基于混沌算法的不對(duì)稱(chēng)交通信號(hào)模糊控制系統(tǒng)設(shè)計(jì)

曹秀爽 張志軍

（1、唐山工業(yè)職業(yè)技術(shù)學(xué)院自動(dòng)化工程系，河北 唐山063000 2、首鋼京唐鋼鐵股份有限公司，河北 唐山063000）

隨著社會(huì)的進(jìn)步和人們對(duì)美好生活的向往，汽車(chē)保有量一直連年攀增，有限的道路資源成為城市管理的瓶頸，交通信號(hào)燈配時(shí)的不合理一定程度上造成綠燈時(shí)間的浪費(fèi)，降低了道路利用率，當(dāng)前大多工業(yè)區(qū)的建立，使得居住區(qū)的居民需要每天往返于居住區(qū)和工業(yè)區(qū)之間，這樣交通流呈現(xiàn)多呈現(xiàn)“潮汐特性”，統(tǒng)的定時(shí)配時(shí)設(shè)置不能很好的控制協(xié)調(diào)不平衡的交通流量，要緩解潮汐特性路口的交通早晚輪番擁堵的現(xiàn)狀，不對(duì)稱(chēng)配時(shí)被提出，這是一項(xiàng)治理?yè)矶碌暮?jiǎn)單有效的技術(shù)措施。

那么如何合理的設(shè)置不對(duì)稱(chēng)信號(hào)配時(shí)，才能夠降低交叉口通行延誤，以達(dá)到確確實(shí)實(shí)能改善具有潮汐特性路口的通行能力呢？很多學(xué)者紛紛進(jìn)行了大量的研究，文獻(xiàn)[1]針對(duì)交叉口的交通流量不對(duì)稱(chēng)情況，性能指標(biāo)選為車(chē)輛的平均延誤時(shí)間，利用SAGACIA 優(yōu)化方法優(yōu)化不對(duì)稱(chēng)配時(shí)參數(shù)，優(yōu)化產(chǎn)生一組不對(duì)稱(chēng)綠燈信號(hào)配時(shí)，對(duì)此類(lèi)路口的交通狀況起到了改善作用。但是，城市交通控制系統(tǒng)是一個(gè)具有較大隨機(jī)性、復(fù)雜性的非線(xiàn)性系統(tǒng)，很難建立精確的數(shù)學(xué)模型，而模糊控制不依賴(lài)于被控對(duì)象的數(shù)學(xué)模型，很多學(xué)者將模糊控制應(yīng)用到了交通領(lǐng)域[2]，由于模糊控制規(guī)則等參數(shù)獲得要依靠人們的經(jīng)驗(yàn)，具有主觀(guān)性和隨機(jī)性，在交通流量不對(duì)稱(chēng)比較嚴(yán)重的交叉口，控制效果不是很理想；本文將模糊控制和混沌優(yōu)化方法應(yīng)用到交叉口的信號(hào)配時(shí)，根據(jù)交叉口的交通流量變化，采用借相位設(shè)置依次通行的不對(duì)稱(chēng)相位，性能指標(biāo)為車(chē)輛的平均延誤時(shí)間，應(yīng)用混沌算法優(yōu)化模糊控制規(guī)則，輸出各相位不對(duì)稱(chēng)的綠燈配時(shí)。

在優(yōu)化領(lǐng)域混沌算法優(yōu)越獨(dú)特的特性被廣泛的應(yīng)用，對(duì)模糊控制器控制規(guī)則和隸屬度函數(shù)等參數(shù)進(jìn)行優(yōu)化，在優(yōu)化過(guò)程的中對(duì)要優(yōu)化參數(shù)用實(shí)數(shù)進(jìn)行編碼，利用混沌的遍歷性使得不易陷入局部最優(yōu)，得到性能更優(yōu)的下一個(gè)新解，使得逐步向最優(yōu)解方向靠近。

本文通過(guò)混沌算法優(yōu)化不對(duì)稱(chēng)配時(shí)的模糊控制器的模糊控制參數(shù)，并將優(yōu)化后的不對(duì)稱(chēng)模糊控制器用于具有“潮汐特性”的四相位交叉口交通信號(hào)控制。

