一種智能交通系統(tǒng)的自適應(yīng)擁塞控制方法

楊 燕，楊偉鈞

（廣州城市職業(yè)學(xué)院 廣東 廣州 510405）

隨著經(jīng)濟(jì)的發(fā)展，交通需求和交通量成為城市交通網(wǎng)絡(luò)中急需解決的問題，智能交通系統(tǒng)為改善和提高交通發(fā)揮了重要的作用，其中，交通信號(hào)控制是智能交通系統(tǒng)的一個(gè)重要方面，平面交叉口的控制是智能交通流量控制的基礎(chǔ)。交通信號(hào)控制系統(tǒng)具有較強(qiáng)的非線性、模糊性和不確定性，用傳統(tǒng)的控制理論和方法很難對(duì)其進(jìn)行有效的控制，如傳統(tǒng)的定時(shí)控制和感應(yīng)控制具有很明顯的缺點(diǎn)。把先進(jìn)技術(shù)應(yīng)用與交通路口的信號(hào)控制是一個(gè)新的研究方向。1977年希臘的C.P.Pappis和英國(guó)的E.H.Mamdani提出了單交叉口模糊控制法（稱Pappis法）[1]，分析考慮單交叉路口的理想狀態(tài)下的控制；1992年我國(guó)徐東玲等學(xué)者也提出了基于感應(yīng)控制思想的單路口模糊神經(jīng)網(wǎng)絡(luò)控制方案，效果較好。

目前很多路口都是多相位的，因此多相位平面交叉口的研究很有必要。筆者針對(duì)車流量擁塞控制問題提了一種模糊模型參考學(xué)習(xí)控制策略。交通路口車流量的高突發(fā)性和時(shí)變特征對(duì)智能交通系統(tǒng)自適應(yīng)性能[2]提了更高的要求。筆者提出的控制策略，主控制通道采用模糊控制方法，綜合考慮多相位平面交叉口當(dāng)前到達(dá)車輛的排隊(duì)長(zhǎng)度和后繼兩相位車輛的排隊(duì)長(zhǎng)度，對(duì)相位實(shí)施不同的配時(shí)方案，保證系統(tǒng)的穩(wěn)定性和魯棒性；輔助學(xué)習(xí)通道采用模糊模型參考自適應(yīng)方法實(shí)現(xiàn)主通道控制參數(shù)的自修正和自學(xué)習(xí)過程，針對(duì)車流量突發(fā)性狀況自適應(yīng)調(diào)整主控制通道的配時(shí)參數(shù)，對(duì)相位實(shí)施不同的配時(shí)方案，提高多相位路口的通行能力，緩解交通壓力。

1 車流量擁塞控制模型

根據(jù)智能交通系統(tǒng)中多相位路口車流量主動(dòng)隊(duì)列管理的作用機(jī)制，可以得到擁塞控制的流體動(dòng)力學(xué)模型如下所示[3]：

其中，V （t）為車流量窗口大小；F（t）為車流傳播時(shí)間RTT；d（t）為車流緩沖區(qū)隊(duì)列長(zhǎng)度；M（t）為車流鏈路容量；Ty 為傳輸時(shí)間；K（t）為交通路口活動(dòng)相位連接數(shù)；y（t）為主動(dòng)丟棄概率。定義（V，d）為流體模型的狀態(tài)變量，y為輸入變量。令V′=0 和 d′=0 時(shí)， 得到網(wǎng)絡(luò)流體動(dòng)態(tài)系統(tǒng)的平衡點(diǎn)（V0，d0，y0）。進(jìn)一步在平衡點(diǎn)附近線性化，則可得到在近似時(shí)滯二階動(dòng)態(tài)的傳遞函數(shù)為

2 主通道模糊控制系統(tǒng)設(shè)計(jì)

本文模糊模型參考學(xué)習(xí)控制器引入了參考模型的學(xué)習(xí)機(jī)制對(duì)模糊控制的知識(shí)庫(kù)進(jìn)行修正。由于高速網(wǎng)絡(luò)中分組丟棄機(jī)制需要較強(qiáng)的實(shí)時(shí)性，因此本文提出的控制方法采用了模糊反向推理機(jī)制對(duì)主控制器的參數(shù)進(jìn)行修正，以滿足系統(tǒng)的實(shí)時(shí)性要求。擁塞控制系統(tǒng)輸入為平均隊(duì)列長(zhǎng)度與期望隊(duì)列長(zhǎng)度的偏差以及偏差的變化率，系統(tǒng)輸出為所計(jì)算的丟棄概率。主通道模糊控制器是一個(gè)雙輸入單輸出結(jié)構(gòu)的控制器，輸入變量為A，B（隊(duì)列偏差、偏差變化率），輸出變量為C（控制量丟棄概率）。控制規(guī)則表示為

