CN105632198A - 基于模糊控制的城市区域道路交通协调控制方法及系统 - Google Patents

Abstract

本发明涉及一种基于模糊控制的城市区域道路交通协调控制方法及系统，本城市区域道路交通协调控制方法，包括如下步骤：步骤S1，根据城市中的路网状况进行控制区域划分；步骤S2，将划分好的各控制区域分别建立相应两级模糊控制器，以对信号灯进行控制；本发明的区域协调控制方法、区域协调控制系统及城市区域道路交通协调控制方法，其采用两种车辆检测器，实时检测各个平交路口的车流量信息；定义耦合度概念，对城市路网进行控制子区的划分，对划分后的控制子区建立两级模糊控制器，减少了算法的时间复杂度，大大节省了时间，提高了执行的效率；同时实现了全时段的智能化，无需人工干预。

Description

基于模糊控制的城市区域道路交通协调控制方法及系统

技术领域

本发明涉及一种城市区域道路交通协调控制方法及系统，具体涉及一种基于模糊控制的城市区域道路交通协调控制方法及系统。

背景技术

目前平交路口所采用的信号控制方式主要有三种，分别为定时控制方式、感应控制方式及自适应控制方式。

(1)定时控制方式是采用预先设定的信号配时方案进行信号控制，不考虑实时的车辆信息，无法根据车辆到达的数量多少而改变信号配时，其参数是由已知的数据经过一系列的数学运算推倒出来的，信号是依据周期反复执行的，所以很难反映出交通系统的内在规律。

(2)感应控制方式采取的方法是利用线圈检测器采集路网中的交通流量，以此来计算相位时间，能够客观地反映出交叉路口的动态交通流信息，但是这种方式只对当前相位的信息进行了考虑，也仅仅使用了简单信号相位延时原理，对遇到红灯时所造成的车辆滞留并没有给予考虑。

(3)自适应控制方式是一种先进的智能控制方式，基于智能控制方法进行城市道路交通信号灯控制是目前城市道路控制最前沿的技术。模糊控制是一种先进的自适应智能控制方法，其最主要的思想就是使用自然语言来描述模糊控制需要用到的规则库。

与本发明技术最接近的方案是中国专利授权公告为CN102521990B，授权公告日为2013年12月4日的发明专利。公布了一种基于图像处理的智能交通灯的控制方法，该控制方法依次包括利用FPGA系统模块及其上连接的CMOS图像传感器、外围控制设施、LCD显示模块和SDRAM存储器的图像采集模块、图象处理模块以及通过模糊控制模块实现的绿灯控制。

发明内容

本发明的目的是提供一种区域协调控制方法、区域协调控制系统及城市区域道路交通协调控制方法，以实现对城市路网交通优化，降低路口等候时间，提高通行效率。

为了解决上述技术问题，本发明提供了一种区域协调控制方法，包括：检测各平交路口所对应的相应路段上的交通流量信息，以获得各平交路口各相位的实际绿灯延长时间T₂；判断平交路口各相位的最小绿灯时间G_min、实际绿灯延长时间T₂之和与最大绿灯时间G_max的关系，以控制各平交路口的绿灯相位。

进一步，所述区域协调控制方法还包括：初始化，即设置信号灯的信号周期时长的重复次数n，且n＝0；通过车辆流量检测装置检测各平交路口的交通流量信息状况，确定下一时段的信号周期时长；设置各平交路口的相位标志位flag，即各平交路口的初始相位标志位flag＝0，且当初始相位标志位flag＝1时表示为当前绿灯相位；设定平交路口各相位的最小绿灯时间G_min和最大绿灯时间G_max；设定东西直行方向为各平交路口各个信号周期时长内的初始相位，且设定东西直行相位、东西左转相位、南北直行相位和南北左转相位的相位优先级依次从高到低；以及在初始时刻，各平交路口的东西直行相位均设置为最小绿灯时间G_min。

进一步，所述区域协调控制方法还包括：根据各平交路口的相位标志位flag的值对各平交路口的相位切换，且依据信号灯一周期内的交通流数据信息，计算出下一时段的信号周期时长。

进一步，所述实际绿灯延长时间T₂的方法包括：

建立两级模糊控制器，即一级模糊控制器FCI、二级模糊控制器FCII；

所述一级模糊控制器FCI的输入变量分别为F₁(t)和F₂(t)，其输出变量为时间T₁；

所述二级模糊控制器FCII的两输入分别为时间T₁和预设信号周期时长的剩余时间T_rest，其输出为实际绿灯延长时间T₂；其中

F₁(t)表示一控制区域内，平交路口(i,j)当前时刻绿灯相位上、下游近端车辆检测器之间的车辆数之和的最大值减去该平交路口当前时刻红灯相位上、下游远端车辆检测器之间的车辆数之和的最大值；

F₂(t)表示t时刻时，上一平交路口(i,j+1)与平交路口(i,j)之间路段的车辆数和下一平交路口(i,j-1)与平交路口(i,j)之间路段的车辆数的最大值。

进一步，判断最小绿灯时间G_min、实际绿灯延长时间T₂之和与最大绿灯时间G_max的关系，即

若G_min+T₂＜G_max，则将实际绿灯延长时间T₂作为当前绿灯相位延时时间；

若G_min+T₂≥G_max，则当前绿灯相位延时时间为G_max-G_min。

进一步，在绿灯相应延时时间的末尾，适于通过相位标志位flag进行相位切换；

通过相位标志位flag进行相位切换的方法包括：

根据采集得到的交通流量数据信息，放行红灯滞留最大的相位为下一时段的绿灯相位；当有不止1个平交路口的相位标志位flag＝1时，则按照初始相位的优先级高低顺序置区域内各平交路口的下一个绿灯相位；并且置下一绿灯相位的初始绿灯时间为G_min。

