CN110766956A - 基于模糊逻辑的交通信号控制方法 - Google Patents

Abstract

本发明公开了一种基于模糊逻辑的交通信号控制方法，先根据交叉口历史交通流情况设置信号相位和各相位最小绿灯时间，然后对交叉口的信号控制设置模糊控制器，以交叉口收集到的面检测数据作为输入，输出相位选择及绿灯时长，最后根据交叉口通行效率指标使用DNA进化算法完成模糊控制的在线优化。本发明能够完成交叉口的自适应信号控制，极大程度提高交叉口运行效率。

Description

基于模糊逻辑的交通信号控制方法

技术领域

本发明属于交通信号控制技术，具体为一种基于模糊逻辑的交通信号控制方法。

背景技术

目前交通信号控制技术为了提高控制效率，引入了动态配时方案，其涉及到多种检测技术和控制方案。控制方案以建立数学模型根据当前车辆到达情况为基准来预测下一时段的车辆到达情况并加以配置控制方案，该方法虽然较定时控制效率有所提高，但是未设立评价指标和公交优先因子对交通情况进行优化，影响交叉口信号控制的提高。

专利号CN 107862877 A公开了一种基于模糊控制的交通信号控制方法，该方法通过线圈检测车辆到达数，从而推算出排队长度和入口流量，建立绿灯时长与排队长度和入口流量的一级模糊控制，该方法思路简单明了，但是通过检测车辆数推算排队长度与实际排队长度有一定的误差，未考虑公交车辆的优先性。

发明内容

本发明的目的在于提供一种基于模糊逻辑的交通信号控制方法。

实现本发明目的的技术解决方案为：一种基于模糊逻辑的交通信号控制方法，具体步骤为：

步骤1、根据所选交叉口的交通流数据，设计当前交叉口一个周期内的相位Stage(i)(i＝1,2,3…n)和各相位的最小绿灯时间；

步骤2、根据交叉口布置的面检测器收集到的面检测数据获取交叉口混合车辆的车辆到达率和排队长度，并识别出公交车辆，得出各相位公交车辆总数、各个公交车的运行时段和运行路线；

步骤3、设计公交优先比例模糊器，所述模糊器根据公交车辆的运行时段和运行路线得出各个公交车辆的优先比例系数μ；

步骤4、按照公交优先比例将公交车辆折合成标准小汽车，确定输入模糊控制器的排队车辆数及车辆到达率；

根据排队车辆数及车辆到达率建立交通需求模糊控制器，得出各相位的交通需求；

步骤5、根据各相位的交通需求得到信号灯相位选择方案和下一相位的绿灯时长；

步骤6、在相位最小绿灯时间结束后，计算交叉口通行效率指标，确定适应度函数，以指标最优为优化方向，采用DNA进化算法在线优化模糊控制中的三角形隶属度函数，继续下一轮信号控制。

优选地，步骤1中相位采用四相位设计，分别为南北直行、东西直行、东西左转、南北左转；

优选地，各相位最小绿灯时间计算公式为：

其中，Q为平峰时段一小时内交叉口总流量，q_i为平峰时段一小时内i相位的流量，G_i为i相位的最小绿灯时长。

优选地，步骤3模糊器根据公交车辆的运行时段和运行路线得出各个公交车辆的优先比例系数μ的具体方法为：

分别确定公交车辆的运行时段、运行路线以及优先比例系数的论域；

采用三角形隶属度函数分别将上述论域划分为公交车辆的运行时段、运行路线重要度以及优先比例系数隶属的模糊子集；

建立车辆运行时段、路线重要度和公交优先比例之间的模糊规则，根据模糊规则确定公交车辆的优先比例系数μ。

优选地，步骤4中输入交通需求模糊控制器的排队车辆数及车辆到达率的计算公式为：

排队车辆数：q_f＝q_sp-q_b+μq_b；

排队车辆到达率：r_f＝r_sp-r_b+μr_b；

其中，q_f为输入交通需求的模糊控制器的排队车辆数，q_sp为排队车辆总数，μ为公交优先比例，q_b为排队公交车辆数,r_f为输入交通需求模糊控制器的排队车辆到达率。

