（光学工程专业论文）单交叉路口交通信号模糊控制系统的研究.pdf

中南大学硕士学位论文摘要 摘要 本文针对当前交叉路口交通控制信号灯配时固定不变的问题，提 出了一种基于短时交通流量预测的模糊控制方法，用于适时控制交通 信号的相位长度及相位时序，以满足交通流量高峰期和平时流量的通 行需求。并在此方法的基础上，完成了单交叉路k i 交通信号模糊控制 器的研制。本论文完成了如下工作： 1 对城市道路交通流量的短时预测方法进行了研究，基于遗传算 法对神经网络预测模型进行改进，建立了g a | b p 网络预测模型，并 且通过仿真实验论证了改进后的模型在预测精度上有很大的提高，同 时预测过程所需时间减少，可用于在线控制。 2 设计了四相位单交叉路口交通信号的模糊控制模型，提出了一 种以当前相位、后继相位的车辆等待数和未来短时预测流量来决定信 号配时的多相位模糊控制方法，同时提出单交叉口的交通流量模型， 使其能同时反映轻度交通和重度交通，能够描述排队长度。最后通过 仿真验证了该控制方法在实际应用中的可行性和优越性。 3 给出了以a t 8 9 s 5 1 单片机为主机的控制系统的硬件和软件的设 计。在以上基础上以长沙市五一路口实际流量作为实验数据，进行了 模拟实验。实验结果表明该控制系统能达到预期效果。 关键词：城市交通控制，单交叉口，神经网络预测，模糊控制，单片 机 中南人学硕上学位论文 a b s t r a c t a b s t r a c t i nv i e wo fa l lt h ep r o b l e m si nt r a f f i c ，ak i n do fd i s t r i b u t e df u z z yl o g i c c o n t r o l l e rh a sb e e np r e s e n t e di n t h i sd i s s e r t a t i o n ，w i t hw h i c hak i n do f s h o r t t e r mt r a f f i cp r e d i c t i o nm e t h o db a s e do nb pn e u r a l s t u d yo nt h e s i m u l a t i o no ft h ef u z z yc o n t r o lm e t h o da n dt h et r a d i t i o n a lt i m em e t h o d ( s i m u l a t e db ym a t l a b ) a n dt h er e s u l t ss h o wt h a t t h i sf u z z yl o g i cc o n t r o l m e t h o do v e r m a t c h e st r a d i t i o n a lt i m em e t h o d i t s r e a l l yo n eo ft h e e f f i c i e n tm e t h o d st os o l v et h ep r o b l e mo fu r b a nt r a f f i c 1 s t u d yo ns h o r t t e r mt r a f f i cp r e d i c t i o nh a sb e e nd o n e i m p r o v et h e n e u r a ln e t w o r kf o r e c a s tm o d e lb a s e do nt h eg e n e t i ca l g o r i t h ma n d e s t a b l i s ht h eg a - b pn e t w o r kf o r e c a s tm o d e l t h es i m u l a t i o np r o v e t h a tg a b pn e t w o r kf o r e c a s tm o d e lo b t a i na b i ge n h a n c e m e n ti n t h ef o r e c a s tp r e c i s i o n 2 w i t ht h et r a f f i cf l o wm o d e le s t a b l i s h e d ，ak i n do ft r a f f i cc o n t r o l l e r b a s e do ng a b pa n df u z z yl o g i c ，w h i c hi sc o m b i n e dw i t hg a b p s h o r t - t e r mt r a f f i cf l o w p r e d ic t i o n a n dt h e p h a s es e q u e n c e o p t i m i z a t i o nm o d u l e ，h a sb e e nd e s i g n e d a c c o r d i n gt ot h en e e d so f t h i s d i s s e r t a t i o n s ，a n a l y z e s t h ec o r r e l a t i o n sb e t w e e nt h e m a c r o s c o p i ct r a f f i cf l o wt h e o r i e sa n dm i c r o s c o p i cc a r - f o l l o w i n g m o d e l s f o r man e wt r a f f i cf l o wm