其中Ai，Bj，Ck分別表示語言詞集。主通道模糊控制器的輸入為E和EC，輸出為U，設(shè)定E，EC和U的論域均為：{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}。 對(duì)應(yīng)的模糊語言子集為{NB（負(fù)大）、N（負(fù)中）、NS（負(fù)小）、ZO（零）、PS（正小）、PM（正中）、PB（正大）}。 通過比例因子 ke和 kec將偏差e和ec轉(zhuǎn)換為模糊學(xué)習(xí)控制器的輸入論域E和EC，通過量化因子ku將控制器的輸出轉(zhuǎn)化為實(shí)際控制量。E=e×ke和EC=ec×kec，其中〈〉為取整運(yùn)算。在模糊模型參考學(xué)習(xí)控制器中，控制規(guī)則可以得到在線實(shí)時(shí)調(diào)整，每個(gè)輸出與輸入可以用一定的對(duì)應(yīng)關(guān)系來表示：

通過調(diào)整α，就可以根據(jù)不同交通網(wǎng)絡(luò)狀況、不同時(shí)刻的誤差和誤差變化率來調(diào)整控制規(guī)則[4]。當(dāng)平均隊(duì)列長(zhǎng)度與期望隊(duì)列長(zhǎng)度之間的偏差較大時(shí)，或者當(dāng)網(wǎng)絡(luò)的業(yè)務(wù)量突發(fā)性能較強(qiáng)時(shí)，誤差對(duì)輸出的影響應(yīng)超過誤差變化率的影響，α的值應(yīng)取得較大以獲取較好的穩(wěn)定性。反之，α的值可取得小些以提高系統(tǒng)控制精度。模糊模型參考學(xué)習(xí)控制就是利用參考模型的輸出與實(shí)際輸出的誤差及其變化率實(shí)時(shí)在線地調(diào)整α的值來達(dá)到調(diào)整控制規(guī)則的目的。為了使模糊模型參考學(xué)習(xí)控制器做到實(shí)時(shí)在線推理，對(duì)模糊模型參考學(xué)習(xí)控制器的推理過程進(jìn)行了改進(jìn)。

3 輔助通道模糊反向推理設(shè)計(jì)

本文仍然采用模糊推理方法來完成對(duì)α的調(diào)整，以保證修正過程的簡(jiǎn)單迅捷。α的調(diào)整過程是基于參考模型與實(shí)際對(duì)象的誤差及其變化率的模糊推理來實(shí)現(xiàn)的。具體實(shí)現(xiàn)如圖1所示。

圖1 反向推理學(xué)習(xí)結(jié)構(gòu)Fig.1 Study structure of backward inference

其中，E^，E^C，S 分別為 e^，e^c 和 α 的模糊量， 其論域均為{-6， -5，-4， -3， -2， -1， 0， 1， 2， 3， 4， 5， 6}。 E^，E^C 和S對(duì)應(yīng)的模糊詞集為{NB，NM，NS，ZO，PS，PM，PB}。根據(jù)在校正過程中要遇到的各種可能出現(xiàn)的情況和相應(yīng)的調(diào)整策略得到控制規(guī)則表如表1所示。

表1 α調(diào)整規(guī)則Tab.1 Rules of α adjustment

根據(jù)表1，用Max-Min方法進(jìn)行Fuzzy推理和逆模糊化[5]，可得到模糊判決表。在系統(tǒng)運(yùn)行時(shí)的t時(shí)刻采樣周期內(nèi)，根據(jù)E^，E^C由α調(diào)整規(guī)則模糊判決表可直接查出相應(yīng)的S，從而得出α的相應(yīng)調(diào)整值。

其中， kα 為量化因子，使得 α∈（0，1）。

4 控制算法實(shí)現(xiàn)步驟

對(duì)于整個(gè)模糊模型參考學(xué)習(xí)控制器來說，在t時(shí)刻采樣周期內(nèi)，根據(jù)隊(duì)列長(zhǎng)度誤差和誤差變化率E^，E^C，可由模糊判決表查出相應(yīng)的S，進(jìn)一步得到相應(yīng)的α值，再由E，EC，α根據(jù)式（4）可得到規(guī)則自校正模糊控制器的輸出U，并由量化因子ku計(jì)算得到丟棄概率p。控制算法實(shí)現(xiàn)步驟如下[6]：

