CN107680391A

CN107680391A - 十字路口交通流的二型模糊控制方法

Info

Publication number: CN107680391A
Application number: CN201710898418.2A
Authority: CN
Inventors: 莫红; 张峰; 晏科夫; 朱凤华
Original assignee: Changsha University of Science and Technology
Current assignee: Changsha University of Science and Technology
Priority date: 2017-09-28
Filing date: 2017-09-28
Publication date: 2018-02-09

Abstract

本发明使用二型模糊集合对十字路口潮汐车流的拥堵状况进行评估与控制。首先对在十字路口采集的交通数据进行处理，再得到有效统计数据；然后根据参数种类对有效数据分别聚类得到状态向量，将状态向量归一化后得到特征向量；接下来由特征向量及语言动力系统理论构建时变论域，并建立时变论域中各基词的隶属度函数；最后，计算十字路口潮汐车流中的基词与全论域的基词的匹配度，根据匹配结果确定相应措施来对十字路口潮汐车流进行控制。本发明根据排队长度、车流密度的实时变化，实现动态协调配时，使各交叉口红绿灯的周期及相位差能实时变化，让信号配时不再受限于固定周期和固定相位差，该方法比传统的协调控制灵活性更大，能有效防止道路堵塞。

Description

十字路口交通流的二型模糊控制方法

技术领域

本发明涉及智能交通领域，具体地说，涉及一种基于二型模糊集合的十字路口交通流控制方法。

背景技术

随着我国经济的快速发展和城市化进程的不断推进，许多城市的汽车保有量和出行量大幅增加,对城市的交通建设提出了越来越多的要求。然而现有的交通路网却不能很好地满足这些要求，出现了各种拥堵现象。人们解决交通问题所考虑的范围越来越大，首先研究单个交叉路口的交通控制方案，再研究把一十字路口上一批相邻路口的交通信号连接起来，加以协调控制，就出现了干线交叉口交通信号的联动协调控制，再然后，人们又研究把整个区域内所有交通信号连起来加以协调控制，从而发展成更复杂、规模更大且一般整体更优的交通信号区域控制系统。

传统的协调控制一般要求干线各路口信号周期一致、相位差固定，忽略了不同路段交通流的差异和变化。为此，本发明提出了一种新的协调控制方法。依据人们出行的时间规律，城市干线交通流的变化呈现出一定的规律性。按不同时间段对各路口通行状况运用模糊综合评判法进行实时评判，将之分为通畅、一般、轻度拥堵、拥堵、严重拥堵五个等级，不同时段交通流的特征不同，评判标准也就不一样；根据评判结果与时段及排队长度运用模糊控制器建立协调配时模型。合理进行交通控制可以对交通流进行有效的引导和调度，是交通处于一个流畅的运行状态，进而避免或缓和交通拥堵状况，大大提高交通系统的运行效率，并减少交通事故，降低污染程度，减少能源消耗。

发明内容

为了解决上述问题，本发明提供一种基于二型模糊集合的十字路口交通流控制方法，其具体的技术方法如下：

步骤1：对采集到的交通数据进行筛选、插补得到有效数据，运用k-means算法对有效交通数据按参数类型进行聚类，得到关于交通状态的状态向量，进一步归一化后得到关于交通状态的特征向量。

进一步，采集的数据类型可以是路段流量、距离、密度、占有率、车道、车辆排队等，但一般以各路口为中心设置检测装置，对路口各方向车流量、速度、占有率、密度进行统计；

进一步，而处理数据时，首先要对数据进行检查，剔除错误数据和无效数据，再对所有空缺进行插补。

步骤2：然后根据参数种类对有效数据分别聚类得到状态向量，将状态向量归一化后得到特征向量；接下来由特征向量及语言动力系统理论构建时变论域，并建立时变论域中各基词的隶属度函数；

进一步，利用K-means聚类算法将统计数据的状态列向量分别进行聚类，进行归一化后得到特征向量，K-means算法的输入为聚类个数k以及包含n个数据对象的数据样本集U；

进一步，可得到该路口在更大时间尺度上的多个表示贴近度的一型隶属度函数，将同类参数的一型隶属度函数进行比较，找出每个基词的上下边界，可构建在整个观测期间该类参数的贴近度的二型隶属度函数。