优选地，步骤4中交通需求模糊器根据排队车辆数及车辆到达率得出各相位的交通需求的具体方法为：

确定排队车辆数、车辆到达率以及交通需求的论域；

采用三角形隶属度函数分别将上述论域划分为排队车辆数、车辆到达率以及交通需求隶属的模糊子集；

建立排队车辆数、车辆到达率以及交通需求之间的模糊规则，根据模糊规则确定各相位交通需求的大小。

优选地，步骤6中交叉口通行效率评价指标为车辆平均延误、停车次数、行程时间三项内容的综合指标，计算公式为：

综合指标：minM(c，λ)＝min[D_i(c,λ),S(c,λ),T(c,λ)]，i＝1，2，3…；

其中，车辆平均延误：

i＝1，2，3…；D_i为i相位的车辆总延误；c为周期长度；Q_i为i相位的车流流量；λ为交叉口饱和度；ph_i为i相位的交通强度，S为停车次数，T为车辆行程时间。

本发明与现有技术相比，其显著优点为：本发明不仅设计了优化算法对信号控制实时优化而且加入了公交优先因子，提高了交通控制的效率；本发明在根据车辆平均延误指标优化模糊控制器的过程中不断提高交通控制的有效性，从而提高行车效率，减少交通拥堵。

下面结合附图对本发明做进一步详细的描述。

附图说明

图1为一种基于模糊逻辑的交通信号控制方法的示意图。

图2为一种基于模糊逻辑的交通信号控制方法中DNA遗传算法的流程示意图。

具体实施方式

一种基于模糊逻辑的交通信号控制方法，具体步骤为：

步骤1、根据所选交叉口的交通流数据，设计当前交叉口一个周期内的相位Stage(i)(i＝1,2,3…n)和各相位的最小绿灯时间。

相位采用典型的四相位设计，分别为南北直行、东西直行、东西左转、南北左转；各相位最小绿灯时间与各相位的交通流量有关，计算公式如下：

其中，Q为平峰时段一小时内交叉口总流量，q_i为平峰时段一小时内i相位的流量，G_i为i相位的最小绿灯时长。

步骤2、根据交叉口布置的面检测器收集到的面检测数据获取交叉口混合车辆的车辆到达率和排队长度，并识别出公交车辆，得出各相位公交车辆总数、各个公交车的运行时段和运行路线；

步骤3、设计公交优先比例模糊器，所述模糊器根据公交车辆的运行时段和运行路线得出各个公交车辆的优先比例系数μ。

模糊器根据公交车辆的运行时段和运行路线得出各个公交车辆的优先比例系数μ的具体方法为：

分别确定公交车辆的运行时段、运行路线以及优先比例系数的论域，然后采用三角形隶属度函数分别将上述论域划分为公交车辆的运行时段、运行路线重要度以及优先比例系数隶属的模糊子集；

建立车辆运行时段、路线重要度和公交优先比例之间的模糊规则，根据模糊规则确定公交车辆的优先比例系数μ。车辆运行时间处于早、晚高峰的公交优先比例大，运行路线经过城市关键交叉口的公交优先比例大。

步骤4、按照公交优先比例将公交车辆折合成标准小汽车，确定输入模糊控制器的排队车辆数及车辆到达率；

根据排队车辆数及车辆到达率建立交通需求模糊控制器，得出各相位的交通需求。

输入交通需求模糊控制器的排队车辆数及车辆到达率由以下公式计算得出：

排队车辆数：q_f＝q_sp-q_b+μq_b；

排队车辆到达率：r_f＝r_sp-r_b+μr_b；

其中，q_f为输入交通需求的模糊控制器的排队车辆数，q_sp为排队车辆总数，μ为公交优先比例，q_b为排队公交车辆数,r_f为输入交通需求模糊控制器的排队车辆到达率。

