国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

    一、引言
 
    交通信號(hào)控制系統(tǒng)是一個(gè)非線性的復(fù)雜巨系統(tǒng)。因此，像SCOOT和SCAT系統(tǒng)那樣以精確的數(shù)學(xué)模型或預(yù)設(shè)方案為基礎(chǔ)進(jìn)行交通信號(hào)控制有時(shí)效果不盡如人意。而交通信號(hào)控制又直接影響著整個(gè)交通系統(tǒng)的運(yùn)行。所以國(guó)內(nèi)外學(xué)者都紛紛采用各種方法來優(yōu)化交通信號(hào)控制方案。本文提出一種將模糊控制與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的自組織學(xué)習(xí)方法對(duì)單個(gè)交叉路口的交通信號(hào)進(jìn)行實(shí)時(shí)控制。
 
    模糊控制的特長(zhǎng)在于能夠充分利用學(xué)科領(lǐng)域的知識(shí)，能以一定的規(guī)則數(shù)來表達(dá)知識(shí)具有邏輯推理能力，在技能處理上比較擅長(zhǎng)。模糊技術(shù)不僅能處理精確信息，也能處理模糊信息或其它不明確信息，能實(shí)現(xiàn)精確性聯(lián)想及映射。其缺點(diǎn)是完全依賴專家制定的大量控制規(guī)則，不具備學(xué)習(xí)功能。人工神經(jīng)網(wǎng)絡(luò)具有非線性描述、大規(guī)模并行分布處理能力及高度魯棒性和學(xué)習(xí)與聯(lián)想等特點(diǎn)，適用于非線性時(shí)變大系統(tǒng)的模擬與在線控制。它在認(rèn)知處理、模式識(shí)別方面有很強(qiáng)的優(yōu)勢(shì)。主要缺點(diǎn)是結(jié)構(gòu)難以確定，訓(xùn)練樣本要求多且準(zhǔn)確，訓(xùn)練周期長(zhǎng)，而且不能提供一個(gè)明確的用于網(wǎng)絡(luò)知識(shí)表達(dá)的框架。
 
    模糊神經(jīng)網(wǎng)絡(luò)是為發(fā)揮各自的優(yōu)勢(shì)把人工神經(jīng)網(wǎng)絡(luò)和模糊控制進(jìn)行有機(jī)結(jié)合。利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)來進(jìn)行模糊信息處理，可使得模糊規(guī)則的自動(dòng)提取及模糊隸屬函數(shù)的自動(dòng)生成成為可能。從而，克服神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)難以確定以及模糊控制無自學(xué)習(xí)能力的缺點(diǎn)，使模糊系統(tǒng)成為一種自適應(yīng)的模糊系統(tǒng)。
 
    二、模糊控制策略
 
    模糊控制策略是模糊控制的核心。本文結(jié)合專家經(jīng)驗(yàn)和計(jì)算機(jī)仿真，對(duì)單個(gè)交叉路口采用如下模糊控制策略。
 
    對(duì)單個(gè)交叉路口而言，當(dāng)交通需求較小時(shí)，信號(hào)周期應(yīng)短些。但一般不能少于P×15秒（P為相位數(shù)）以免某一方向的綠燈時(shí)間小于15秒使車輛來不及通過路口影響交通安全。當(dāng)交通需求較大時(shí)，信號(hào)周期應(yīng)長(zhǎng)些。但一般不能超過120秒，否則某一方向的紅燈時(shí)間將超過60秒，駕駛員心理上不能忍受。當(dāng)交通需求很小時(shí)，一般按最小周期運(yùn)行；當(dāng)交通需求很大時(shí)，只能按最大周期控制。此時(shí)，車輛堵塞現(xiàn)象已不可避免。根據(jù)專家經(jīng)驗(yàn)和計(jì)算機(jī)仿真，單個(gè)交叉路口的模糊控制算法可描述為：

     ①步驟1 從相位ｉ開始，分別指定各相位的最大綠燈時(shí)間 ；

     ②步驟2 先給該相位以最短綠燈時(shí)間， ＝ΔＧ＝15秒；

     ③步驟3 在ΔＧ內(nèi)測(cè)得放行車道上的交通需求，設(shè)其為 ；

     ④步驟4 若 小于某一給定的值ｒ或累積綠燈時(shí)間 ，則將綠燈轉(zhuǎn)到下一相位，回到步驟2，否則繼續(xù)；

     ⑤步驟５　根據(jù) 值的大小來確定綠燈延長(zhǎng)時(shí)間ΔG，若 小，則少量延長(zhǎng)綠燈時(shí)間，若 大，則大量延長(zhǎng)綠燈時(shí)間。由此建立模糊控制規(guī)則。設(shè)延長(zhǎng)的綠燈時(shí)間為ΔG，若 ，則 ；否則該相位的綠燈時(shí)間為 ，回到步驟3。