o d e ls u i t a b l ef o rt h es t u d yo f t h i sd i s s e r t a t i o ns e l e c tt h es p e c i a ls t r e e t si nc h a n g s h ac i t ya st h e s t u d y i n go b j e c t 3 t h eh a r d w a r er e a l i z a t i o na n dt h es o f t w a r ep r o g r a mw i t ha t 8 9 s 51 c h i pm i c r o c o m p u t e ra r eg i v e n a c c o r d i n gt ot h ec o n t r o lp r i n c i p l e e l e c t r i cc i r c u i tw h i c hh a sb e e n d e s i g n e d ，w ec a r r y o nt h e s i m u l a t i o ne x p e r i m e n t l o o ki nt h es i m u l a t i o ne x p e r i m e n t ，t h i s c o n t r o ls y s t e mb a s i c a l l ys a t i s f i e dt h er e q u e s to ft h ep r o b l e m 中南大学硕十学位论文a b s t r a c t k e y w o r d su r b a nt r a f f i cc o n t r o l ，s i n g l ei n t e r a c t i o n ，n e u r a ln e t w o r k p r e d i c t i o n ，f u z z yc o n t r o l ，c h i pm i c r o c o m p u t e r ! i i 原创性声明 本人声明，所呈交的学位论文是本人在导师指导下进行的研究 工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢 的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不 包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我 共同工作的同志对本研究所作的贡献均已在在论文中作了明确的说 明。 作者签名：垒：lj 窭釜日期：丝! 垦年_ l 月丛日 关于学位论文使用授权说明 本人了解中南大学有关保留、使用学位论文的规定，即：学校 有权保留学位论文，允许学位论文被查阅和借阅；学校可以公布学位 论文的全部或部分内容，可以采用复印、缩印或其它手段保存学位论 文；学校可根据国家或湖南省有关部门规定送交学位论文。 e t 期：逊年- l 月型日 中南大学硕上学位论文 第一章绪论 第一章绪论 1 1 城市道路交通控制技术的发展现状 1 1 1 交通控制的起源和发展 第一台信号机出现在1 8 6 8 年，安装于英国伦敦威斯特敏斯特( w e s t m i n s t e r ) 地区，不同于现在的三色交通信号灯，它只有红绿两种颜色。当时，信号灯仅仅 是为了使各种冲突车流分时地使用交叉路口和减少交通事故而设置的。但是，不 久人们发现，只有适当地调整信号灯各相位的长短及比例，才能高效地利用交叉 路口，由此开始了优化信号配时的历史，即信号灯最优控制的历史。1 9 1 8 年初， 英国在沃尔佛汉普顿第一次安装和使用自动控制器来控制交通信号等，标志着城 市交通自动控制的开始n 儿别。 自动化交通信号灯是由交通信号控制器控制其红绿灯周期的变化。早期的城 市道路还处在建设之中，机动车的数量也还有限，所以当时的交通信号灯是通过 “固定配时 的方式进行自动控制，这种方式对于早期交通流量不大的情况有一 定的作用。 随着机动车数量的不断增加，以往单一的“固定配时”方式已经不能达到控 制要求，于是，一种更加了灵活的控制方式出现了，即多时段多方案的信号控制 器。这种控制器在一天时间内备有几种不同的配时方案，它按照交通流的变化规 律，不同时间选用不同的方案。当交通流变化规律比较明显的时候，这种控制方 式的效果是很好的。多时段、多方案的定时控制器在长期的使用过程中不断改进、 提高，所以至今仍作为单交叉路口的一种控制方式得以广泛应用。 交通流具有运动的连续性，特别是当两个相邻交叉口距离很近时，单个交叉 口孤立控制的方式很难避免频繁停车，从而控制效果不佳。要解决这个问题，就 需要把相毗邻的交叉路口作为一个关联的系统来加以考虑和控制。早在1 9 1 7 年， 在美国盐湖市就开始使用联动式信号控制，即把六个交叉路口作为一个系统，以 人工方式加以集中控制。1 9 2 2 年，美国休斯顿市建立了一个同步系统，该系统 使用电子自动计数器，以一个交通亭作为控制中心来控制十二个交叉路口。到了 1 9 2 8 年，同步系统经过改进，形成了更加灵活的定时系统，其具备简单、可靠、 价格便宜等特点，很快得以在美国推广普及。现在的协调控制系统，就是在上述 系统的基础上不断改进、完善而成。 1 9 5 2 年，美国科罗拉多州丹佛市首次利用计算机模拟和交通检测器完成了 对交通信号机配时方案的选择及信号灯的控制，而加拿大多伦多市于1 9 6 4 年完 中南人学硕i 二学位论文 第一章绪论 成了计算机控制信号灯的实用化，并成为世界上第一个具有计算机交通控制系统 的城市。