本发明专利技术公开了一种基于改进的模糊控制的红绿灯优化配时方法。本发明专利技术针对单交叉路口交通流的动态特性，首先根据路口传感器检测到的各个路口的等待车辆，计算该路口的车辆平均延误时间，并以此为性能优化的评价指标。之后采用模糊控制器对红绿灯的配时方案进行优化控制，并用粒子群算法对模糊规则进行优化。本发明专利技术能有效避免人为设定模糊规则而导致的主观性和盲目性，提高算法的优化性能。
【技术实现步骤摘要】
本专利技术属于智慧交通领域，涉及一种基于改进的模糊控制的红绿灯优化配时方 法。
技术介绍
交通信号控制系统是城市交通控制的主要方式，是缓解交叉口交通压力的有效保 证。它是根据交叉口等待车辆的分布状况，通过控制红绿灯的显示使路口交通通行能力最 大化。 对于传感器采集到的路口等待车辆的信息，传统的红绿灯控制策略是基于交通流 的数学建模方法，通过建立一个数学模型对当前交通动态进行描述，但这些计算都相当复 杂，很难满足实时性的要求。而数学建模需要严格的假设，降低了控制算法的普遍性。近来 一些学者引入了人工智能算法，如模糊控制、神经网络、粒子群算法等，由于这些算法自身 的局限性，单一的人工智能算法都不能很好的解决红绿灯优化配时问题。
技术实现思路
本专利技术针对现有技术的不足，提供了一种基于改进的模糊控制的红绿灯优化配时 方法。 本专利技术的具体步骤是： 步骤1.计算各车道的车辆延误时间； 针对单交叉路口，采用东西直行、东西左转、南北直行、南北左转四相位的控制方 式，右转车辆一律放行，在控制中不加考虑；路口传感器每隔一秒实时采集各个路口等待车 辆数； 1. 1计算红灯相位的车辆延误时间： 令为红灯相位车辆延误时间，则【主权项】1. ，其特征在于该方法的具体步骤 是： 步骤1.计算各车道的车辆延误时间； 针对单交叉路口，采用东西直行、东西左转、南北直行、南北左转四相位的控制方式， 右转车辆一律放行，在控制中不加考虑；路口传感器每隔一秒实时采集各个路口等待车辆 数； 1. 1计算红灯相位的车辆延误时间： 令为红灯相位车辆延误时间，则(1. 1) 其中：Qu为当前红灯相位第i条交通流第j秒的等待车辆数，η为红灯相位的交通流 数，对于四相位控制的单交叉口，η = 6, m为红灯持续时间； 1. 2计算绿灯相位的车辆延误时间： 设Q#为当前绿灯相位第j秒的等待车辆数(1.2) 其中：Qug为当前绿灯相位第i条交通流第j秒的等待车辆数，N为绿灯相位的交通流 数，N = 2 ; 令Ds为绿灯相位车辆延误时间，则(1.3) 其中，M为当前的绿灯持续时间； 一个信号周期内车辆总延误时间为： D = Dr+Dg (1. 4) 步骤2.设计模糊控制器 2. 1确定输入变量和输出变量 模糊控制器包含两个输入变量和一个输出变量；输入：当前绿灯相位的排队车辆数Qg 和后继绿灯相位的排队车辆数输出：当前绿灯相位的延长时间ΔΤ; 2. 2确定变量的论域和隶属度函数 输入变量和输出变量的论域变化范围： 08和Q r的物理论域为{〇, 1，2, 3,…，40}; Δ T的物理论域为{0, 1，2, 3,…，40}; 08和Q J勺模糊论域为{〇, 1，2, 3,…，20}，量化因子为0. 