4,6,8,10,12,14,16,18,20,22}；取7个语言值：VS为“很短”，S 为“短”，LS 为“较短”，M为“中等”，LL为“较长”，L为“长”，VL为“很长”；建立隶属度赋值表1。

模糊变量l的隶属度赋值表1

下一相位的排队长度与当前相位的排队长度之差作为第二个模糊变量Dl，其论域为{-10,-8,-6,-4,-2,0,2,4,6,8,10}；取7个语言值：NB为“负大”，NM为“负中”，NS为“负小”，ZO为“零”，PS为“正小”，PM为“正中”，PB为“正大”；建立隶属度赋值表2。

模糊变量Dl的隶属度赋值表2

将绿灯延时模糊化为g，其论域为{2,4,6,8,10,12,14,16,18,20,22}；取7个语言值：VS为“很少”，S为“少”，LS为“较少”，M为“中等”，LL为“较多”，L为“多”，VL为“很多”；建立隶属度赋值表3。

模糊变量g的隶属度赋值表3

确定绿灯延时的模糊控制规则表。

绿灯延时的模糊控制规则表

根据模糊推理公式得到绿延时的模糊控制表(精确到秒)，在实际计算时通过查此表运算即可。

表5 绿灯延时模糊控制表

控制器内预设有车辆检测模块、计算模块、控制模块、马尔科夫交通预测模型和绿灯延时的模糊控制规则表。主控程序按第一相位到第四相位的顺序，在每个相位红灯结束绿灯亮起之前，根据路口每个方向车道上实时的车辆排队情况模糊控制计算出当前相位所需的绿灯时间。

装置各部件安装连接完成之后，当车道上没有车辆时加电开始运行，此时所有车道上的排队都为0，每个相位初始化的绿灯时间10秒，黄灯3秒，全红2秒。前10个信号周期采用定时控制，从第11个信号周期开始模糊控制。第一相位第10个周期红灯结束之时，从东往西直行车道上第一光电传感器在红灯时间内出现的低电平的个数为0，即开出排队区域的车辆数为0，用同样的方法检测计算通过第二光电传感器的检测区域的车辆数为6，即驶入排队区的车辆数为6；第一相位第10个周期绿灯结束时车道上余留车辆为4；则此时从东往西直行车道上的排队长度为驶入排队区的车辆数+余留车辆-开出排队区域的车辆数，即10；同理检测到从西往东直行车道上排队为8；根据马尔科夫交通预测模型计算得到从东往西直行车道上排队会达到14辆，从西往东直行车道上排队会达到10辆，取两者最大值，因此第一相位此刻的排队长度为14；同理得到第二相位此刻的排队长度为10，则两者的排队长度差为-4。查表5得到绿灯延时为15，则第11个信号周期的第一相位绿灯时间为25秒。

控制模块将绿灯亮灯时间长度信号传送到数码管驱动模块，第一相位LED灯组亮绿灯25秒，其他相位都亮红灯。数码管计数器显示红绿灯的剩余秒数。

不断循环往复，依次计算第二、第三、第四相位所需的绿灯时间。控制LED灯的闪亮及数码管计数器的显示。

如图7所示，横坐标为信号周期,纵坐标为平均延误；对模糊控制下的100个周期数值进行监控，定时控制和模糊控制下的延时曲线比较，上部的曲线为定时控制下的延时曲线，下部的曲线为模糊控制下的延时曲线。从曲线图中可以看出本发明的实时控制方案达到了很好的优化预期，能够根据交通流量的大小实时调整交通信号灯各色灯的信号长度；有效降低交通拥堵，相对定时方案的车辆延时有明显减少，减少总体排队等待的时间，提高了路口的通行能力。

本实施例中的模糊控制模型还可以选取其它论域和语言值以及模糊控制规则，论域、语言值和模糊控制规则的变化均落入本发明的保护范围。

应理解，本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (3)