又一方面，本发明提供了一种区域协调控制系统，包括：

一车辆流量检测装置，用于检测各平交路口的相应路段上的交通流量信息；

与该车辆流量检测装置相连的控制模块，该控制模块分别与各平交路口的信号灯控制器相连；其中

所述控制模块适于根据获得的交通流量信息，计算出各平交路口各相位的的实际绿灯延长时间T₂，并判断平交路口各相位的最小绿灯时间G_min、实际绿灯延长时间T₂之和与最大绿灯时间G_max的关系，以控制各平交路口的绿灯相位。

进一步，所述车辆流量检测装置包括：在平交路口各个路段上分别设有车辆流量检测装置，所述车辆流量检测装置包括：近端车辆检测器和远端车辆检测器；其中

近端车辆检测器采用摄像探头，远端车辆检测器采用环形线圈车辆传感器。

第三方面，本发明提供了一种城市区域道路交通协调控制方法，包括如下步骤：

步骤S1，根据城市中的路网状况进行控制区域划分；

步骤S2，将划分好的各控制区域分别建立相应两级模糊控制器，以对信号灯进行控制。

进一步，所述的城市区域道路交通协调控制方法，所述步骤S1中根据城市中的路网状况进行控制区域划分的方法包括：

步骤S11，初步划分，即根据路网中两平交路口间的连线长度L，对城市路网的平交路口群进行初步划分；

步骤S12，细分，即根据路网中各平交路口之间相关度，定义其耦合度，且依据该耦合度对初步划分后的较大控制区域进行细分，直到控制区域内的各平交路口之间有较大的相关性时，停止划分；其中

所述步骤S12中耦合度的获得方法包括：

将影响交通控制区域划分的各因素各自集合，以得到各平交路口之间相关度的评价准则，即相邻平交路口间距L、交通流量q、排队长度Q和信号周期时长C；

将平交路口(i，j)的各指标值组成的矢量称为该平交路口的耦合矢量V^(i,j)，将其表示如公式(1)所示：

V^(i,j)＝(L_(i,j),q_(i,j),Q_(i,j),C_(i,j))(1)；

且耦合矢量V^(i,j)取模值其中，∝为正比例关系符号；

其中，若相邻平交路口间距L越大，则V^(i,j)越小，表示平交路口之间相关度越小；而交通流量q越大、排队长度Q越长、信号周期时长C越接近，则V^(i,j)越大，平交路口之间的相关度越大；

根据两个相关平交路口，即平交路口(i，j)、上一平交路口(i，j+1)相关度的耦合矢量V^(i,j)和V^(i,j+1)，两平交路口之间的耦合度由公式(2)得出：

$H_{(i,j)}^{(i,j+1)}(V^{(i,j)},V^{(i,j+1)})=\frac{\left(\right|V^{(i,j)}-\stackrel{\‾}{V^{(i,j)}}\left|\right)\·{\left(\right|V^{(i,j+1)}-\stackrel{\‾}{V^{(i,j+1)}}\left|\right)}^T}{\left|\right|V^{(i,j)}-\stackrel{\‾}{V^{(i,j)}}|{|}_P\·||V^{(i,j+1)}-\stackrel{\‾}{V^{(i,j+1)}}|{|}_Q}---\left(2\right)$

所述耦合度耦合度越大，则相互耦合的平交路口之间的相关程度越大，并划分到同一个控制区域进行控制；

上式中， $\stackrel{\‾}{V^{(i,j)}}=\frac{1}{MN}\underset{k=1}{\overset{MN}{\Σ}}{V}_k^{(i,j)};\stackrel{\‾}{V^{(i,j+1)}}=\frac{1}{MN}\underset{k=1}{\overset{MN}{\Σ}}{V}_k^{(i,j+1)};$ P、Q是两个常量，1≤P≤+∞，1≤Q≤+∞，且||·||_P和||·||_Q分别是各个矢量的P范数和Q范数，i＝1、2、……、M，j＝1、2、……、N；以及

所述步骤S2将划分好的各控制区域分别建立相应两级模糊控制器，以对信号灯进行控制的方法采用所述的区域协调控制方法。

本发明的有益效果是，本发明的区域协调控制方法、区域协调控制系统及城市区域道路交通协调控制方法，其采用两种车辆检测器，实时检测各个平交路口的车流量信息；定义耦合度概念，对城市路网进行控制子区的划分，对划分后的控制子区建立两级模糊控制器，减少了算法的时间复杂度，大大节省了时间，提高了执行的效率；同时实现了全时段的智能化，无需人工干预。

有效缓解客流高峰期的拥挤情况，减少车辆在控制子区域内的平均排队长度，从而大大降低了车辆的平均延误时间。

减少车辆在平交路口处停车时间，甚至不停车通过，减少车辆停车重启的次数，有效的节约能源，同时也减少环境污染。

该方案除利用到车辆传感器外，无其他较大经济投入，成本合理可控，易于实现。

该方案具有可扩展性，可利用其它更加的先进的算法进行优化，如免疫算法，可更好的控制交通客流。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是城市路网各平交路口位置标识示意图；

图2是多路口控制子区划分示意图；

图3是平交路口车辆检测器设置示意图；

图4是车道编号及其车流方向示意图；

图5是两级模糊控制器的结构示意图；

图6(a)为输入变量F₁(t)的隶属函数图，图6(b)为输入变量F₂(t)的隶属函数图，图6(c)为输出变量T₁的隶属函数图；

图7(a)为输入变量T₁的隶属函数图，图7(b)为输入变量T_rest的隶属函数图，图7(c)为输出变量T₂的隶属函数图；

图8(a)为东西直行相位示意图，图8(b)为东西左转相位示意图，图8(c)为南北直行相位示意图，图8(d)南北左转相位示意图；

图9是本区域协调控制方法的系统框图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

本发明首先就城市范围内复杂的路网状况进行控制区域划分，然后就划分好的各个控制区域分别建立两级模糊控制器以进行控制。其中，对于模糊控制器中的模糊控制最主要的思想是利用自然语言来描述模糊控制需要用到的规则库，也即对模糊规则的确定；本发明模糊控制器的输入变量分别来源于各平交路口处设置的两类车辆传感器所采集的车流量信息。通过设计两级模糊控制器的控制方法很好地实现了各个平交路口的交通流的控制，进而达到对整个城市路网范围内各区域协调控制的目的。