5 ; Δ T的物理论域为{0, 1，2, 3,…，20}，比例因子为2 ; 输入变量和输出量的模糊语言值和隶属度函数： Qg和Q 划分为七个模糊子集：{很少，少，较少，适中，较多，多，很多} A T划分为七个模糊子集：{很短，短，较短，适中，较长，长，很长} 对于隶属度函数采用高斯型函数：(2. I) 其中：c为隶属度函数的中心点，δ为图像曲线的宽度； 步骤3.采用粒子群算法优化模糊规则，具体是： 3. 1算法参数设置 (1) 编码模式：由于两个输入变量都分为七个模糊子集，则具有7X7 = 49条模糊规 贝1J，将模糊子集的离散型的名词映射成十进制的数，如此则可以将模糊规则转化为一个二 维数组；将该二维数组转化为一个实数行向量，具体为将前一行的末尾与下一行的开头连 接，以便对粒子进行编码； (2) 粒子搜索方式：记粒子群中第i个粒子的位置和速度分别为Xi= {xn，xi2,…，xi49} 和Vi= {v n, vi2，…vi49}，根据下式对粒子的速度和位置进行更新： vid (t+1) = vid (t) +C^1 (pid (t) -Xi (t)) +c2r2 (pgd (t) -xid (t)) (2. 3) xid (t+1) = xid(t)+vid(t+l) (2. 4) 其中，vid是粒子的速度，v ide ，Cl，c2是学习因子，I^r2是的均匀随 机数，Pid是第i个粒子迄今为止搜索到的最佳位置，P gd是整个群落迄今为止搜索到的最佳 位置； (3) 适应度函数：适应度函数用来评价粒子的质量，以路口车辆延误时间作为评价性 能的指标，则将车辆延误时间的倒数作为适应度函数， / = - (2. 5) D 3. 2算法流程 (1) 设定粒子的个数η和粒子维数D，随机变量cdP c 2，最大更新速度Vmax和最小更新 速度Vmin，粒子位置的最大值1_和最小值X min以及最大迭代次数t ; (2) 根据公式（2. 5)计算粒子的适应度； (3) 更新个体极值：将个体的适应值和该个体最优适应值进行比较，若更好，则将其作 为该粒子个体的最优适应值，并用当前位置作为该粒子个体的最优位置； (4) 更新全局极值：将每个粒子的适应值与当前群体最优值比较，若更好则将其作为 群体迄今为止的最优值，并将当前位置作为群体的最优位置； (5) 对每个粒子的速度和位置进行更新； (6) 若达到最大迭代次数则搜索结束，将适应值最大的粒子所对应的参数作为全局最 优解；否则转⑵； 步骤4.清晰化 由步骤3得到的仍是模糊量，采用面积中心算法对其进行清晰化，(2 6) 其中：μ i为模糊子集隶属度，τ i为输出变量，T为清晰值。【专利摘要】本专利技术公开了。本专利技术针对单交叉路口交通流的动态特性，首先根据路口传感器检测到的各个路口的等待车辆，计算该路口的车辆平均延误时间，并以此为性能优化的评价指标。之后采用模糊控制器对红绿灯的配时方案进行优化控制，并用粒子群算法对模糊规则进行优化。本专利技术能有效避免人为设定模糊规则而导致的主观性和盲目性，提高算法的优化性能。【IPC分类】G08G1-08【公开号】CN104766485【申请号】CN201510150649【专利技术人】刘俊, 郑志杰, 彭冬亮, 陈华杰, 左燕 【申请人】杭州电子科技大学【公开日】2015年7月8日【申请日】2015年3月31日本文档来自技高网...