1.一种智能交通控制装置，其特征是，包括控制器（1）、驱动器（2）、若干个可发出红色、绿色和黄色光的LED灯组（3）、若干个数码管计数器（4）、若干组光电传感器（5）；各光电传感器分别与控制器电连接；控制器与驱动器电连接；驱动器分别与LED灯组和数码管计数器电连接。

2.根据权利要求1所述的智能交通控制装置，其特征是，光电传感器为漫反射型光电传感器。

3.一种根据权利要求1所述的智能交通控制装置的控制方法，其特征是，包括如下步骤：

（1）每条车道上方垂直设置2个光电传感器，分别为第一和第二光电传感器；第一、第二光电传感器之间的区域设为排队区；第一光电传感器设置在车道的停车线上方，用于检测驶出排队区的车辆数；第二光电传感器设置在远离停车线一侧的车道上方并与停车线之间的距离为20-30米，用于检测驶入排队区的车辆数；

（2）控制器内预设有车辆检测模块、计算模块、控制模块、马尔科夫交通预测模型和绿灯延时的模糊控制规则表；控制模块中预设有最小绿灯时间；马尔科夫交通预测模型先构建基于BP神经网络的交通流量预测基准：求出流量数据的状态样本值与模型预测值之间的残差序列，使用基于聚类思想的SOM神经网络将其划分为马尔科夫链的若干残差状态，并计算各状态的加权中心；根据各残差状态计算出状态转移概率矩阵，然后预测未来状态，从而得出预测值的状态，取其加权中心修正计算预测值，最终得到高精度的预测值；同时，保持数据长度不变，不断补充新数据，及时去掉旧数据，实现实时滚动预测；

（3）建立绿灯延时的模糊控制模型，当前相位的排队长度作为所述模糊控制模型的第一个模糊变量l，建立隶属度赋值表1；下一相位的排队长度减去当前相位排队长度得到排队长度之差Dl，Dl作为所述模糊控制模型的第二个模糊变量，建立隶属度赋值表2；绿灯延时g作为所述模糊控制模型的第三个模糊变量，建立隶属度赋值表3；

（4）设定模糊控制规则表，利用如下公式计算得到绿灯延时的模糊控制表：

式中T1表示将矩阵[·]按行排成一列向量；T2表示将矩阵[·]按行排成一行向量； 

（5）车辆检测模块每隔一个检测周期读取各个光电传感器的输入信号，当检测到光电传感器的输出信号为低电平时，则将光电传感器的状态标志为“1”，检测模块不断检测光电传感器的输出信号，直到检测到高电平时，光电传感器的状态标志为“0”；

（6）计算模块计算第一光电传感器在检测周期内出现的低电平的个数，即获得开过第一光电传感器的车辆数；用同样的方法检测及计算通过第二光电传感器的检测区域的车辆数，即为在检测周期内驶入排队区的车辆数；

（7）计算模块利用如下公式计算排队区内的排队长度；

L = S+M-N

L为排队长度，即排队区的车辆数；S为上一个信号周期结束后排队区内余留的车辆数；M为在某个时间段内驶入排队区的车辆数，N为在某个时间段内驶出排队区的车辆数，控制模块将排队长度存储到设于控制器内的第一寄存器内；

（8）计算模块每隔一个检测周期重新计算一次排队区内的排队长度，并对第一寄存器内的存储信息进行更新；控制模块查询并读取第一寄存器各车道的排队长度存储数据，并根据马尔科夫预测模型计算出某个相位相对两个车道上的预测排队车辆数，相位的排队长度； 

（9）根据每个相位的排队长度及排队长度差，通过查询预存在控制器中的绿灯延时模糊控制表得到绿灯延时，将最小绿灯时间加上绿灯延时设为当前相位的下一个周期的绿灯亮灯时间；

（10）控制模块将当前绿灯亮灯时间长度信号传送到驱动器，LED灯组中绿灯亮起，其它相位都是红灯亮起，且数码管计数器显示当前颜色的LED灯的剩余秒数。

Images