交通需求模糊器根据排队车辆数及车辆到达率得出各相位的交通需求的具体方法为：

首先确定排队车辆数、车辆到达率以及交通需求的论域，然后采用三角形隶属度函数分别将上述论域划分为排队车辆数、车辆到达率以及交通需求隶属的模糊子集；

建立排队车辆数、车辆到达率以及交通需求之间的模糊规则，根据模糊规则确定各相位交通需求的大小。排队车辆数越大，该相位交通需求越大，车辆到达率越大，该相位交通需求越大。

步骤5、根据各相位的交通需求得到信号灯相位选择方案和下一相位的绿灯时长；

下一时刻的相位选择交通需求最大的相位，根据所选相位的交通需求大小决定该相位的绿灯时长。

步骤6、在相位最小绿灯时间结束后，计算交叉口通行效率指标，确定适应度函数，以指标最优为优化方向，采用DNA进化算法在线优化模糊控制中的三角形隶属度函数，继续下一轮信号控制。

交叉口通行效率评价指标为考虑车辆平均延误、停车次数、行程时间三项内容的综合指标，计算公式如下所示；

车辆平均延误：

i＝1，2，3…；

综合指标：minM(c，λ)＝min[D_i(c,λ),S(c,λ),T(c,λ)]，i＝1，2，3…；

其中，D_i为i相位的车辆总延误；c为周期长度；Q_i为i相位的车流流量；λ为交叉口饱和度；ph_i为i相位的交通强度，S为停车次数，T为车辆行程时间。

适应度函数为综合指标的倒数，最优解即为适应度函数取最大值时所对应的三角形隶属度函数取值。

实施例

如图1所示，一种基于模糊逻辑的交通信号控制方法，具体步骤为：

1)为当前交叉口设计一个周期内的相位Stage(i)(i＝1,2,3…n)，各相位的最小绿灯时间T_Green_min(i)。

根据历史交通流数据，本实施例采用典型的四相位设计方法，信号设计不考虑行人、非机动车设置，相位编号不代表实际相位顺序。相位一为南北直行信号，相位二为东西直行信号、相位三为东西左转信号、相位四为南北左转信号。

相位的最小绿灯时间分别为25s，27s，20s，20s。

2)根据交叉口布置的检测器收集到的面检测数据获取交叉口混合车辆的车辆到达率和排队长度，并识别出公交车辆，进而得出各相位公交车辆总数、各个公交车的运行时段和运行路线；

在交叉路口的四个角靠近车道的地方分别安装四个广域雷达传感器，通过雷达传感器来检测各相位对应的排队车辆数、车辆达到率以及公交车辆信息。

3)设计公交优先比例模糊器，所述模糊器根据公交车辆的运行时段和运行路线得出各个公交车辆的优先比例系数μ；

根据公交线路的具体情况将关键度的论域定为[0,1]，采用三角形隶属度函数将论域映射为S(小)、M(中等)、B(大)、VB(很大)四个模糊子集。公交车辆的运行时段一般从5：00～23：00，设定车辆运行时段的论域为[5,23],采用三角形隶属度函数将论域映射为E(早)、M(中)、L(晚)、TL(很晚)四个模糊子集。据一般公交车载人数的规律将公交优先比例论域为[5,15]，采用三角形隶属度函数将论域也映射为四个模糊子集，分别是S(小)、M(中等)、H(高)、VH(很高)。

车辆运行时间、路线关键度和公交优先比例之间的模糊规则如下述模糊规则表所示。

表1公交优先模糊规则

4)按照公交优先比例将公交车辆折合成标准小汽车，确定输入模糊控制器的排队车辆数及车辆到达率；

根据排队车辆数及车辆到达率建立交通需求模糊控制器，得出各相位的交通需求。

输入交通需求模糊控制器的排队车辆数及车辆到达率由以下公式计算得出：

排队车辆数：q_f＝q_sp-q_b+μq_b；

排队车辆到达率：r_f＝r_sp-r_b+μr_b；

其中，q_f为输入交通需求的模糊控制器的排队车辆数，q_sp为排队车辆总数，μ为公交优先比例，q_b为排队公交车辆数,r_f为输入交通需求模糊控制器的排队车辆到达率。