【技术保护点】
一种基于改进的模糊控制的红绿灯优化配时方法，其特征在于该方法的具体步骤是：步骤1.计算各车道的车辆延误时间；针对单交叉路口，采用东西直行、东西左转、南北直行、南北左转四相位的控制方式，右转车辆一律放行，在控制中不加考虑；路口传感器每隔一秒实时采集各个路口等待车辆数；1.1计算红灯相位的车辆延误时间：令Dr为红灯相位车辆延误时间，则Dr=Σi=1nΣj=1mQijr---(1.1)]]>其中：Qijr为当前红灯相位第i条交通流第j秒的等待车辆数，n为红灯相位的交通流数，对于四相位控制的单交叉口，n＝6，m为红灯持续时间；1.2计算绿灯相位的车辆延误时间：设Qjg为当前绿灯相位第j秒的等待车辆数Qjg=Σi=1NQijg---(1.2)]]>其中：Qijg为当前绿灯相位第i条交通流第j秒的等待车辆数，N为绿灯相位的交通流数，N＝2；令Dg为绿灯相位车辆延误时间，则Dg=Σj=1MΣi=1NQijg---(1.3)]]>其中，M为当前的绿灯持续时间；一个信号周期内车辆总延误时间为：D＝Dr+Dg (1.4)步骤2.设计模糊控制器2.1确定输入变量和输出变量模糊控制器包含两个输入变量和一个输出变量；输入：当前绿灯相位的排队车辆数Qg和后继绿灯相位的排队车辆数Qr；输出：当前绿灯相位的延长时间ΔT；2.2确定变量的论域和隶属度函数输入变量和输出变量的论域变化范围：Qg和Qr的物理论域为{0,1,2,3,…,40}；ΔT的物理论域为{0,1,2,3,…,40}；Qg和Qr的模糊论域为{0,1,2,3,…,20}，量化因子为0.5；ΔT的物理论域为{0,1,2,3,…,20}，比例因子为2；输入变量和输出量的模糊语言值和隶属度函数：Qg和Qr划分为七个模糊子集：{很少，少，较少，适中，较多，多，很多}ΔT划分为七个模糊子集：{很短，短，较短，适中，较长，长，很长}对于隶属度函数采用高斯型函数：f(x,c,δ)=e-(x-c)22δ2---(2.1)]]>其中：c为隶属度函数的中心点，δ为图像曲线的宽度；步骤3.采用粒子群算法优化模糊规则，具体是：3.1算法参数设置(1)编码模式：由于两个输入变量都分为七个模糊子集，则具有7×7＝49条模糊规则，将模糊子集的离散型的名词映射成十进制的数，如此则可以将模糊规则转化为一个二维数组；将该二维数组转化为一个实数行向量，具体为将前一行的末尾与下一行的开头连接，以便对粒子进行编码；(2)粒子搜索方式：记粒子群中第i个粒子的位置和速度分别为Xi＝{xi1,xi2,…,xi49}和Vi＝{vi1,vi2,…vi49}，根据下式对粒子的速度和位置进行更新：vid(t+1)＝vid(t)+c1r1(pid(t)‑xi(t))+c2r2(pgd(t)‑xid(t)) (2.3)xid(t+1)＝xid(t)+vid(t+1) (2.4)其中，vid是粒子的速度，vid∈[‑vmax,vmax]，c1，c2是学习因子，r1，r2是[0,1]的均匀随机数，pid是第i个粒子迄今为止搜索到的最佳位置，pgd是整个群落迄今为止搜索到的最佳位置；(3)适应度函数：适应度函数用来评价粒子的质量，以路口车辆延误时间作为评价性能的指标，则将车辆延误时间的倒数作为适应度函数，f=1D---(2.5)]]>3.2算法流程(1)设定粒子的个数n和粒子维数D，随机变量c1和c2，最大更新速度vmax和最小更新速度vmin，粒子位置的最大值xmax和最小值xmin以及最大迭代次数t；(2)根据公式(2.5)计算粒子的适应度；(3)更新个体极值：将个体的适应值和该个体最优适应值进行比较，若更好，则将其作为该粒子个体的最优适应值，并用当前位置作为该粒子个体的最优位置；(4)更新全局极值：将每个粒子的适应值与当前群体最优值比较，若更好则将其作为群体迄今为止的最优值，并将当前位置作为群体的最优位置；(5)对每个粒子的速度和位置进行更新；(6)若达到最大迭代次数则搜索结束，将适应值最大的粒子所对应的参数作为全局最优解；否则转(2)；步骤4.清晰化由步骤3得到的仍是模糊量，采用面积中心算法对其进行清晰化，T=Σi=1mμiτiΣi=1mμi---(2.6)]]>其中：μi为模糊子集隶属度，τi为输出变量，T为清晰值。...
【技术特征摘要】
【专利技术属性】
技术研发人员：刘俊，郑志杰，彭冬亮，陈华杰，左燕，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。