1 具有潮汐特性交叉口的相位設(shè)計(jì)

在交叉口的安全性和通行能力方面考慮，合理的相位的設(shè)計(jì)起到很大作用，如果相位順序不合理，相鄰的相位在發(fā)生轉(zhuǎn)換時(shí)刻容易發(fā)生車(chē)輛碰撞，特別是具有潮汐特性的交叉路口，在交通高峰時(shí)段這種現(xiàn)象更為明顯，使得路口通行效率低，時(shí)常出現(xiàn)闖紅燈現(xiàn)象。

1.1 設(shè)置時(shí)段。對(duì)于交通流量不對(duì)稱(chēng)的交叉口，根據(jù)其所具有的潮汐特性，可以設(shè)置不對(duì)稱(chēng)的綠燈配時(shí)方案和合理恰當(dāng)?shù)南辔豁樞颍鶕?jù)各進(jìn)口道在不同配時(shí)時(shí)段內(nèi)交通流量的多少，把流量不對(duì)稱(chēng)交叉口劃分成早晚高峰、平時(shí)時(shí)段及夜間時(shí)段，并且具有不同的綠燈配時(shí)和相位順序。由于篇幅限制，這里以早高峰的綠燈配時(shí)及相位順序設(shè)計(jì)為例。

1.2 設(shè)置相位。研究對(duì)象為流量不對(duì)稱(chēng)的干支交叉路口，因?yàn)橹鞲陕飞宪?chē)流量大，所以設(shè)置相對(duì)應(yīng)的不對(duì)稱(chēng)綠時(shí)配時(shí)及相位順序；而支路上車(chē)流量較小，所以設(shè)置相對(duì)應(yīng)的對(duì)稱(chēng)配時(shí)及相位順序，并且均采用先直行后左轉(zhuǎn)放行方式，避免相鄰相位的車(chē)流發(fā)生沖突。不對(duì)稱(chēng)路口的相位順序設(shè)置如圖1 所示。

第一相位為干路上南北方向直行通行，第二相位為北向南直行同時(shí)可以左轉(zhuǎn)，該相位時(shí)直行的車(chē)流量大，當(dāng)直行方向車(chē)流的流量平緩之后，直行通行停止，直行車(chē)流和左轉(zhuǎn)車(chē)流沒(méi)有交叉，同時(shí)放行互不影響，稱(chēng)為借相位放行,節(jié)省了時(shí)間，減少了北向南直行通行車(chē)輛的延誤。直行車(chē)流無(wú)形中多放行了一部分時(shí)間，可以看出該相位順序緩解了車(chē)流量大的入口方向的車(chē)輛延誤；第三相位為南北同時(shí)左轉(zhuǎn)，當(dāng)直行車(chē)流停止通行后，南北同時(shí)放行左轉(zhuǎn)，此時(shí)左轉(zhuǎn)車(chē)流實(shí)現(xiàn)了不間斷的放行時(shí)間，也同樣增加了左轉(zhuǎn)車(chē)道放行的通行時(shí)間；第四相位設(shè)置在支路上，支路上車(chē)流量相對(duì)較小，我們把直行左轉(zhuǎn)設(shè)置為同時(shí)放行。

2 模糊控制器設(shè)計(jì)

2.1 系統(tǒng)控制方案設(shè)計(jì)。模糊控制器的輸入分別為當(dāng)前相位的車(chē)流量和下一相位的車(chē)流量，模糊控制器的輸出為下一個(gè)相位的綠燈車(chē)輛通行時(shí)間。模糊控制的不對(duì)稱(chēng)交通信號(hào)控制系統(tǒng)如圖2，其中qi 和qj 分別為當(dāng)前相位和下一相位的車(chē)流量，構(gòu)成模糊控制器的精確輸入值；t 為下一相位的通行綠燈信號(hào)時(shí)間精確值；QI、QJ、T分別為精確值qi、qj、t 的模糊變量值。

