基于MATLAB的城市交通信号模糊控制方法研究(5)

学位论文 第三章 基于模糊控制的交通信号控制系统

下面我们以图3-3来说明两级模糊控制器。模糊控制器第一级是观测级；第二级作为决策级。其中第一级包括绿灯相位观察模块和红灯相位选择模块。第二级只包含一个模块：决策模块。

红灯相位选择模块是根据检测器检测到的信息判断除了当前绿灯方向外其他所有红灯相位的情况，计算出这些相位等待绿灯的紧迫度，找出要求最为紧迫的红灯相位，将其作为下一个绿灯相位并传送到决策模块；绿灯相位观察模块是根据检测信息判断当前绿灯相位的交通状况，确定绿灯相位繁忙度，也传送给决策模块；再由决策模块根据第一级的输出，判断是否切换相位还是延长当前相位的绿灯时间。

3.2.3 红灯相位选择模块的设计

这个模块是以除当前绿灯相位以外的所有红灯相位的交通流信息为输入，以被选择的相位?Pr?和它的相位紧迫度?Up?为输出。下面我们详细说明这个模块的设计：

1）模糊推理的输入及输出变量 输入变量：qr和tr，输出变量：Ur

qr是指一个车道相邻检测器之间存在的车辆数，tr是指一个方向上从上次绿灯结束后红灯持续的时间，它们反映了当地实时的交通状况。Ur指交通流紧迫度，只反映其中一个交通流的状况。

下面是qr的计算方法：

qr?qr0?c （3-2） 其中： qr0--上次绿灯时间结束时，两个检测器之间存在的车辆数； c--红灯时间内来到这个车道的车辆数。 2）输入和输出变量的模糊语言 ； qr=｛很少，少，中等，多，很多｝； tr=｛很短，短，中等，长，很长｝

Ur=｛很低，低。中等，高，很高｝。

~~~3）模糊规则

当车道上的车辆数变多时或者红灯时间增长时，车流的紧迫度要求相应的提高。我们建立如下的模糊控制规则：

14

学位论文 第三章 基于模糊控制的交通信号控制系统

表3-1 红灯相位选择模块的模糊规则

qr tr 很少 很低 很低 低 中等 很高 少 很低 很低 中等 高 很高 中等 很低 低 中等 高 很高 多 低 中等 高 很高 很高 很多 中等 高 很高 很高 很高 很短 短 中等 长 很长 4）变量论域以及比例因子

····，30｝； qr的基本论域为｛0，1，2，3，4，5，

qr的论域为｛0，3，6，9，12，15，18，21，24，27，30｝

tr的基本论域为（0，120）；

tr的论域为｛0，12，24，36，48，60，72，84，96，108，120｝；

； Ur的基本论域为（0，6）

。 Ur的论域为｛0，1，2，3，4，5，6｝比例因子均为1。 5）隶属度函数

输入与输出的模糊隶属度函数如图所示：

图3-5 qr的模糊隶属度函数

15

学位论文 第三章 基于模糊控制的交通信号控制系统

图3-6 tr的模糊隶属度函数

图3-7 Ur的模糊隶属度函数

6）模糊推理关系

模糊规则表中每一条模糊语句都对应着一个模糊关系： Ri?[qrj?trk]~~~M1?Url （3-3）

~~其中,i=0,1,2,3,···，24；j、k、l=0，1，2，3，4；M1S是一种矩阵运算关系，把11?11矩阵写成121?1列向量；qrj，trk，Url表示模糊规则对应的向量。

以第一条规则为例：

~~~qr很少tr很短Ur很低IF AND THEN

与之对应的模糊关系：

~??R0??qr很少?tr很短??Ur很低??~~~M1~~qr很少??1,0.5,0,0,0,0,0,0,0,0,0? 其中：

T~tr很短??1,0.5,0,0,0,0,0,0,0,0,0?

16

~学位论文 第三章 基于模糊控制的交通信号控制系统

??0,1,0,0,0,0,0? Ur很低~R?Ri 总的模糊关系可以运算得到： （3-4）

i?0~?24~rj和 得到模糊推理关系 trk的R之后，经过模糊集合的合成运算，推导出对应与q输出信号：

~~~~?? (3-5) Ur??qrj?trk??R??

M2~~~ 其中：M2是一种矩阵运算关系，把11?11矩阵转化为1?121行向量。

7）去模糊化

我们采用重心法去模糊，计算公式为：

Ur??Ur?d?Ur??Ur? ???Ur?d?Ur?

0606 （3-6）

8）数据处理

经过上面的过程系统输出一个交通流的紧迫度Ur，求出同一个相位上的所有交通流紧迫度的平均值，即这个相位上的紧迫度Up，将其与所有的红灯相位进行比较，选出最大的一个作为这个模块的输出相位Pr和紧迫度Up。

3.2.4 绿灯相位观察模块的设计

绿灯相位观察模块以绿灯相位的交通流为输入，得到绿灯相位繁忙度Bt。交通流数据包括绿灯相位上剩余的车辆数qg，最小绿灯时间后绿灯的延长时间tg。

这个模块设计的详细说明如下： 1）数据处理

计算公式为：qg?max?qg1,qg2? （3-7） 其中：qg1，qg2分别表示绿灯相位停留在两个检测器之间的车辆数。 计算方法如下：

当qgi0?c?g?0时，qgi?qgi0?c?g； （3-8） 当qgi0?c?g?0时，qgi?0。 （3-9） 其中：qg0--绿灯相位开始时两检测器之间的车辆数； c--绿灯时间内一个车道上到达的车辆数； g--绿灯开始后离去的车辆数。 2）模糊推理的输入和输出变量

输入变量是qg,tg，它们反映了当前相位的交通状况。输出变量是Bt，它反映了这个

17

学位论文 第三章 基于模糊控制的交通信号控制系统

绿灯相位的繁忙程度。

3）输入和输出变量的模糊语言 ； qg=｛很少，少，多｝； tg=｛很短，短，长｝。 Bt=｛低，中等，高｝4）模糊控制规则

我们建立的模糊控制规则如下图：

表3-2 绿灯相位观察模块的模糊控制规则

qg tg ~~~很少 低 低 低 少 中等 中等 低 多 高 高 中等 很短 短 长 5）变量论域以及比例因子

···，30｝； qg的基本论域｛0，1，2，3，

； qg的论域｛0，5，10，15，20，25，30｝； tg的基本论域（0，30）

； tg的论域｛0，5，10，15，20，25，30｝； Bt的基本论域（0，4）。 Bt的论域｛0，1，2，3，4｝我们设比例因子为1。 6）隶属度函数

如下图给出了剩余车辆数、绿灯延长时间以及繁忙度的模糊隶属度函数。

图3-8 剩余车辆数隶属度函数

18

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库基于MATLAB的城市交通信号模糊控制方法研究(5)在线全文阅读。