交通需求模糊器根据排队车辆数及车辆到达率得出各相位的交通需求的具体方法为：

将排队长度的论域定为[0,20]，采用三角形隶属度函数将论域映射为四个模糊子集，分别是S(短)、M(中等)、L(较长)、VL(极长)。车流的到达率论域为[-0.5,0.5]，采用三角形隶属度函数将论域映射为四个模糊子集，分别是S(小)、M(中等)、B(大)、VB(很大)。

车辆到达率、排队长度和交通需求之间的模糊规则如下述模糊规则表所示。

表2交通需求模糊规则

5)根据各相位的交通需求得到信号灯相位选择方案和下一相位的绿灯时长；

配时方案和相位选择需建立二级模糊控制器，根据各方向的交通需求来确定当前相位的绿灯时间。二级模糊控制规则以伪代码形式列出，如表3所示。

表3模糊控制规则算法表

6)在相位最小绿灯时间结束后，计算交叉口通行效率指标，确定适应度函数，以指标最优为优化方向，采用DNA进化算法在线优化模糊控制中的三角形隶属度函数，继续下一轮信号控制。

交叉口通行效率评价指标为考虑车辆平均延误、停车次数、行程时间三项内容的综合指标，计算公式如下所示；

车辆平均延误：i＝1，2，3…；

综合指标：minM(c，λ)＝min[D_i(c,λ),S(c,λ),T(c,λ)]，i＝1，2，3…；

其中，D_i为i相位的车辆总延误；c为周期长度；Q_i为i相位的车流流量；λ为交叉口饱和度；ph_i为i相位的交通强度，S为停车次数，T为车辆行程时间。

利用线性加权组合法将上述综合指标转化为只含两个变量c和λ的计算公式，如下所示：

其中，

为i相位的车辆延误比例系数，

为i相位的车辆停车次数系数，

为i相位的车辆行程时间系数,

为i相位的有效绿灯时间，lⁱ为i相位的损失时间，t_min为最小绿灯时间，t_max为最大绿灯时间。

综合指标可根据上述公式计算得出，适应度函数为综合指标的倒数，最优解即为适应度函数取最大值时所对应的三角形隶属度函数取值。

本实施例中对DNA进化算法涉及到的参数进行设置，参数设定表如下表4所示，优化根据事先设定的参数表中的各个参数值完成每一步的操作。

表4系统参数设定表

步骤6通过采用DNA进化算法对上公交优先比例模糊控制器、交通需求模糊控制器和二级模糊控制器中的三角形隶属度函数进行优化的具体步骤为：

步骤6.1、根据编码规则对上述模糊控制器中的三角形隶属度函数的三个顶点坐标依次进行编码，如：

构成初始染色体序列S₁；

步骤6.2、以初始染色体序列S₁的值为基准，根据表4中设定的种群大小值(30)，产生初始种群G₁；

步骤6.3、根据适应度函数的计算公式求取适应度函数值，得到适应度M_i，进而求得个体(染色体序列)被选择的概率P_i。适应度函数值越大，被选择概率越大。

步骤6.4、对群体中的每个染色体序列S_i进行位与位之间的置换操作，得到新的染色体序列S_i′；

步骤6.5、染色体序列随机生成概率

若

则执行转位操作，若

则执行换位操作。转位操作将序列中的一个列转移到新的位置，换位操作将序列中的两个子序列交换位置；

步骤6.6、以适应度值M_i为依据，选择适应度值为群体前40％的染色体序列构成新的优良种群G_i；

步骤6.7、若达到设定的进化代数，结束进化过程，否则返回步骤6.3。

Claims (7)