2.2 輸入變量定義及模糊化。輸入變量為當(dāng)前相位與下一相位的交通流量，模糊化運(yùn)算模塊的作用是將輸入的精確量轉(zhuǎn)化為[0，1]上的模糊量，也就是要知道模糊集的論域，以及所應(yīng)用的隸屬度函數(shù)和模糊集的數(shù)量。設(shè)當(dāng)前相位qi，下一相位qj，規(guī)定模糊化運(yùn)算的輸入變量qi 和qj 的取值范圍為[0，40]，將論域劃分為11 個(gè)等級(jí)，則11 個(gè)模糊論域{0，1，2，3，4，5，6，7，8，9，10}. 量化因子K1=K2=0.25，憑經(jīng)驗(yàn)獲得。實(shí)際值q 相對(duì)應(yīng)的模糊論域的Q=[q/4]，[x]表示不大于x的最大整數(shù)。QI 和QJ 的模糊語(yǔ)言值設(shè)置為｛很少，少，較少，中等，較多，多，很多｝，選取三角形隸屬度函數(shù)作為輸入的模糊子集隸屬度函數(shù)。

圖2 控制系統(tǒng)結(jié)構(gòu)框圖

2.3 輸出變量定義及模糊化。輸出變量為下一綠燈相位的綠燈時(shí)長(zhǎng)t，定義輸出變量t∈[0，40]s，將論域劃分為11 個(gè)模糊論域｛0，1，2，3，4，5，6，7，8，9，10｝，比例因子K3=0.25，實(shí)際值t 相對(duì)應(yīng)的模糊論域值T=[t/4].T的模糊語(yǔ)言值｛很短，短，較短，中等，較長(zhǎng)，長(zhǎng)，很長(zhǎng)｝。選用三角形分布函數(shù)作為模糊子集的隸屬度函數(shù)。

3 混沌算法

3.1 混沌思想。混沌現(xiàn)象普遍存在于非線(xiàn)性系統(tǒng)中，該現(xiàn)象的特點(diǎn)是具有遍歷性、隨機(jī)性、“規(guī)律性”；將混沌量映射為待優(yōu)化量采用了“載波”的方法實(shí)現(xiàn)，并把其遍歷范圍也變換成待優(yōu)化變量的合適的取值范圍，算法優(yōu)化過(guò)程中進(jìn)行搜索求解利用了混沌變量的特性，其具有的特性使得算法搜索求解更加準(zhǔn)確有效[3]。

3.2 混沌算法基本步驟。Step 1.初始產(chǎn)生不同軌跡的混沌待優(yōu)變量。Step 2.用載波的方式產(chǎn)生待優(yōu)化變量；并將變化范圍“放大”到相應(yīng)論域范圍。Step 3.用新產(chǎn)生的混沌變量迭代搜索，計(jì)算相應(yīng)的性能指標(biāo)，并且和原指標(biāo)相比較。Step 4.用隨機(jī)擾動(dòng)方式在當(dāng)前最優(yōu)解附近進(jìn)行若干步的細(xì)搜索，得到對(duì)應(yīng)的性能指標(biāo)，如果優(yōu)于當(dāng)前最優(yōu)解則保留，否則丟棄。Step 5.判斷事先設(shè)置的迭代次數(shù)，如果達(dá)到迭代次數(shù)，則輸出最終最優(yōu)解并終止搜索；如果沒(méi)有到達(dá)迭代次數(shù)返回step3 繼續(xù)進(jìn)行搜索求解。

4 模糊控制器的優(yōu)化

4.1 解群設(shè)置。以每?jī)蓚€(gè)相位的車(chē)流量為輸入，對(duì)應(yīng)的輸出為一組數(shù)據(jù)，定義解群為4×3 的矩陣，第一列和第二列分別為四個(gè)相位，第三列是輸出相位的輸出綠燈時(shí)長(zhǎng)，解的基本結(jié)構(gòu)如下：

