基于模糊控制理論的交通信號控制算法研究

李 欣，李海華

（哈爾濱理工大學 測控技術與通信工程學院，黑龍江 哈爾濱 150080）

隨著經濟的發展，交通需求和交通量成為城市交通網絡中急需解決的問題，智能交通系統為改善和提高交通發揮了重要的作用，其中，交通信號控制是智能交通系統的一個重要方面，平面交叉口的控制是交通信號控制的基礎。交通信號控制系統具有較強的非線性、模糊性和不確定性，用傳統的控制理論和方法很難對其進行有效的控制，如傳統的定時控制和感應控制具有很明顯的缺點。把先進技術應用與交通路口的信號控制是一個新的研究方向。從模糊控制算法在智能交通控制領域的應用可知，模糊控制基本上都是應用在單路口交通控制上。對于復雜的多路口智能交通控制即區域智能交通控制上，目前研究的還相當少。本文采用模糊控制的方法，綜合考慮了相鄰路口之間車流量相互影響的因素，根據相鄰上下游路口信號配時和車流量對相位實施不同的配時方案，從而提高了整個區域的通行能力，緩解了交通壓力。

1 模糊控制系統的原理及基本結構

模糊控制 （Fuzzy Control）[1]的基本思想是把人類專家對特定的被控對象或過程的控制策略總結成一系列以 IF（條件）THEN（作用）形式表示的控制規則，通過模糊推理得到控制作用集，作用于被控對象或過程。控制作用集為一組條件語句，狀態條件和控制作用均為一組被量化了的模糊語言集，如“正大”、“負大”、“高”、“低”、“正常”等。 它們共同構成控制過程的模糊算法。

模糊控制系統結構是由給定輸入、模糊控制器、對象、反饋信號與給定輸入的相加環節等組成。模糊控制系統結構框圖[2]如圖1所示。

圖1 模糊控制系統結構基本框圖Fig.1 Fundamental structure of fuzzy control system

圖中S為系統的設定值，是精確量；e、c為系統偏差與偏差變化率，均是精確量；E、C為經模糊量化處理后，偏差與偏差變化率的模糊量；U為模糊量的偏差與偏差變化率，經模糊控制規則近似推理處理后，得到模糊量的控制作用；u為對模糊量的控制作用 U，經模糊判決，得到模糊控制器輸出的精確量的控制作用u，去控制被控對象。

模糊控制器（FLC）主要由4個部分組成：模糊化處理，模糊規則庫，模糊推理機和逆模糊化處理[3]。

1.1 模糊化處理

模糊化處理部分即精確輸入量的模糊化，它實現了從確定量的輸入空間Ψ?Rn到定義在Ψ上的模糊集的映射。這些模糊集都是由某一個隸屬函數：Ψ→[0，1]來表征，并由語言性語句如“小”，“中”，“很大”來標記。

常用的模糊化方法是單元素集合模糊化（Singleton Fuzzifier）。它把Ψ∈x映射到Ψ模糊集Ax，其隸屬函數為：

由于實際中輸入值通常是連續變化的，所以必須將輸入量變化范圍由相關專家評定來分成若干等級，以便使輸入量對應有限個模糊集。定義模糊集隸屬函數通常采用三角形模糊數與梯形模糊數。假設輸入量的變化范圍設定為區間[-6，6]，離散化將其變成含 13個整數的集合：

當然也可將問題簡化而成為 7個整數之集：{-3，-2，-1，0，1，2，3，4，5，6}。并根據需要將其分成若干個等級，每個等級對應一個模糊集。 例如 7級：正大（PB）、正中（PM）、正小（PS）、零（Z0）、負小（NS）、負中（NM）、負大（NB）。

1.2 模糊規則庫

控制規則是模糊控制器的核心，模糊規則庫包含形如“if-then”的語言規則，對 M 條規則：Rj：IF x1isand x2isand …and xnisTHEN U is Bj。 其中， j＝1，2，3，…….，M：xi（1，2，…，N）是模糊控制系統的輸入變量；和 Bj是模糊隸屬函數 μ（xi）和 μB（μ）分別表征的語言 A 性語句。每一條 Rj都可以看作一個模糊蘊涵，

1.3 模糊推理機

仿照人腦的模糊推理過程，在模糊自動控制中也有一個推理法則，以便在實時輸入時做出模糊決策。常用的模糊推理方法有廣義前向推理和廣義逆向推理兩種方法。模糊控制規則采用“IF--THEN--”形式，IF部分是規則的前提，THEN部分是規則的結論。如果已知規則的前提，求結論，稱作廣義前向推理；若已知規則的結論求前提，則稱為廣義逆向推理。模糊推理一般采用廣義前向推理方法。