1）計(jì)算擁塞控制系統(tǒng)的輸入狀態(tài)。

2）根據(jù)參考模型的輸出與實(shí)際對(duì)象輸出計(jì)算e^，e^c。

3）根據(jù)參考模型誤差和誤差變化率 E^，E^C ，由式（5）計(jì)算相應(yīng)的α值。

4）計(jì)算規(guī)則自校正模糊控制器的輸出U。

5）由模糊控制的量化因子計(jì)算最終的丟棄概率p。

5 仿真研究

通過仿真試驗(yàn)來評(píng)估模糊參考模型網(wǎng)絡(luò)自適應(yīng)擁塞控制算法，交通流拓?fù)浣Y(jié)構(gòu)采用啞鈴型結(jié)構(gòu)，鏈路容量為1 500個(gè)/s，隨機(jī)延時(shí)為[16 s，24 s]之間的平均分布，業(yè)務(wù)源采用了持續(xù)性業(yè)務(wù)流，交通路段的緩存為800個(gè)，平均流量長(zhǎng)度為500個(gè)。仿真研究將本文提出的模糊模型參考控制方法與普通模糊控制進(jìn)行比較，研究了在突發(fā)性狀況下2種算法的控制性能和魯棒性能。

2種控制算法的仿真結(jié)果如圖2、圖3所示，注意到當(dāng)輸入源發(fā)生突發(fā)性增長(zhǎng)時(shí)，普通模糊控制策略將使緩沖區(qū)隊(duì)列長(zhǎng)度嚴(yán)重脫離期望隊(duì)列長(zhǎng)度，而使用了模糊參考模型自適應(yīng)控制后，緩沖區(qū)隊(duì)列僅僅經(jīng)過一個(gè)短暫的突發(fā)脈沖就恢復(fù)到平衡點(diǎn)附近。從實(shí)驗(yàn)結(jié)果可以看出，由于普通模糊控制器的推理方式和規(guī)則知識(shí)固定，因此在交通道路車流發(fā)生突發(fā)變化時(shí)難以達(dá)到滿意的控制性能，而本文提出的車流自適應(yīng)擁塞控制方法能夠跟隨車流量狀況實(shí)時(shí)調(diào)整模糊控制參數(shù)，進(jìn)而對(duì)突發(fā)性車流擁塞對(duì)象具備了良好的自適應(yīng)控制性能。

圖2 模糊控制的隊(duì)列長(zhǎng)度Fig.2 Length of queue by fuzzy control

圖3 模糊模型參考自使用控制的隊(duì)列長(zhǎng)度Fig.3 Length of queue by fuzzy reference model mechanism adaptive control

6 結(jié)束語

針對(duì)車流狀態(tài)的突變行為，本文提出了一種基于模糊參考模型機(jī)制的自適應(yīng)擁塞控制算法，以提高在多相位交叉路口的車流量控制的服務(wù)質(zhì)量。該方法采用雙通道信息回路對(duì)車流量緩沖區(qū)隊(duì)列長(zhǎng)度作自適應(yīng)調(diào)整與控制。自適應(yīng)模糊控制計(jì)算過程簡(jiǎn)單迅捷，該算法在自適應(yīng)性能和實(shí)時(shí)性能之間實(shí)現(xiàn)了較好的平衡。性能之間實(shí)現(xiàn)了較好的平衡。

[1]Pappis C P，Mamdani E H.A fuzzy logic controller for a traffic junction[J].IEEE Transactions on Systems，Man and Cybernetics，1977:707-717.

[2]楊偉鈞．一種高性能指紋鎖硬件平臺(tái)的設(shè)計(jì)[J].電子設(shè)計(jì)工程，2010，18（4）:131-133.YANG Wei-jun.A design of the platform about the highperformance fingerprint locks Hardware[J].Electronic Design Engineering，2010，18（4）:131-133.

[3]劉治，章云.基于模糊參考模型機(jī)制的網(wǎng)絡(luò)自適應(yīng)擁塞控制[J].計(jì)算機(jī)工程，2008，7（4）:89-91.LIU Zhi，ZHANG Yun.Network adaptive congestion control based on fuzzy reference model mechanism [J].Computer Engineering， 2008，7（4）:89-91.

[4]牛強(qiáng)，劉學(xué)平，向東，等.基于模糊控制的自動(dòng)進(jìn)料微控制器設(shè)計(jì)與實(shí)現(xiàn)[J].儀表技術(shù)與傳感器，2008，45（11）：93-95.NIU Qiang，LIU Xue-ping，XIANG Dong，et al.Design and implementation of automatic loading microcontroller with fuzzy control[J].Instrument Technique and Sensor，2008，45（11）：93-95.

[5]Paganini F，WANG Zhi-kui.Doyle J C， et al.Congestion Control for High Performance，Stability and Fairness in General Networks[J].IEEE/ACM Trans.on Networking，2005，13（1）:43-56.

[6]楊海馬，劉瑾，吳文婕.基于模糊控制的恒壓供水智能監(jiān)控系統(tǒng)的研究[J].儀器儀表學(xué)報(bào)，2006，27（6）:1870-1871.YANG Hai-ma，LIU Jin，WU Wen-jie.Study on the intelligent detecting system for water supply of constant pressure based on the fuzzy control[J].Chinese Journal of Scientific Instrument，2006，27（6）:1870-1871.