1.一种基于模糊逻辑的交通信号控制方法，其特征在于，具体步骤为：

步骤1、根据所选交叉口的交通流数据，设计当前交叉口一个周期内的相位Stage(i)(i＝1,2,3…n)和各相位的最小绿灯时间；

步骤2、根据交叉口布置的面检测器收集到的面检测数据获取交叉口混合车辆的车辆到达率和排队长度，并识别出公交车辆，得出各相位公交车辆总数、各个公交车的运行时段和运行路线；

步骤3、设计公交优先比例模糊器，所述模糊器根据公交车辆的运行时段和运行路线得出各个公交车辆的优先比例系数μ；

步骤4、按照公交优先比例将公交车辆折合成标准小汽车，确定输入模糊控制器的排队车辆数及车辆到达率；

根据排队车辆数及车辆到达率建立交通需求模糊控制器，得出各相位的交通需求；

步骤5、根据各相位的交通需求得到信号灯相位选择方案和下一相位的绿灯时长；

步骤6、在相位最小绿灯时间结束后，计算交叉口通行效率指标，确定适应度函数，以指标最优为优化方向，采用DNA进化算法在线优化模糊控制中的三角形隶属度函数，继续下一轮信号控制。

2.根据权利要求1所述的一种基于模糊逻辑的交通信号控制方法，其特征在于，步骤1中相位采用四相位设计，分别为南北直行、东西直行、东西左转、南北左转。

3.根据权利要求1所述的一种基于模糊逻辑的交通信号控制方法，其特征在于，各相位最小绿灯时间计算公式为：

其中，Q为平峰时段一小时内交叉口总流量，q_i为平峰时段一小时内i相位的流量，G_i为i相位的最小绿灯时长。

4.根据权利要求1所述的一种基于模糊逻辑的交通信号控制方法，其特征在于，步骤3模糊器根据公交车辆的运行时段和运行路线得出各个公交车辆的优先比例系数μ的具体方法为：

分别确定公交车辆的运行时段、运行路线以及优先比例系数的论域；

采用三角形隶属度函数分别将上述论域划分为公交车辆的运行时段、运行路线重要度以及优先比例系数隶属的模糊子集；

建立车辆运行时段、路线重要度和公交优先比例之间的模糊规则，根据模糊规则确定公交车辆的优先比例系数μ。

5.根据权利要求1所述的一种基于模糊逻辑的交通信号控制方法，其特征在于，步骤4中输入交通需求模糊控制器的排队车辆数及车辆到达率的计算公式为：

排队车辆数：q_f＝q_sp-q_b+μq_b；

排队车辆到达率：r_f＝r_sp-r_b+μr_b；

其中，q_f为输入交通需求的模糊控制器的排队车辆数，q_sp为排队车辆总数，μ为公交优先比例，q_b为排队公交车辆数,r_f为输入交通需求模糊控制器的排队车辆到达率。

6.根据权利要求1所述的一种基于模糊逻辑的交通信号控制方法，其特征在于，步骤4中交通需求模糊器根据排队车辆数及车辆到达率得出各相位的交通需求的具体方法为：

确定排队车辆数、车辆到达率以及交通需求的论域；

采用三角形隶属度函数分别将上述论域划分为排队车辆数、车辆到达率以及交通需求隶属的模糊子集；

建立排队车辆数、车辆到达率以及交通需求之间的模糊规则，根据模糊规则确定各相位交通需求的大小。

7.根据权利要求1所述的一种基于模糊逻辑的交通信号控制方法，其特征在于，步骤6中交叉口通行效率评价指标为车辆平均延误、停车次数、行程时间三项内容的综合指标，计算公式为：

综合指标：minM(c，λ)＝min[D_i(c,λ),S(c,λ),T(c,λ)]，i＝1，2，3…；

其中，车辆平均延误：

i＝1，2，3…；D_i为i相位的车辆总延误；c为周期长度；Q_i为i相位的车流流量；λ为交叉口饱和度；ph_i为i相位的交通强度，S为停车次数，T为车辆行程时间。

Images