模糊推理利用模糊規則確定了從輸入空間Ψ上的模糊集到輸出空間R上的模糊集之間的映射。設Ax是Ψ上任意一個模糊集，則每一條確定了一個R上的模糊集，即

其中算子“*”可取 min，sup 取 max。

1.4 逆模糊化處理

逆模糊化處理就是實現模糊量到確定量的轉化，因為受控過程只能接受一個確定的控制量，逆模糊化處理部分把R上的模糊集映射到確定點（crisp points）Ax。Rj（j=1，2，3……m）常用的逆模糊化是加權平均法，這種方法也稱為重心法（Centriod Defuzzifier）， 它實現了從 R 上的模糊集 Ax?Rj到精確量的映射：

其中Uj是中的μBj（u）達到最大值的那個點（一般假定

2 模糊控制器的設計

控制器本身采用相序優化，即除了當前綠燈相位外，所有的紅燈相位中交通要求最嚴重的相位優先放行。控制器包括3個模塊:相序優化模塊[4]，綠燈判斷模塊和相位切換模塊，如圖2所示。

圖2 控制器結構Fig.2 Structure of controller

每個模塊都有自己的模糊規則。相序優化模塊用來評價除當前綠燈相位外所有紅燈相位的交通情況，然后選擇交通情況最緊急的相位為下一個優先放行的候選綠燈相位。綠燈判斷模塊用來評價當前綠燈相位的交通情況，從而對是否該停止放行當前綠燈相位做出判斷。相位切換模塊根據前兩個模塊的輸出來決定是否需要進行綠燈相位切換。控制器每隔一定時間運算一次。該控制器體現了相位序列和綠燈相位時間隨實際交通環境動態改變的原則。交通流信息對控制器的實時控制效果起著決定性的影響。我們假定每個交叉口的每條進口引道上都安裝有檢測器，每個檢測器應能計算出經過的車輛數[5-6]。

2.1 相序優化模塊

相序優化模塊用來決定下一個優選的綠燈相位。它的輸入是除當前綠燈相位外所有紅燈相位的交通情況，而輸出是交通要求最緊急的紅燈相位及其優先PDP。PDP反映了對應紅燈相位的緊急程度，相序優化模塊能計算所有紅燈相位PDP（The priority degree of a phase）， PDP 反映了對應紅燈相位的緊急程度，相序優化模塊能計算所有紅燈相位 PDP，然后把PDP最大的紅燈相位作為下一個候選綠燈相位。

為了計算 PDP，相序優化模塊 N以 NCar，RTime，STime和 FNCar作為它的模糊輸入。NCar表示交叉口某紅燈相位中某車道檢測器檢測到的車輛數 （排隊長度），其語言值：Z（零），S（小），M（中），L（大），VL（很大）；RTime 表示該車道上的紅燈延續時間，其語言值：Z（零），S（小），M（中），L（大），VL（很大）；這兩個輸入反映了該交叉口本身的交通狀況。STime為上有交叉口和當前交叉口的相位差，如果沒有上游交叉口可設STime為無窮大 ，其語言值和 RTime的語言值相似；FNCar為當前交叉口和下游交叉口之間的車輛數，如果下游沒有交叉口可設 FNCar為 0，其語言值為：S（小）， L（大）；這兩個輸入反映了相鄰交叉口間的耦合。相序優化模塊的輸出是：Urgency；即該車道的交通緊急度，其語言值為：Z（零），S（小），M（中），L（大），VL（很大）。

相序優化模塊的模糊規則是這樣的：Urgency正比于NCar和 RTime，也就是說，當某一車道上兩檢測器間的車輛數越多，且（或）該車道上的紅燈延續時間越長，那么該車道上的交通情況越緊急，Urgency越大；對于信號一致性，如果上游交叉口和該交叉口該車道之間的相位差距標準相位差越長，該車道的 Urgency也越大；如果 FNCar越多，表明下游有太多的車輛在等待，那么應該減小該車道的Urgency。相序優化模塊有36條模糊規則，表1列舉了部分規則。