计算数据集中每个对象与聚类中心之间的距离D(x_j,Z_i(l))，j＝1,2,…,n，若

D(x_j,Z_i(l))＝min{D(x_j,Z₁(l)),D(x_j,Z₂(l)),…D(x_j,Z_k(l))}

则x_j属于Z_i(l)为聚类中心的类。

步骤3：计算十字路口潮汐车流中的基词与全论域的基词的匹配度，根据匹配结果确定具体的措施来对十字路口潮汐车流进行控制；

进一步，交通状态有模糊性、时变性的特点，所以论文构建了关于交通流的时变论域，并运用二型模糊集合对十字路口潮汐车流和路口状态进行评估，确定了时变论域中各基词的隶属度函数。

步骤4：根据权利要求1所述的一种基于二型模糊集合的十字路口交通流控制方法，其特征在于，步骤4中：

进一步：对十字路口潮汐车流进行控制的措施包括启用潮汐车道、延长绿灯时间、限制左转。

进一步：根据对潮汐车流的评估结果，采取具体的措施对潮汐车流进行引导；在路口状态评估的基础上，对路口红绿灯信号进行动态协调配时，使各交叉口红绿灯的周期及相位差能随交通流的变化而改变，让信号配时不再受限于固定周期和固定相位差。

计算十字路口潮汐车流中的基词与全论域的基词的匹配度以下步骤：

步骤1：二型模糊集合的计算可以转化为其对应的不确定覆盖域FOU的计算；

步骤2：假设有k个基词被激活，分别计算ω与第k个基词ω_i上、下边界的匹配度，记为：

λ_i＝max{n_i(u)|n_i(u)＝s(u)}

μ_i＝max{m_i(u)|m_i(u)＝r(u)}

步骤3：若有两条或者两条以上规则同时被激活，则按照上述方法分别计算出基词的匹配度，对匹配度进行比较，确定十字路口潮汐车流状态。

一种基于二型模糊集合的十字路口交通流控制方法，其特征在于，步骤三中可以考虑设置十字路口潮汐车道的条件：

1、道路单边机动车车道为三车道或三车道以上；

2、道路中央没有绿化带和固定的隔离护栏，道路路面也不存在电车等轨道交通的轨道装置；3、车道变更后，被变更一方剩余的车道仍然能满足其车辆的通行需要。

本发明提供一种基于二型模糊集合的十字路口交通流控制方法，其优点在于：

(1)本发明根据排队长度、车流密度的实时变化，结合道路现实条件，配置路口方向绿灯时长及周期长度，并对相位差进行约束，实现动态协调配时，使各交叉口红绿灯的周期及相位差能随交通流的变化而改变，让信号配时不再受限于固定周期和固定相位差；

(2)本发明相对于传统的协调控制灵活性更大，能有效防止道路堵塞，具有良好的适应性；

(3)本发明提供的方案中，模糊集合所在论域随时间变化而变化，以描述绿灯时长及周期随交通流的变化而变化的情形，且隶属函数根据周期的变化状况进行实时变化；

(4)本发明的相位差是实时的，即在不同时间，随着交通流的变化，周期和各相位的时长与交通流的状况相适应。

附图说明

图1是路口排队示意图；

图2是相位设置示意图；

图3是三路口主干道示意图；

图4是数据处理流程示意图。

具体实施方式

结合附图及本发明的实施例对本发明的一种基于二型模糊集合的十字路口交通流控制方法作进一步详细的说明。

本发明所述的十字路口交通流控制系统的流程：先进行数据采集和处理部分、对有效数据分别聚类得到状态向量，归一化得特征向量，构建时变论域建立隶属度函数，再对十字路口潮汐车流进行实时控制。

(1)对交通流状况好坏评判的标准有很多，比如流量、密度、速度、行车时间、延误时间、排队长度、车辆间距、占有率等，驾驶员普遍的驾驶技术对交通状况的影响程度也极大。为了管理好交通状况，需要对多项交通参数进行综合分析，不能就单一指标对交通状态进行评估。路口红绿灯配时参数，包括信号周期、绿信比和相位差，决定了路段的通行能力，对协调控制的实时效果也有至关重要的影响。

(2)由于电子设备老化或者气候的缘故，会使收集的数据产生错误或者误差，所以首先要对手机的数据进行处理，比如：剔除错误数据和无效数据，再对所有空缺进行插补。得到全部有效数据归一化后，再进行特征提取，建立时变论域的隶属度函数。

(3)当在早上或者晚上车流量高峰期时，容易形成持续的十字路口潮汐车流，为了对交通状态便于判断，选择右转交通流量、直行交通流量、左转交通流量三个因素来评估交通流是否处于潮汐状态。