实施例1

如图1所示，本发明的一种城市区域道路交通协调控制方法，包括如下步骤：

步骤S1，根据城市中的路网状况进行控制区域划分；

步骤S2，将划分好的各控制区域分别建立相应两级模糊控制器，以对信号灯进行控制。

其中，所述步骤S1中根据城市中的路网状况进行控制区域划分的方法包括：

步骤S11，初步划分，即根据路网中两平交路口间的连线长度L，对城市路网的平交路口群进行初步划分；

具体的，图1为一个M×N的城市路网平交路口群示意图，假设这个交通路网由东西和南北纵横交错的道路组成，东西向道路从北到南依次记为：EW₁、EW₂、…、EW_M；南北向道路从西到东依次记为：SN₁、SN₂、…、SN_N；道路EW_i与SN_j相交的平交路口记为(i，j)，其中i＝1,2,...,M；j＝1,2,...,N。

例举两个相邻平交路口加以说明，即平交路口(i,j)和上一平交路口(i,j+1)的间距大于预设阈值(该阈值一般取800m)时，将这两个平交路口划分到不同的控制区域；反之亦然。

步骤S12，细分，即根据路网中各平交路口之间相关度，定义其耦合度，且依据该耦合度对初步划分后的较大控制区域进行细分，直到控制区域内的各平交路口之间有较大的相关性时，停止划分；其中

所述步骤S12中耦合度的获得方法包括：

相邻平交路口之间的相关度是定量化描述相邻平交路口之间的相关性的交通参量，综合反映了相邻平交路口之间交通信号控制需求差异和路网交通运行情况对相邻平交路口相关性的客观影响。

将影响交通控制区域划分的各因素各自集合，以得到各平交路口之间相关度的评价准则，即相邻平交路口间距L、交通流量q、排队长度Q和信号周期时长C；

将平交路口(i，j)的各指标值组成的矢量称为该平交路口的耦合矢量V^(i,j)，将其表示如公式(1)所示：

V^(i,j)＝(L_(i,j),q_(i,j),Q_(i,j),C_(i,j))(1)；

且耦合矢量V^(i,j)取模值其中，∝为正比例关系符号；

其中，若相邻平交路口间距L越大，则V^(i,j)越小，表示平交路口之间相关度越小；而交通流量q越大、排队长度Q越长、信号周期时长C越接近，则V^(i,j)越大，平交路口之间的相关度越大；

根据两个相关平交路口，即平交路口(i，j)、上一平交路口(i，j+1)相关度的耦合矢量V^(i,j)和V^(i,j+1)，两平交路口之间的耦合度由公式(2)得出：

$H_{(i,j)}^{(i,j+1)}(V^{(i,j)},V^{(i,j+1)})=\frac{\left(\right|V^{(i,j)}-\stackrel{\‾}{V^{(i,j)}}\left|\right)\·{\left(\right|V^{(i,j+1)}-\stackrel{\‾}{V^{(i,j+1)}}\left|\right)}^T}{\left|\right|V^{(i,j)}-\stackrel{\‾}{V^{(i,j)}}|{|}_P\·||V^{(i,j+1)}-\stackrel{\‾}{V^{(i,j+1)}}|{|}_Q}---\left(2\right)$

所述耦合度且耦合度越大，则相互耦合的平交路口之间的相关程度越大，且划分到同一个控制区域进行控制；

上式中， $\stackrel{\‾}{V^{(i,j)}}=\frac{1}{MN}\underset{k=1}{\overset{MN}{\Σ}}{V}_k^{(i,j)};\stackrel{\‾}{V^{(i,j+1)}}=\frac{1}{MN}\underset{k=1}{\overset{MN}{\Σ}}{V}_k^{(i,j+1)};$ P、Q是两个常量，1≤P≤+∞，1≤Q≤+∞，且||·||_P和||·||_Q分别是各个矢量的P范数和Q范数。

下面例举控制区域划分的具体实例，来详细阐述应用耦合度划分控制区域的方法。

图2给出了一个简单的多路口控制区域，各平交路口右上数据表示该路口信号周期时长C；右下数据表示相邻平交路口间距L。表1给出了各关联路段的交通流量q及其车辆排队长度Q。

表1关联路段的交通流量及其车辆排队长度信息

根据图2五路口城市路网和表1给出的数据信息，可以对该区域进行控制区域划分：

初步划分：首先跟据相邻交叉口间距进行初步划分，因为可直接将(i，1)单独划分为一个控制区域I，(i，2)、(i，3)、(i，4)、(i，5)初划到一个控制区域II；

再次细分：然后根据耦合度对控制区域II再进行划分。各交叉口耦合矢量分别为：

V^(i,2)＝(600,500,25,120)

V^(i,3)＝(550,550,30,115)

V^(i,4)＝(450,500,20,110)

V^(i,5)＝(400,450,15,110)(3)

归一化后为：

V^(i,2)＝(0.3,0.25,0.28,0.27)

V^(i,3)＝(0.275,0.275,0.33,0.25)

V^(i,4)＝(0.225,0.25,0.22,0.24)

V^(i,5)＝(0.2,0.225,0.17,0.24)(4)

控制区域II四个交叉口两两结合由归一化耦合矢量可得到6个耦合度：

$H_{(i,2)}^{(i,3)}(V^{(i,2)},V^{(i,3)})=\frac{\left(\right|V^{(i,2)}-\stackrel{\‾}{V^{(i,2)}}\left|\right)\·{\left(\right|V^{(i,3)}-\stackrel{\‾}{V^{(i,3)}}\left|\right)}^T}{\left|\right|V^{(i,2)}-\stackrel{\‾}{V^{(i,2)}}|{|}_2\·||V^{(i,3)}-\stackrel{\‾}{V^{(i,3)}}|{|}_2},$ 其值为0.8(5)