     算法中的交通需求用交叉口停止線前的排隊(duì)長(zhǎng)度即停止線前相隔一定距離（通常為80至100ｍ）的兩檢測(cè)器之間的車輛數(shù)來表示。然后，用下述方法建立模糊控制規(guī)則。將測(cè)得的隊(duì)長(zhǎng)l可看作模糊變量 ，其論域?yàn)椋海蹋剑?，3，5，7，9，11，13，15，17，19，21｝，取7個(gè)語(yǔ)言值： （很長(zhǎng)）， （長(zhǎng)）， （較長(zhǎng)）， （中等）， （較短）， （短）， （很短）。綠燈追加時(shí)間ΔＧ同樣看作模糊變量 ，其論域?yàn)椋篏＝｛3，7，11，15，19，23，27，31，35｝，取7個(gè)語(yǔ)言值： （很多）， （多）， （較多）， （適中）， （較少）， （少）， （很少）。根據(jù)專家的控制經(jīng)驗(yàn)一般可總結(jié)出下列７條控制規(guī)則，若 ，則 ，i=1,…,7。根據(jù)模糊理論可知，一個(gè)完整語(yǔ)言控制策略是由很多不同的語(yǔ)言控制策略所組成的。由7條語(yǔ)言控制策略可組成單輸入單輸出語(yǔ)言控制策略，每條控制策略可用模糊關(guān)系矩陣表示。
 
    三、模糊神經(jīng)網(wǎng)絡(luò)
 
    1．模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

    本文的模糊神經(jīng)網(wǎng)絡(luò)分為四層，用 、 表示第 （ =1，2，3，4）層第 個(gè)結(jié)點(diǎn)的輸入輸出。

     ①輸入層：n個(gè)結(jié)點(diǎn)，輸入式為 ，表示單個(gè)交叉路口各個(gè)方向的排隊(duì)長(zhǎng)度；輸出式為 ， 。

     ②模糊化層：mn個(gè)結(jié)點(diǎn)分為n組，輸入輸出為 ， ， 。其中 是模糊化層成員函數(shù)， ， 分別為Gaussian函數(shù) 的中心和寬度。
 
    ③去模糊化層：m個(gè)結(jié)點(diǎn)，每個(gè)結(jié)點(diǎn)輸入輸出為 ， ，j=1，2，…，m；i=1，2，…，n。
 
    ④輸出層：1個(gè)結(jié)點(diǎn)，輸入輸出式為 ，其中 表示第三層第j個(gè)結(jié)點(diǎn)到輸出層結(jié)點(diǎn)的耦合權(quán)值， 是單個(gè)交叉路口某一方向下一周期的綠燈延長(zhǎng)時(shí)間ΔＧ。

    2．模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法

    模糊神經(jīng)網(wǎng)絡(luò)的目標(biāo)函數(shù)為 ，式中 是模糊神經(jīng)網(wǎng)絡(luò)實(shí)際輸出的單個(gè)交叉路口某一方向下一周期的綠燈延長(zhǎng)時(shí)間， 是綜合專家經(jīng)驗(yàn)和計(jì)算機(jī)仿真得出的最佳綠燈延長(zhǎng)時(shí)間。 
 
    四、仿真實(shí)驗(yàn)
 
    本次仿真實(shí)驗(yàn)所采用的模糊神經(jīng)網(wǎng)絡(luò)參數(shù)如下：
  
    顯然，輸入層結(jié)點(diǎn)數(shù)n選取12。利用廣義交互驗(yàn)證法確定m=4。權(quán)值 隨迭代而更新并且一般是收斂的，但若其初始值太大會(huì)使網(wǎng)絡(luò)很快飽和。另外，初值對(duì)收斂速度也有影響，故選取 初始值為0。一般 ， 的初值只要不是過大，對(duì)網(wǎng)絡(luò)整體性能的影響不大，通常可選在（-0.05,0.05），故取 為0， 為0.01。學(xué)習(xí)率 若選得太小會(huì)使網(wǎng)絡(luò)參數(shù)修改量過小，收斂緩慢。若選得太大雖可加快學(xué)習(xí)速度，但可能導(dǎo)致在穩(wěn)定點(diǎn)附近的持續(xù)振蕩難以收斂。目前理論上還沒有確定學(xué)習(xí)率的方法，只能通過試探來選取。經(jīng)過多次試探取 ＝0.025， ＝0.0015較合適。
 
    本次仿真實(shí)驗(yàn)選取北京市成府路和學(xué)院路的交叉口作為仿真實(shí)驗(yàn)對(duì)象來校驗(yàn)?zāi)：窠?jīng)網(wǎng)絡(luò)模型。把從北京市交管局獲得的2004年1月1日至2004年3月31日該路口的線圈檢測(cè)數(shù)據(jù)作為校驗(yàn)數(shù)據(jù)。在Paramics微觀仿真平臺(tái)中建立該路口的仿真模型。選取前10天的數(shù)據(jù)，并利用專家經(jīng)驗(yàn)和計(jì)算機(jī)仿真得出的最佳配時(shí)方案對(duì)模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。然后，把實(shí)測(cè)數(shù)據(jù)和由模糊神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)生成的配時(shí)方案輸入仿真模型進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，采用該模糊神經(jīng)網(wǎng)絡(luò)生成的信號(hào)配時(shí)方案，仿真模型中交叉路口的平均排隊(duì)長(zhǎng)度比實(shí)際減少12％。
 
    五、結(jié)論
 
    交通信號(hào)控制系統(tǒng)是一個(gè)非線性的復(fù)雜巨系統(tǒng)，采用傳統(tǒng)的數(shù)學(xué)建模方法進(jìn)行優(yōu)化有時(shí)效果很不理想。而模糊神經(jīng)網(wǎng)絡(luò)在優(yōu)化此類系統(tǒng)方面有其獨(dú)特的優(yōu)勢(shì)。本文利用模糊神經(jīng)網(wǎng)絡(luò)在線滾動(dòng)生成單個(gè)交叉路口的信號(hào)配時(shí)方案。仿真實(shí)驗(yàn)結(jié)果表明該模型是有效的。在接下來進(jìn)一步的研究中，筆者將利用模糊神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)交通信號(hào)的線控和面控。