4.2 解的不對(duì)稱(chēng)優(yōu)化設(shè)置。所設(shè)置的解的結(jié)構(gòu)中，輸入為第四相位和第一相位的車(chē)流量時(shí)，綠燈時(shí)間t1 是模糊控制器第一相位輸出，為南北方向直行；第一相位和第二項(xiàng)位的車(chē)流量作為輸入時(shí)，模糊控制器輸出第二相位綠燈時(shí)間t2，為北向直行和北拐東；輸入為第二相位和第三相位的車(chē)流量時(shí)，綠燈時(shí)間t3 為模糊控制器第三相位輸出，為南北左轉(zhuǎn)綠燈時(shí)間；輸入為第三相位和第四相位的車(chē)流量時(shí)，綠燈時(shí)間t4 為模糊控制器第四相位輸出，為東西向直行、左轉(zhuǎn)的時(shí)間。

5 實(shí)例驗(yàn)證及分析

本文選用唐山市一個(gè)不對(duì)稱(chēng)交通流量的干支交叉路口（建設(shè)路和朝陽(yáng)道交叉路口）為研究對(duì)象，建設(shè)路為南北方向主干道（雙向八車(chē)道），朝陽(yáng)道為東西方向支路(雙向兩車(chē)道)，早晚高峰時(shí)主干道上交通流量嚴(yán)重不對(duì)稱(chēng)，所以設(shè)置相應(yīng)相位順序和不對(duì)稱(chēng)信號(hào)配時(shí)配置，能夠緩解交叉口車(chē)輛延誤，提高路口在高峰期的通行能力。假設(shè)交叉口每個(gè)方向車(chē)輛隨機(jī)到達(dá)，平峰時(shí)模擬采用泊松分布規(guī)律，高峰時(shí)模擬采用二項(xiàng)分布規(guī)律，仿真時(shí)需要把所有車(chē)輛都換算成當(dāng)量小汽車(chē)數(shù)量。車(chē)流量大的一和三相位的飽和流量為3600PCU/h，車(chē)流量較小的二和四的飽和流量為2880PCU/h，如果交叉口車(chē)輛到達(dá)概率小于1000PCU/h 時(shí)，經(jīng)驗(yàn)上認(rèn)為交通處于平峰時(shí)段，大于1000PCU/h 時(shí)，經(jīng)驗(yàn)上認(rèn)為處于高峰時(shí)段。仿真結(jié)果如表1 和圖3 所示。

表1 模糊控制規(guī)則表

圖3 仿真結(jié)果

從仿真結(jié)果可以看出，經(jīng)過(guò)混沌算法優(yōu)化模糊規(guī)則后，應(yīng)用模糊控制對(duì)具有潮汐特性的交叉口進(jìn)行不對(duì)稱(chēng)配時(shí)控制時(shí)，比普通定時(shí)優(yōu)化不對(duì)稱(chēng)配時(shí)的控制效果好，車(chē)輛的平均延誤收斂雖然慢一點(diǎn)，但是平均延誤明顯減小，使得交叉口的車(chē)輛通行效率有明顯改善。

6 結(jié)論

本文研究了一個(gè)具有“潮汐”特性的干支交叉口交通信號(hào)的模糊控制方法，以交叉口的車(chē)輛平均延誤為模糊控制交通信號(hào)的性能指標(biāo)。利用混沌優(yōu)化算法優(yōu)化了模糊控制規(guī)則，混沌算法具有遍歷性、隨機(jī)性和規(guī)律性的特點(diǎn)，避免了搜索過(guò)程陷入局部最優(yōu)，使得解群不會(huì)處于停滯不前狀態(tài)。以交叉口車(chē)輛平均延誤作為性能評(píng)價(jià)指標(biāo)，對(duì)混沌算法優(yōu)化后的模糊控制器控制的不對(duì)稱(chēng)交通信號(hào)配時(shí)進(jìn)行了仿真研究。結(jié)果表明，優(yōu)化后的模糊控制器比靠經(jīng)驗(yàn)獲得的模糊控制器能有效減小交叉口車(chē)輛平均延誤；采用模糊邏輯控制的不對(duì)稱(chēng)交通信號(hào)配時(shí)比固定的不對(duì)稱(chēng)交通信號(hào)配時(shí)更能有效減小交叉口車(chē)輛平均延誤。