表1 相序優化模塊的部分規則Tab.1 Part regular of phase optim ization module

2.2 綠燈判斷模塊

綠燈判斷模塊根據當前綠燈相位的交通情況，來決定是否停止該綠燈相位的放行。它輸出一個叫停止度SDGP（the stop degree of the green phase）的變量，SDGP表示控制器該停止當前綠燈相位放行的可能性。類似于相序優化模塊，綠燈判斷模塊以 Orate，RNCar和 FNCar作為模糊輸入。Orate表示交叉口綠燈相位中某車道的出口車流率，其語言值：Z（零），L（低），H（高）；RNCar 表示車道上滯留著的車輛數（正在等待通過排隊數），其語言值：Z（零），L（低），H（高）。這兩個輸入定義了本交叉口的綠燈時間使用率和交通堵塞情況，代表了本交叉口的車流信息。FNCar的定義和相序優化模塊中的一樣。綠燈判斷模塊的輸出是當前綠燈相位該車道的停止度，用來衡量是否該停止當前該車道的放行。其語言值：N（否），M（可能），Y（是）。

基本思想是：如果綠燈相位中各車道的駛出率較大，且（或）各車道滯留的車輛數較多，那么應該考慮繼續放行該綠燈相位；如果下游交叉口中與當前交叉口放行車道相連的車道上滯留較多的車輛，那么應該立即停止當前綠燈相位的放行。綠燈判斷模塊有10條規則，表2列舉了它的部分規則。

表2 綠燈判斷模塊的部分規則Tab.2 Part regular of green lamp judge m odu le

2.3 相位切換模塊

相位切換模塊的輸入分別是相序優化模塊的輸出 PDP'和綠燈判斷模塊的輸出 SDGP。輸出是相位切換權（Switch），用來衡量是否該將放行相位切換到由相序優化模塊得到的優先權最大的那個候選綠燈相位，其語言值：N（否）和 Y（是），如果清晰化后的切換度大于某一設定的閥值，那么控制器就切換當前的綠燈相位到候選綠燈相位。

基本思想：如果候選相位的優先權很高，且當前綠燈相位的停止權很大，那么馬上進行相位切換。相位切換模塊有15條規則，表3列舉了相位切換模塊的部分規則。

表3 相位切換模塊的部分規則Tab.3 Part regular of green phase switch module

3 結 論

城市交通的智能控制成為今后發展的必然趨勢，模糊控制應用到交通控制系統，可能會帶來新的突破。模糊邏輯是一種處理不確定性、非線性等問題的有力工具，能夠表示模糊及定性知識，從而可以模仿人類的推理過程。針對有城市區域道路交通狀況，文中提出了基于模糊控制原則的區域協調控制算法，該方法不采用統一的信號周期，而是由相鄰交叉口間相互平衡，從這一點看，可以減少車輛的平均延誤。隨著現在路面車輛的大量增多和人們對交通信號管理的不斷重視，它必定會有一個廣泛的應用前景。

[1]王立新.模糊系統與模糊控制教程[M].北京:清華大學出版社，2003.

[2]李艷，樊曉平.基于模糊控制的城市交叉路口群信號控制及仿真[J].交通運輸工程學報，2008，3（2）：117-119.LI Yan，FAN Xiao-ping.Fuzzy logic control and simulation of urban traffic intersections group[J].Journal of Traffic and Transportation Engineering，2008，3（2）：117-119.

[3]陳淑燕，陳森發，吳明贊.單路口交通的多相位實時模糊控制[J].系統工程理論與實踐，2008，13（1）:110-115.CHEN Shu-yan， CHEN Sen-fa， WU Ming-zan.Real-time fuzzy control for multiphase traffic signals in isolated intersection[J].System Engineering-Theory and Practice，2008，13（1）:110-115.

[4]李偉，李潤梅，何東之.一種道路交叉口多相位模糊控制方法及其仿真[J].公路交通科技，2010，22（6）：126-129.LI Wei， LI Run-mei， HE Dong-zhi.A fuzzy control method for multiphase intersection and its simulation[J].Journal of Highway and Transportation Research and Development，2010，22（6）:126-129.

[5]趙忠杰，劉小強，謝光秋.單交通路口變相位變周期信號控制[J].長安大學學報：自然科學版，2009，6（25）：70-72.ZHAO Zhong-jie， LIU Xiao-qiang， XIE Guang-qiu.Changeable phases and changeable periods signal control at traffic intersection[J].Journal of Chang’an University:Natural Science Edition，2009，6（25）:70-72.

[6]尹宏斌，徐建閩.一種信號交叉口模糊交通控制方法[J].華南理工大學學報，2007，28（12）：22-25.YIN Hong-bin，XU Jian-min.A method of fuzzy traffic control of signalized intersection[J].Journal of South China University of Technology:Natural Science Edition，2007，28（12）:22-25.