$H_{(i,2)}^{(i,4)}(V^{(i,2)},V^{(i,4)})=\frac{\left(\right|V^{(i,2)}-\stackrel{\‾}{V^{(i,2)}}\left|\right)\·{\left(\right|V^{(i,4)}-\stackrel{\‾}{V^{(i,4)}}\left|\right)}^T}{\left|\right|V^{(i,2)}-\stackrel{\‾}{V^{(i,2)}}|{|}_2\·||V^{(i,4)}-\stackrel{\‾}{V^{(i,4)}}|{|}_2},$ 其值为1.0(6)

$H_{(i,2)}^{(i,5)}(V^{(i,2)},V^{(i,5)})=\frac{\left(\right|V^{(i,2)}-\stackrel{\‾}{V^{(i,2)}}\left|\right)\·{\left(\right|V^{(i,5)}-\stackrel{\‾}{V^{(i,5)}}\left|\right)}^T}{\left|\right|V^{(i,2)}-\stackrel{\‾}{V^{(i,2)}}|{|}_2\·||V^{(i,5)}-\stackrel{\‾}{V^{(i,5)}}|{|}_2},$ 其值为0.86(7)

$H_{(i,3)}^{(i,4)}(V^{(i,3)},V^{(i,4)})=\frac{\left(\right|V^{(i,3)}-\stackrel{\‾}{V^{(i,3)}}\left|\right)\·{\left(\right|V^{(i,4)}-\stackrel{\‾}{V^{(i,4)}}\left|\right)}^T}{\left|\right|V^{(i,3)}-\stackrel{\‾}{V^{(i,3)}}|{|}_2\·||V^{(i,4)}-\stackrel{\‾}{V^{(i,4)}}|{|}_2},$ 其值为0.8(8)

$H_{(i,3)}^{(i,5)}(V^{(i,3)},V^{(i,5)})=\frac{\left(\right|V^{(i,3)}-\stackrel{\‾}{V^{(i,3)}}\left|\right)\·{\left(\right|V^{(i,5)}-\stackrel{\‾}{V^{(i,5)}}\left|\right)}^T}{\left|\right|V^{(i,3)}-\stackrel{\‾}{V^{(i,3)}}|{|}_2\·||V^{(i,5)}-\stackrel{\‾}{V^{(i,5)}}|{|}_2},$ 其值为0.99(9)

$H_{(i,4)}^{(i,5)}(V^{(i,4)},V^{(i,5)})=\frac{\left(\right|V^{(i,4)}-\stackrel{\‾}{V^{(i,4)}}\left|\right)\·{\left(\right|V^{(i,5)}-\stackrel{\‾}{V^{(i,5)}}\left|\right)}^T}{\left|\right|V^{(i,4)}-\stackrel{\‾}{V^{(i,4)}}|{|}_2\·||V^{(i,5)}-\stackrel{\‾}{V^{(i,5)}}|{|}_2},$ 其值为0.85(10)

若给定一个阈值H_high＝0.80，以上耦合度皆不小于该阈值，说明控制区域II各交叉口相关程度很大，可以耦合，所以可以将控制区域II划分在同一个控制区域内进行协调控制。

所述步骤S2将划分好的各控制区域分别建立相应两级模糊控制器，以对信号灯进行控制的方法采用区域协调控制方法，该区域协调控制方法将在随后的实施例中将以详细说明。

实施例2

本实施2提出了一种区域协调控制方法，包括

检测各平交路口所对应的相应路段上的交通流量信息，以获得各平交路口各相位的实际绿灯延长时间T₂；

判断平交路口各相位的最小绿灯时间G_min、实际绿灯延长时间T₂之和与最大绿灯时间G_max的关系，以控制各平交路口的绿灯相位。

其中，所述交通流量信息通过车辆流量检测装置获得，具体的，所述车辆流量检测装置包括：在平交路口各个路段上分别设有车辆流量检测装置，所述车辆流量检测装置包括：近端车辆检测器和远端车辆检测器；其中近端车辆检测器采用摄像探头，远端车辆检测器采用环形线圈车辆传感器。

本系统采用车辆传感器对各个平交路口的车流量信息进行数据的采集，如图3给出了平交路口模糊控制器车辆检测器设置示意图。十字形平交路口分为A、B、C、D四个路段，每个路段上都设置两个车辆检测器，即近端摄像头(图3中分别用A1、B1、C1、D1表示)和环形线圈检测器(图3中分别用A2、B2、C2、D2表示)，其中近端检测器用于检测绿灯期间车辆通过平交路口的交通流信息，远端检测器用于检测红灯期间在停车线处等待的车辆交通流信息。环形线圈车辆传感器与近端摄像头之间的间距依据实际的路网信息确定，一般两者间距取200m。

关于区域协调控制方法中初始化设置等步骤将在后续实施例中详细展开。

所述实际绿灯延长时间T₂的方法包括：

建立两级模糊控制器，即一级模糊控制器FCI、二级模糊控制器FCII；

所述一级模糊控制器FCI的输入变量分别为F₁(t)和F₂(t)，其输出变量为时间T₁；

所述二级模糊控制器FCII的两输入分别为时间T₁和预设信号周期时长的剩余时间T_rest，其输出为实际绿灯延长时间T₂；其中

F₁(t)表示一控制区域内，平交路口(i,j)当前时刻绿灯相位上、下游近端车辆检测器之间的车辆数之和的最大值减去该平交路口当前时刻红灯相位上、下游远端车辆检测器之间的车辆数之和的最大值；

F₂(t)表示t时刻时，上一平交路口(i,j+1)与平交路口(i,j)之间路段的车辆数和下一平交路口(i,j-1)与平交路口(i,j)之间路段的车辆数的最大值。

下面给出两级模糊控制器的具体实现过程：

F₁(t)＝X_max-Y_max(11)

