基于MATLAB的城市交通信号模糊控制方法研究(6)

学位论文 第三章 基于模糊控制的交通信号控制系统

图3-9 绿灯延长时间隶属度函数

图3-10 繁忙度隶属度函数

7）模糊推理关系

上面模糊规则表中，每条模糊语句都有一条模糊关系与之对应：

Ri~~~~?[qgj?tgk]?Btl （3-10）

~~~M1式中：i=0，1，···，8；j,k,l=0，1，2；M1是一种矩阵运算关系；qgj,tgk,Btl表示与之对应的向量。

如第一条模糊规则是：

对应的模糊关系为：

~??R0??qg很少?tg很短??Bt低

??~~~M1qg很少tg很短Bt低 IF AND THEN

~~~

19

学位论文 第三章 基于模糊控制的交通信号控制系统

式中：qg很少=?1,0.5,0,0,0,0,0?

T~ tg很短=?1,0.5,0,0,0,0,0? Bt低=[0,1,0,0,0]

总的模糊关系通过9条模糊关系运算得到，即：

（3-11）

~~R??Rii?0~~8~得到模糊推理关系后，对模糊集合进行合成运算，可以求得相应的输出模糊信号：

~?? （3-12） Bt??qgj?tgk??R??

~~M28)去模糊化

我们利用重心法对Bt去模糊，计算公式如下：

Bt??Bt?d?Bt??0Bt?4 （3-13）

???Bt?d?Bt?

04 经过去模糊化，就可以得出目前绿灯相位的繁忙度。

3.2.5 决策模块的设计

决策模块的输入是候选相位Pr、相位紧迫度Up以及繁忙度Bt，输出量是决策Dc，Dc决定是否要给候选相位通行权。接下来我们详细对这个模块进行说明：

1）模糊推理的输入及输出变量

Up、Bt作为输入变量，Dc作为输出变量，反映了是否转换相位的决策程度。

2）输入和输出变量的模糊语言 ； Up?｛很低，低，中等，高，很高｝； Bt?｛低，中等，高｝。 Dc?｛是，否｝3)模糊规则

我们建立如下的模糊控制规则：

20

~~~学位论文 第三章 基于模糊控制的交通信号控制系统

表3-3 决策模块的模糊控制规则 Up Bt 低 中等 高 很低 不 不 不 低 不 不 不 中等 是 不 不 高 是 是 不 很高 是 是 是 4）变量的论域及比例因子 取比例因子为1。

； Up的基本论域为（0，6）

； Up的论域为｛0，1，2，3，4，5，6｝； Bt的基本论域为（0，4）； Bt的论域为｛0，1，2，3，4｝； Dc的基本论域为（0，3）。 Dc的论域为｛0，1，2，3｝5）隶属度函数

相位紧迫度和繁忙度的模糊隶属度函数和之前选择模块的紧迫度以及观察模块的繁忙度相同，决策的隶属度函数如下图：

图3-11 Dc的模糊隶属度函数

6）模糊推理关系

模糊规则表中的每条模糊语句与之对应的模糊关系：

M1 （3-14） ~~?~?Ri??Upj?Btk??Dcl ??式中：i=0，1，2，···，14；j=0，1，2，3，4；k=0，1，2；l=0，1。M1是一种矩阵运

~21

学位论文 第三章 基于模糊控制的交通信号控制系统

算关系。

如第一条规则为：

IF U~p~~很低 AND Bt低 THEN Dc否

则模糊关系就是： ~M1 R??~~~0???Up很低?Bt低???Dc否

式中：U~p,1,0,0,0,0,0?T很低=?0；

B~t~低=?0,1,0,0,0?； Dc否=?0,1,0,0?。

则总的模糊关系的公式为： R~14??R~i (3-15)

i?0 则我们可以推导出输出模糊信号：

M2D~c??~~??~?Upj?Btk?? ?R

7）去模糊化

同样还是采用重心法对Dc去模糊，计算公式：

3Dc??0Dc??Dc?d?Dc??3??Dc?d?Dc? 0

如果得到的Dc超过阀值1.5就执行切换相位，否则延长绿灯时间。 这样一个两级模糊控制器就设计完成了。

22

3-16）3-17）（

（ 学位论文 第四章 城市交通信号模糊控制系统仿真

第四章 城市交通信号模糊控制系统仿真

4.1 模糊控制器的仿真

4.1.1 仿真流程图

初始化，设定初值

得到Up,Pr得出Bt是否到仿真时间否计算qr、qg、tr、tg是计算平均车辆延误随机生成每秒钟的Ci给予这个相位最短绿灯时观测级计算qr、qg、tr、tg仿真结束计算qr、qg、tr、tg

延时2秒随机生成每秒钟的Ci第二级决策级计算qr、qg、tr、tg得出Dc否Dc>1.5是计算车辆延误重新设置初始值，延时4秒 执行切换相位 图4-1 仿真流程图

23

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(6)在线全文阅读。