CN104240522A - 基于车载网和模糊神经网络的自适应十字路口控制技术 - Google Patents

Abstract

本发明是一种基于车载网和模糊神经网络的十字路口车辆控制技术。当前普遍应用红绿灯作为十字路口控制方式，但红绿灯模式固定，不能根据实际路况做出反应。本发明提出一种集中式调度车辆通行的技术。基于车载网络，控制器通过无线通信实时掌控十字路口中所有车辆通行状态，并根据当前路况给出实时的调度方案。同时，结合模糊神经网络技术，控制器能不断地学习和调整调度策略，使得调度策略更具有实时性和自适应性。本发明中应用到了一个集中控制器，将设置在十字路口中，每辆车都加装一个能与集中控制器交互的收发装置，也可以在汽车原有硬件基础上进行升级，达到能与集中控制器的收发功能。

Description

基于车载网和模糊神经网络的自适应十字路口控制技术

技术领域：

本发明涉及计算机网络技术和智能交通领域。

技术背景：

目前十字路口车流控制主要是红绿灯控制，红绿灯控制模式简单，可靠，但不能灵活根据路况做出判断，导致十字路口在很多时候车流通行效率低下。随着科学技术的发展，智能交通有了很大发展，目前相关的研究也比较多，比如交通信息服务系统(TIS)，交通管理系统(TMS)，公共交通系统(PTS)，车辆控制系统(VCS)等等。针对提高十字路口通行效率的研究主要包括对十字路口车流情况建模，然后在这些模型基础上优化红绿灯参数或者利用无线传感器网络收集车流量情况，然后实时改变红绿灯参数等，利用车载网来控制十字路口车辆的研究还比较少。目前的交通中车辆的等待或出现拥塞几乎都涉及到十字路口，有效地提高车辆在十字路口的通行效率，会使车辆在十字路口尽可能减少等待，这对当前城市交通拥塞是有实际意义的。

本发明中使用车载网技术，集中控制器通过车载网络收集车辆进出十字路口的信息，并与车辆进行通信。车辆内安装配套的无线信号收发和处理装置，能根据控制器提供的信号决定是否通过十字路口。本发明同时加入模糊神经网络，使系统更具有自适应性。

发明内容：

本发明是一种代替红绿灯的集中式交通控制技术。本技术适用于各种不同的十字路口情形，包括常见的各个车道的车流量均匀情形以及其它更加复杂多变的情形。本技术可以在相对公平的原则下保持十字路口最大吞吐量。我们引入车载网技术，设置在十字路口的集中式控制器可以通过网络信息与车辆相互通信。控制器接收到车辆信息后通过与车辆交互信息来控制车辆通行，每个车辆安装有专门的信息收发及处理装置。

在本发明中，我们对各个车道上的车辆进行分组，并且以这些分组作为调度的单位。分组的目的在于提高效率和公平性。分组能对同一车道上等待时间差距较大的车辆区分开来，划分成不同的组，并对这些组实行不同的调度策略。这样就避免了出现等待时间较少的车辆由于跟随前车，比其它车道等待时间较长的车辆优先通过十字路口的情况。

本发明中涉及到模糊神经网络技术。控制器收集到各个车道的车流量信息后，利用模糊神经网络对各个车道上的车辆进行分组，并且为每个分组计算紧迫度，然后根据紧迫度的大小调度各个分组的车辆合理地通过十字路口。另外，利用模糊神经网络的学习能力，控制器能不断根据当前的车流量情况和调度效果调整分组和计算紧迫度的策略，使十字路口控制具有自适应性。

算法设计的模型为有八条车道的十字路口，参看说明书附图1，十字路口中心设置了一个集中式控制器，车道依次编号为0到7。对于这8个车道，有些车道的车辆可以一起通过十字路口且不会发生碰撞。这些车道称作并发车道。车道0-7的每一个车道都有两个可以并发通行的车道。例如对于车道0，车道1和4都是它的并发车道，车道0的车辆可以与车道1的车辆或者车道4的车辆并发地通过十字路口。

整个十字路口控制系统的设计参见说明书附图2。其中控制器设有两个模糊逻辑控制器，分别负责对车辆分组和对车组进行调度。这两个模糊逻辑控制器共用一个评价网络。评价网络用于收集车辆进出十字路口的车辆信息，并对上一次的调度策略做出评价。根据这些评价，模糊逻辑控制器相应地调整参数，优化分组和调度的策略。

附图说明：

说明书附图1为十字路口模型，0-7为车道，中间为控制器。

说明书附图2为十字路口控制系统设计图。Traffic为十字路口的实时车流量情况，Evaluation network为评价网络，Fuzzy controller grouping和Fuzzy controller scheduling为模糊神经网络，分别用于对车辆分组和对车组调度。

具体实施方式：

十字路口控制系统的实施分为两个步骤：分组和调度。

分组：当车辆a进入十字路口区域后，向控制器发送一条ENTER消息，告知控制器车辆a的ID和所在的车道lane_ID。控制器收到车辆a的ENTER消息后，查看车辆a所属车道的分组情况并记录车辆a的信息。若车道lane_ID无任何分组，则为车辆a建立一个新的分组。若车道lane_ID内已存在分组，控制器提取最新成立的分组的信息，包括组的大小GSZ、组内车辆的平均等待时间AWT和该组与并发车道的第一个分组的大小差DIF，根据这些信息，Fuzzy controller grouping会计算出让车辆a加入该分组的得益BNT，若BNT大于某一预设的阀值，则将车辆a划入该分组，否则为车辆a建立新的分组。

调度：建立分组后，控制器将对这些分组进行调度。Fuzzy controllerscheduling根据这些分组的大小GSZ和平均等待时间AWT，分别计算出各个车组的紧迫度UD，然后选择紧迫度最大的车组作为下一个被调度的车组，同时，两个并发车道的车组里紧迫度较高的一组也会被调度。控制器向被调度的车组的车辆发出PASS消息，通知车辆可以通行。车辆a收到PASS消息后，通过十字路口，并在离开十字路口区域后发送EXIT消息到控制器。控制器收到来自车辆a的EXIT消息后，删除车辆a的记录。当被调度的车组里的所有车辆记录都被删除后，意味着所有车辆都离开十字路口，这时控制器将开启新一轮的调度。

本发明引入了强化算法来训练模糊神经网络，使控制器在难以获得训练样本的交通控制环境下仍然具有学习能力。在每一个训练周期开始时，评价网络根据每个车道的等待车辆数目对上一个训练的调度效果做出评价，控制器根据这些评价信息优化模糊神经网络的参数。

Claims (2)

1.本发明是一种基于车载网的十字路口车流控制方法。在本发明中，汽车具备通信能力，并可以通过一定的机制获知进入十字路口的控制区域。十字路口设置有集中控制器，亦具备通信能力。车辆和控制器之间通过无线链路进行消息交换。

本发明运用模糊神经网络根据车辆的等待时间将同一车道上的车辆划分成不同的车组，然后控制器对这些车组而不是整个车道的车辆进行调度。通过区分车辆的等待时间，本发明的车辆调度算法能提高现有算法的效率和公平性。

2.根据权利1描述的分组和调度功能，本发明设计两个模糊神经网络分别负责对车辆进行分组和对车组进行调度。为了使该十字路口控制系统更具有自适应性，本发明引入了强化学习算法来训练这两个模糊神经网络。该算法能不断地根据上一次的调度效果自适应地调整网络参数，优化分组或调度的策略。