其中，X为区域内各自然平交路口当前时刻绿灯相位上、下游车辆检测器之间的车辆数之和，X_max为其最大值；Y为区域内各自然平交路口当前时刻红灯相位上、下游车辆检测器之间的车辆数之和，Y_max为其最大值。

不失一般性，设平交路口各路段至少为双向6车道，等待左拐的车辆占据里侧车道，右拐车辆使用外侧车道，中间车道为等待直行的车辆使用。各交叉口的所有车道统一编号，令车道号为d，则d＝1,2,…,12，如图4所示。此处规定同向交通流使用一个车道号。

$F_2\left(t\right)=\max \{q_{(i,j+1)}^{(i,j)}\left(t\right)-q_{(i,j)}^{(i,j-1)}\left(t\right),q_{(i,j-1)}^{(i,j)}\left(t\right)-q_{(i,j)}^{(i,j+1)}\left(t\right)\}---\left(12\right)$

其中，表示t时刻，上一平交路口(i,j+1)到平交路口(i,j)中间路段的车辆数；

表示t时刻，下一平交路口(i,j-1)到平交路口(i,j)中间路段的车辆数；

以上各参量的计算分别如下：

$\begin{array}{c}{q}_{(i,j+1)}^{(i,j)}\left(t\right)=I_{(i,j+1)1}^{(i,j)}\left(t\right)+I_{(i,j+1)3}^{(i,j)}\left(t\right)+I_{(i,j+1)9}^{(i,j)}\left(t\right)\\ =k_{{(i,j+1)}_1}^{(i,j)}{O}_{(i,j+1)1}^{(i,j)}\left(t\right)+k_{{(i,j+1)}_4}^{(i,j)}{O}_{(i,j+1)6}^{(i,j)}\left(t\right)+O_{(i,j+1)11}^{(i,j)}\left(t\right)\end{array}---\left(13\right)$

$\begin{array}{c}{q}_{(i,j)}^{(i,j+1)}\left(t\right)=I_{(i,j)2}^{(i,j+1)}\left(t\right)+I_{(i,j)4}^{(i,j+1)}\left(t\right)+I_{(i,j)10}^{(i,j+1)}\left(t\right)\\ =k_{(i,j)1}^{(i,j+1)}{O}_{(i,j)2}^{(i,j+1)}\left(t\right)+k_{(i,j)4}^{(i,j+1)}{O}_{(i,j)5}^{(i,j+1)}\left(t\right)+O_{(i,j)12}^{(i,j+1)}\left(t\right)\end{array}---\left(14\right)$

$\begin{array}{c}{q}_{(i,j-1)}^{(i,j)}\left(t\right)=I_{(i,j-1)2}^{(i,j)}\left(t\right)+I_{(i,j-1)4}^{(i,j)}\left(t\right)+I_{(i,j-1)10}^{(i,j)}\left(t\right)\\ =k_{(i,j-1)1}^{(i,j)}{O}_{(i,j-1)2}^{(i,j)}\left(t\right)+k_{{(i,j-1)}_4}^{(i,j)}{O}_{(i,j-1)5}^{(i,j)}\left(t\right)+O_{(i,j-1)12}^{(i,j)}\left(t\right)\end{array}---\left(15\right)$

$\begin{array}{c}{q}_{(i,j)}^{(i,j-1)}\left(t\right)=I_{(i,j)1}^{(i,j-1)}\left(t\right)+I_{(i,j)3}^{(i,j-1)}\left(t\right)+I_{(i,j)9}^{(i,j-1)}\left(t\right)\\ =k_{(i,j)1}^{(i,j-1)}{O}_{(i,j)1}^{(i,j-1)}\left(t\right)+k_{(i,j)4}^{(i,j-1)}{O}_{(i,j)6}^{(i,j-1)}\left(t\right)+O_{(i,j)11}^{(i,j-1)}\left(t\right)\end{array}---\left(16\right)$

其中，表示在t-△t时段内在第d车道区域内从上一平交路口(i,j+1)驶入平交路口(i,j)的车辆数；

表示在t-△t时段内从上一平交路口(i,j+1)的第d车道区域内驶出到平交路口(i,j)的车辆数；

表示在t-△t时段内从上一平交路口(i,j+1)驶出到平交路口(i,j)的车辆分流系数，x表示相位，x＝1,2,3,4(1表示东西直行，2表示东西左转，3表示南北直行，4表示南北左转；本实施例未考虑右转相位，故而无右转相位分流系数。具体相位分布见图8(a)至图8(d))。t-△t表示一段时间(各个相位的间隔时间)。△表示时间间隔。

一级模糊控制器FCI的输出变量为时间T₁，同时T₁作为二级模糊控制器FCII的一个输入；二级模糊控制器FCII的另一个输入为预设信号周期时长的剩余时间T_rest。最终的输出变量为T₂，表示实时绿灯时长的延时输出，最后叠加预设的最小绿灯时间G_min，最终得到实际相位的绿灯输出时间T，两级模糊控制器的结构示意图如图5所示。

并且，两级模糊控制器的设计包括：模糊控制器输入输出变量的设计、各变量隶属函数的设计、模糊规则的设计、模糊控制器最终输出结果。

所述模糊控制器输入输出变量的设计中包括：一级模糊控制器的设计、二级模糊控制器的设计。

一级模糊控制器的设计，即设输入辅助变量F₁(t)论域为[0，80]，在此论域上定义七个模糊子集{很少(VF)、少(F)、较少(MF)、中(M)、较多(MR)、多(R)、很多(VR)}；输入辅助变量F₂(t)论域为[0，200]，在此论域上定义七个模糊子集{很少(VF)、少(F)、较少(MF)、中(M)、较多(MR)、多(R)、很多(VR)}；输出变量T₁的论域为[0,25]，在此论域上定义六个模糊子集{零(Z)、很短(VS)、短(S)、中(M)、长(L)、很长(VL)}。模糊集的定义如表2所示。