当有任意连续3个采样时刻满足λ_N≥2或λ_N≤0.5时，就判定这段时间的车流为潮汐状态。

(4)本发明只需要间歇性地检测车辆排队长度、密度、速度等有限的几种交通参数，就可以对交通流进行实时控制，并且不要求周期一致、相位差固定，具有更大的灵活性。本发明应对十字路口潮汐车流所采取的措施有一下三条：1、启用潮汐车道；2、延长绿灯时间；3、限制左转。

图1中取主干道所处的东西方向为主方向，南北方向为次方向，自东向西为下行方向，自西向东为上行方向。

图2中相位1为主相位，主方向的车流量通常大于次方向车流量，为了让十字路口交通流处于流畅状态，由路口上行排队长度和下行排队长度来评判各路口的通行状况，将路口通行状况分为通畅(SM)、一般(G)、轻度拥堵(MC)、拥堵(C)、严重拥堵(SC)五个等级。

图3对该十字路口进行连续一个星期的数据采集，数据采集频率为5分钟一次，二十四小时不间断，得到七万余组数据。对这些数据进行处理，并以此为基础制定交通控制策略、配置红绿灯时间。

Claims

1.一种基于二型模糊集合的十字路口交通流控制方法，其特征在于，包括以下步骤：

步骤1：对在十字路口上采集的交通数据进行处理：剔除错误数据、插补空缺数据从而得到有效统计数据；

步骤4：采用历史统计数据对十字路口潮汐车流进行评估，而为保障十字路口的畅通，采用了一种基于时变论域的十字路口协调控制方法，对不断变化的车流进行实时动态控制。

2.根据权利要求1所述的一种基于二型模糊集合的十字路口交通流控制方法，其特征在于，步骤1中：

采集的数据类型可以是路段流量、距离、密度、占有率、车道、车辆排队等，但一般以各路口为中心设置检测装置，对路口各方向车流量、速度、占有率、密度进行统计；

而处理数据时，首先要对数据进行检查，剔除错误数据和无效数据，再对所有空缺进行插补。

3.根据权利要求1所述的一种基于二型模糊集合的十字路口交通流控制方法，其特征在于，步骤2中：

利用K-means聚类算法将统计数据的状态列向量分别进行聚类，进行归一化后得到特征向量，K-means算法的输入为聚类个数k以及包含n个数据对象的数据样本集U；

然后可得到该路口在更大时间尺度上的多个表示贴近度的一型隶属度函数，将同类参数的一型隶属度函数进行比较，找出每个基词的上下边界，可构建在整个观测期间该类参数的贴近度的二型隶属度函数。

4.根据权利要求1所述的一种基于二型模糊集合的十字路口交通流控制方法，其特征在于，步骤4中：

对十字路口潮汐车流进行控制的措施包括启用潮汐车道、延长绿灯时间、限制左转。

5.根据权利要求4所述的红绿灯配时，其特征在于：

该方法只需要间歇性地检测车辆排队长度、密度、速度等有限的几种交通参数，就可以对交通流进行实时控制，并且不要求周期一致、相位差固定，具有更大的灵活性。

6.根据权利要求5所述的相位差固定，其特征在于：

将同一路口的上行排队长度和下行排队长度相加，再将所有路口相互比较，按大小顺序排列从而确定各路口相位设置的优先顺序。

十字路口车流密度较大，采用格林伯模型对相位差进行计算：

v_q为启动速度，k¹为启动车流前方路段的行车密度，v_m为最佳速度，k_d为阻塞密度，取相位差p等于前后路口排队长度之差长度的车队消散所需的时间。

7.根据权利要求1所述的一种基于二型模糊集合的主干道交通流控制方法，其特征在于，步骤3中：

步骤1：二型模糊集合的计算可以转化为其对应的支集闭包(CoS)的计算；

步骤2：假设有k个基词被激活，分别计算ω与第k个基词ω_i上、下边界的匹配度；

步骤3：若有两条或者两条以上规则同时被激活，则按照上述方法分别计算出基词的匹配度，对匹配度进行比较，确定潮汐车流状态。

8.根据权利要求1所述的一种基于二型模糊集合的十字路口交通流控制方法，其特征在于，步骤三中可以考虑设置十字路口潮汐车道的条件：1、道路单边机动车车道为三车道或三车道以上；2、道路中央没有绿化带和固定的隔离护栏，道路路面也不存在电车等轨道交通的轨道装置；3、车道变更后，被变更一方剩余的车道任然能满足其车辆的通行需要。