表2一级模糊集合的定义

变量	论域(单位：PCU)	模糊子集	值域(单位：PCU)
				F1(t)	[0,80]	{VF、F、MF、M、MR、R、VR}	[0,80]
F2(t)	[0,200]	{VF、F、MF、M、MR、R、VR}	[0,200]
				T1	[0,25]	{Z、VS、S、M、L、VL}	[0,25]

二级模糊控制器的设计，即设输入变量T_rest和T₁的论域为[0，25]，在此论域上定义六个模糊子集{零(Z)、很短(VS)、短(S)、中(M)、长(L)、很长(VL)}。类似处理输出变量T₂。模糊集的定义如表3所示。

表3二级模糊集合的定义

变量	论域(单位：s)	模糊子集	值域(单位：s)
				T1	[0,25]	{Z、VS、S、M、L、VL}	[0,25]
Trest	[40,110]	{Z、VS、S、M、L、VL}	[40,110]
				T2	[0,25]	{Z、VS、S、M、L、VL}	[0,25]

所述各变量隶属函数的设计包括：一级模糊控制器各变量隶属函数的设计、二级模糊控制器各变量隶属函数的设计。图6、7分别给出了各级模糊控制器的隶属函数。

图6给出了FCI各变量的隶属函数：图6(a)为输入变量F₁(t)的隶属函数；图6(b)为输入变量F₂(t)的隶属函数；图6(c)为输出变量T₁的隶属函数；

图7给出了FCII各变量的隶属函数：图7(a)为输入变量T₁的隶属函数；图7(b)为输入变量T_rest的隶属函数；图7(c)为输出变量T₂的隶属函数。

所述模糊规则的设计包括：一级模糊控制规则的设计、二级模糊控制规则的设计。

一级模糊控制规则的设计，即辅助输入变量F₁(t)＝X_max-Y_max反应车辆在各个平交路口能够较多通过车辆的特点。如果从上游驶出较多车辆，则需要相应的延长当前相位的绿灯时间，用来疏导区域内上游交通；假若下游的车辆数量不断增多，为了保证道路畅通，应适当控制下游路段的绿灯时长。辅助输入变量F₂(t)为平交路口入口与出口的车辆数的差值。根据以上分析，得出区域协调控制一级模糊控制规则表如表4所示。

表4一级模糊控制规则表

二级模糊控制规则的设计，即经过一级模糊系统后其输出为当前相位绿灯持续时间，如果该持续时间越长，说明该相位存在相当大的交通需求，整个系统的绿灯延长时间T₂就要设置为较大的值；反之，采取相应的设计思路，区域协调控制二级模糊控制如表5所示。

表5二级模糊控制规则表

模糊控制器最终输出结果。输出变量T₂可采用MATLAB仿真得到。将输出变量T₂的所有结果进行汇总，得到最终的模糊控制输出查询表，如表6所示。

表6模糊控制输出查询表

实施例3

本实施例3提供了一种区域协调控制系统，包括：一车辆流量检测装置，用于检测各平交路口的相应路段上的交通流量信息；与该车辆流量检测装置相连的控制模块，该控制模块分别与各平交路口的信号灯控制器相连；其中所述控制模块适于根据获得的交通流量信息，计算出各平交路口各相位的实际绿灯延长时间T₂，并判断平交路口各相位的最小绿灯时间G_min、实际绿灯延长时间T₂之和与最大绿灯时间G_max的关系，以控制各平交路口的绿灯相位。

所述控制模块包括：初始化单元，即设置信号灯的信号周期时长的重复次数n＝0，且n＝0；通过车辆流量检测装置检测各平交路口的交通流量信息状况，确定下一时段的信号周期时长；

设置各平交路口的相位标志位flag，即各平交路口的初始相位标志位为flag＝0，且当初始相位标志位flag＝1时表示为当前绿灯相位；

设定平交路口各相位的最小绿灯时间G_min和最大绿灯时间G_max；

设定东西直行方向为各平交路口各个信号周期时长内的初始相位，且设定东西直行相位、东西左转相位、南北直行相位和南北左转相位的相位优先级依次从高到低；以及

在初始时刻，各平交路口的东西直行相位均设置为最小绿灯时间G_min。

所述控制模块还适于根据各平交路口相位标志位flag的值对各平交路口的相位切换，且依据信号灯一周期内的交通流数据信息，计算出下一时段的信号周期时长。

所述控制模块还包括：

两级模糊控制器，即一级模糊控制器FCI、二级模糊控制器FCII；

所述一级模糊控制器FCI的输入变量分别为F₁(t)和F₂(t)，其输出变量为时间T₁；

所述二级模糊控制器FCII的两输入分别为时间T₁和预设信号周期时长的剩余时间T_rest，其输出为实际绿灯延长时间T₂；其中

F₁(t)表示一控制区域内，平交路口(i,j)当前时刻绿灯相位上、下游近端车辆检测器之间的车辆数之和的最大值减去该平交路口当前时刻红灯相位上、下游远端车辆检测器之间的车辆数之和的最大值；

F₂(t)表示t时刻时，上一平交路口(i,j+1)与平交路口(i,j)之间路段的车辆数和下一平交路口(i,j-1)与平交路口(i,j)之间路段的车辆数的最大值。

所述控制模块还包括：判断单元，其适于判断最小绿灯时间G_min、实际绿灯延长时间T₂之和与最大绿灯时间G_max的关系；

所述判断单元包括：

若G_min+T₂＜G_max，则将实际绿灯延长时间T₂作为当前绿灯相位延时时间；

若G_min+T₂≥G_max，则当前绿灯相位延时时间为G_max-G_min。

在绿灯相应延时时间的末尾，所述控制模块适于通过相位标志位flag进行相位切换；即

根据采集得到的交通流量数据信息，放行红灯滞留最大的相位为下一时段的绿灯相位；当有不止1个平交路口的flag＝1时，则按照初始相位的优先级高低顺序置区域内各平交路口的下一个绿灯相位；并且置下一绿灯相位的初始绿灯时间为G_min。

所述控制模块还适于依据信号灯一周期内的交通流数据信息，计算出下一时段的信号周期时长。

实施例4

通过本实施例4对区域协调控制方法的整个算法流程进行展开。

为了使区域内交通能够达到较好的协调控制效果，区域内各信号灯应使用相同的信号周期时长，并且需要持续一定时间，这样可以防止信号周期变化频繁给系统造成较大的控制压力。根据控制区域域内路况信息，令其信号周期时长的重复次数n＝N，当n＝n+1超预设的最大N值时，进行信号周期时长调整。以相位标志位flag来标示系统内某一特定相位的通行权状态，flag＝0表示该相位为红灯状态，flag＝1表示该相位取得通行权。

以下分析整个控制过程如下：首先，对系统状态信息参数进行初始化，各平交路口传感器检测各自交通流信息，经两级模糊控制器处理后，输出实际绿灯延长时间T₂，判断平交路口各相位的最小绿灯时间G_min、实际绿灯延长时间T₂之和与最大绿灯时间G_max的关系，据此决定各平交路口绿灯相位显示。随后，根据各平交路口相位标志flag的值判定各个相位间的切换。最后，依据信号灯一周期内的交通流数据信息，计算出下一时段的信号周期时长。

两级区域协调模糊控制算法具体的流程步骤如图9所示：

Step1初始化：设置n＝0，车辆检测器检测各平交路口的交通流量信息状况，确定下一时段的信号周期时长C；设置各平交路口的初始相位标志为flag＝0，令初始相位标志为1时为当前绿灯相位；设定平交路口各相位的最小绿灯时间G_min和最大绿灯时间G_max。

系统设定东西直行方向为各平交路口各个信号周期时长内的初始相位，即如相位分布图8所示的相位1(预定义相位的优先级由高到低的顺序为：东西直行相位、东西左转相位、南北直行相位和南北左转相位)。初始时刻，各平交路口的东西直行相位均设置为最小绿灯时间G_min。

Step2在当前相位的绿灯时间末，根据采集到的车流量相关信息计算出X_max、Y_max及其平交路口之间的路段交通流量(相关计算过程参见上述实施例)；从而得到模糊输入辅助变量F₁(t)和F₂(t)。在一级模糊控制器中，使用输入辅助变量F₁(t)和F₂(t)以及系统的模糊规则决定系统输出的模糊变量T₁，即为输出变量为时间。

Step3二级模糊控制器的输入变量根据一级模糊控制输出结果T₁和预设信号周期时长的剩余时间T_rest确定，由模糊逻辑推理计算出各平交路口实际绿灯延长时间T₂。

Step4判断G_min+T₂与G_max的关系：

若有：

G_min+T₂＜G_max(17)

此时，将当前相位直接延时T₂；跳到Step5。

若有：

G_min+T₂≥G_max(18)

此时，将当前相位延时G_max-G_min；跳到Step5。

Step5在绿灯延时期间(T₂或G_max-G_min)的末尾，根据相位标志位flag状态判断各平交路口的相位切换：根据采集得到的交通流量数据信息，放行红灯滞留最大的相位为下一时段的绿灯相位；当有不止1个平交路口的flag＝1时，则按照Step1预定义相位的优先级高低顺序置控制区域内各平交路口的下一个绿灯相位。并且置下一绿灯相位的初始绿灯时间为G_min。

Step6令n＝n+1，判断n与N的关系。如果n>N，转Step7；否则，返回Step2。

Step7根据该段时间内的交通流量数据信息情况，计算出下一时段的信号周期时长，返回Step1。

本城市区域道路交通协调控制方法利用耦合度的概念对整个城市路网进行控制子区域划分，实现控制子区域内的交通畅通。比各个路口各自为政进行单独控制更能协调区域内的交通流状况。

使用两种不同种类的车辆检测传感器进行车流量的统计，比传统的感应控制单种车辆检测器更加有效。

使用两级模糊控制器，区域协调控制整个城市大范围内的交通流，达到最大化减少城市大范围路网内交通拥挤状况，实现顺畅通行。比利用单级模糊控制更加精确，比利用遗传等控制方法计算更加简便。

采用变相位的控制方式，根据平交路口处实际的交通状况来确定各平交路口相位标志位flag的值，进而判定各个相位间的切换，分配给相应相位通行权，可以有效地减少平交路口处的交通滞留。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (10)

1.一种区域协调控制方法，其特征在于，包括

检测各平交路口所对应的相应路段上的交通流量信息，以获得各平交路口各相位的实际绿灯延长时间T₂；

判断平交路口各相位的最小绿灯时间G_min、实际绿灯延长时间T₂之和与最大绿灯时间G_max的关系，以控制各平交路口的绿灯相位。

2.根据权利要求1所述的区域协调控制方法，其特征在于，所述区域协调控制方法还包括：初始化，即

设置信号灯的信号周期时长的重复次数n，且n＝0；通过车辆流量检测装置检测各平交路口的交通流量信息状况，确定下一时段的信号周期时长；

设置各平交路口的相位标志位flag，即各平交路口的初始相位标志位flag＝0，且当初始相位标志位flag＝1时表示为当前绿灯相位；

设定平交路口各相位的最小绿灯时间G_min和最大绿灯时间G_max；

设定东西直行方向为各平交路口各个信号周期时长内的初始相位，且设定东西直行相位、东西左转相位、南北直行相位和南北左转相位的相位优先级依次从高到低；以及

在初始时刻，各平交路口的东西直行相位均设置为最小绿灯时间G_min。

3.根据权利要求2所述的区域协调控制方法，其特征在于，

所述区域协调控制方法还包括：

根据各平交路口的相位标志位flag的值对各平交路口的相位切换，且依据信号灯一周期内的交通流数据信息，计算出下一时段的信号周期时长。

4.根据权利要求1-3任一项所述的区域协调控制方法，其特征在于，所述实际绿灯延长时间T₂的方法包括：

建立两级模糊控制器，即一级模糊控制器FCI、二级模糊控制器FCII；

所述一级模糊控制器FCI的输入变量分别为F₁(t)和F₂(t)，其输出变量为时间T₁；

所述二级模糊控制器FCII的两输入分别为时间T₁和预设信号周期时长的剩余时间T_rest，其输出为实际绿灯延长时间T₂；其中

F₁(t)表示一控制区域内，平交路口(i,j)当前时刻绿灯相位上、下游近端车辆检测器之间的车辆数之和的最大值减去该平交路口当前时刻红灯相位上、下游远端车辆检测器之间的车辆数之和的最大值；

F₂(t)表示t时刻时，上一平交路口(i,j+1)与平交路口(i,j)之间路段的车辆数和下一平交路口(i,j-1)与平交路口(i,j)之间路段的车辆数的最大值。

5.根据权利要求4所述的区域协调控制方法，其特征在于，

判断最小绿灯时间G_min、实际绿灯延长时间T₂之和与最大绿灯时间G_max的关系，即

若G_min+T₂＜G_max，则将实际绿灯延长时间T₂作为当前绿灯相位延时时间；

若G_min+T₂≥G_max，则当前绿灯相位延时时间为G_max-G_min。

6.根据权利要求5所述的区域协调控制方法，其特征在于，

在绿灯相应延时时间的末尾，适于通过相位标志位flag进行相位切换；

通过相位标志位flag进行相位切换的方法包括：

根据采集得到的交通流量数据信息，放行红灯滞留最大的相位为下一时段的绿灯相位；当有不止1个平交路口的相位标志位flag＝1时，则按照初始相位的优先级高低顺序置区域内各平交路口的下一个绿灯相位；并且置下一绿灯相位的初始绿灯时间为G_min。

7.一种区域协调控制系统，其特征在于，包括：

一车辆流量检测装置，用于检测各平交路口的相应路段上的交通流量信息；

与该车辆流量检测装置相连的控制模块，该控制模块分别与各平交路口的信号灯控制器相连；其中

所述控制模块适于根据获得的交通流量信息，计算出各平交路口各相位的的实际绿灯延长时间T₂，并判断平交路口各相位的最小绿灯时间G_min、实际绿灯延长时间T₂之和与最大绿灯时间G_max的关系，以控制各平交路口的绿灯相位。

8.根据权利要求7所述的区域协调控制系统，其特征在于，

所述车辆流量检测装置包括：在平交路口各个路段上分别设有车辆流量检测装置，所述车辆流量检测装置包括：近端车辆检测器和远端车辆检测器；其中

近端车辆检测器采用摄像探头，远端车辆检测器采用环形线圈车辆传感器。

9.一种城市区域道路交通协调控制方法，其特征在于，包括如下步骤：

步骤S1，根据城市中的路网状况进行控制区域划分；

步骤S2，将划分好的各控制区域分别建立相应两级模糊控制器，以对信号灯进行控制。

10.根据权利要求9所述的城市区域道路交通协调控制方法，其特征在于，

所述步骤S1中根据城市中的路网状况进行控制区域划分的方法包括：

步骤S11，初步划分，即根据路网中两平交路口间的连线长度L，对城市路网的平交路口群进行初步划分；

步骤S12，细分，即根据路网中各平交路口之间相关度，定义其耦合度，且依据该耦合度对初步划分后的较大控制区域进行细分，直到控制区域内的各平交路口之间有较大的相关性时，停止划分；其中

所述步骤S12中耦合度的获得方法包括：

将影响交通控制区域划分的各因素各自集合，以得到各平交路口之间相关度的评价准则，即相邻平交路口间距L、交通流量q、排队长度Q和信号周期时长C；

将平交路口(i，j)的各指标值组成的矢量称为该平交路口的耦合矢量V^(i,j)，将其表示如公式(1)所示：

V^(i,j)＝(L_(i,j),q_(i,j),Q_(i,j),C_(i,j))(1)；

且耦合矢量V^(i,j)取模值其中，∝为正比例关系符号；

其中，若相邻平交路口间距L越大，则V^(i,j)越小，表示平交路口之间相关度越小；而交通流量q越大、排队长度Q越长、信号周期时长C越接近，则V^(i,j)越大，平交路口之间的相关度越大；

根据两个相关平交路口，即平交路口(i，j)、上一平交路口(i，j+1)相关度的耦合矢量V^(i,j)和V^(i,j+1)，两平交路口之间的耦合度由公式(2)得出：

$H_{\left(i,j\right)}^{\left(i,j+1\right)}\left(V^{\left(i,j\right)},V^{\left(i,j+1\right)}\right)=\frac{\left(|V^{\left(i,j\right)}-\stackrel{\‾}{V^{\left(i,j\right)}}|\right)\·{\left(|V^{\left(i,j+1\right)}-\stackrel{\‾}{V^{\left(i,j+1\right)}}|\right)}^T}{\left|\right|V^{\left(i,j\right)}-\stackrel{\‾}{V^{\left(i,j\right)}}|{|}_P\·||V^{\left(i,j+1\right)}-\stackrel{\‾}{V^{\left(i,j+1\right)}}|{|}_Q}---\left(2\right)$

所述耦合度耦合度越大，则相互耦合的平交路口之间的相关程度越大，并划分到同一个控制区域进行控制；

上式中，P、Q是两个常量，1≤P≤+∞，1≤Q≤+∞，且||·||_P和||·||_Q分别是各个矢量的P范数和Q范数，i＝1、2、……、M，j＝1、2、……、N；以及

所述步骤S2将划分好的各控制区域分别建立相应两级模糊控制器，以对信号灯进行控制的方法采用如权利要求1所述的区域协调控制方法。