进入二十世纪七十年代，随着计算机技术和自动控制技术的发展，以及 交通流理论的不断完善，交通管控中心的功能得到加强，控制手段和算法也越来 越先进，形成了一批高水平有实效的城市道路控制系统，其中英国的t r a n s y t ( t r a f f i cn e t w o r ks t u d yt o o l s ) 、澳大利亚的s c a t s ( s y d n e yc o o r d i n a t e da d a p t i v e t r a 衔cm e t h o d ) 最具代表性口1 。 总之交通信号控制，从信号机由手动到自动，由固定信号周期到可变周期， 控制方式由点控到线控再到面控，从无车辆检测器到有车辆检测器，经历了近百 年的的历史，而现今正处于一个稳定发展的阶段h 1 。 1 1 2 城市道路交通控制理论的研究发展 1 传统的城市交通控制理论 s i n g h 是最早将大系统观点引入交通区域控制领域的著名学者。他将交叉路 口车辆排队长度取为状态变量，绿信比取为控制变量，在建立网络模型时，将各 路口间的道路处理为纯延时环节，而延迟大小由路1 3 间距离及车速决定。s i n g h 建立的模型和两极控制算法原理简单，物理意义清楚。但其工作的缺点亦十分突 出：没有考虑城市交通的大随机性，仅适用于过饱和交通的确定性情况，算法计 算量巨大，不适合实时交通控制。因此，s i n g h 的模型化方法虽然有较大的理论 意义，但不太适合实时在线控制，沿着s i n g h 的思路，也有一些其它学者做了改 进工作7 1 8 | 。 另外，j s b a r a s 和w l e v i n e 等人运用随机点过程理论进行了深入细致的研 究，构造出的系统模型考虑因素更全面，准确性较高，并且将网络优化问题转化 为典型的随机控制问题，为后期改进打下了基础。但是他们的模型也存在缺陷： 问题求解时依然面临计算量大、维数灾难等问题；同时较为成熟的随机控制问题 往往是建立在分离理论的基础之上，而由于交通问题的特殊性，分离定理此时并 不成立h 1 。当然除此之外还有很多学者从其它方向作了探索，并取得一些成效。 上面所有提到的研究都是基于交通流数学模型的交通控制策略，给交通控制 的实现提供了很多有益的新思想和新方法，但是计算强度大，故部分学者转而采 用智能控制技术进行程思道路控制的研究。 2 城市道路交通控制中的智能控制技术的研究 智能控制主要指模糊控制、神经网络控制和自适应控制。智能控制软件计算 的方法具有较强的逼近非线性函数的能力，不依赖于精确的数学模型，这对于交 通系统这样复杂难以建立精确数学模型的非线性系统是一种有效的方法。 p a p p i s 和m 锄d a n i 于上世纪7 0 年代运用模糊控制技术设计了单路口信号灯模 2 中南人学颀l ：学位论文第一章绪论 糊控制器吲。8 0 年代，s a s a k i 和c h e n 曾研究孤立匝道口的模糊控制h 1 。g a l l i n a r i 运用神经网络对交通流模型进行建模，并分析了交通流的稳定性睛1 。 通过理论和实际应用表明，交通智能控制能够产生以下良好效果： ( 1 ) 提高公路交通的安全性。 ( 2 ) 减低能源消耗，减少汽车运输对环境的影响。 ( 3 ) 提高汽车运输效率和经济效益，并对社会经济发展的各方面都产生积极 的影响。 由此可见，在交通工程中运用智能控制在当今以及以后都会是交通控制研究 的主流方向。 1 1 3 几种典型的城市交通控制系统 当前世界各国广泛使用的最具代表性且有实效的城市道路控制系统主要有 以下三个： 1 t r a n s y t ( t r a 佑c n e t w o r ks t u d yt o o t s ) ，该系统是由英国道路研究所( t r r l ) 花费近十年时间研制而成的。自从1 9 6 8 年第一版问世以来，经历了不断的改进， 已经发展成为先进的t r a n s y t 9 型。系统采用静态模式，以绿信比与相位差为控 制参数，优化方法为爬山法。t r a n s y t 是最成功的静态系统，它被世界上4 0 0 多个 城市所采用，证明其产生的社会经济效益很显著。但计算量很大，很难获得整体 最优的配时方案，需大量的路网几何尺寸和交通流数据，这些不足限制着t r a n s y t 的发展。 2 s c o o t ( s p l i tc y c l ea n do f f s e to p t i m i z a t i o nt e c h n i q u e ) ，该系统是由t r r l 在 t r a n s y t 系统的基础上采用自适应控制方式，经过八年的研究，于1 9 8 0 年提出的 动态交通控制系统。s c o o t 仍采用了t r a n s y t 的交通模型，但扬长避短，获得了明 显优于静态系统的效果，是现今主流的城市智能交通系统。该系统采用联机实时 控制的动态模式，对周期、绿信比和相位差进行控制，采用小步长渐进寻优方法。 但s c o o t 相位不能自动增减，相序不能自动改变，现场安装调试时相当繁琐等不 足也是有待改进的。 3 s c a t ( s y d n e yc o o r d i n a t e da d a p t i v et r a 硒cm e t h o d ) 系统是由澳大利亚 a g s i m s 等人在7 0 年代末期进行开发的。s c a t 采用先进的计算机网络技术，继承 了计算机分层递阶形式，同时采用地区级联机控制，中央级联机与脱机同时进行 的控制模式。控制参数为：绿信比、相位差和周期。这些参数的选取是从预先确 定的多个参数中通过比较法来确定，因此无实时交通模型。s c a t 系统充分体现了 计算机网络技术的优点：结构易于更改，控制方案较为容易变换。然而s c a t 系统 也不是完美的：作为一种方案选择系统，限制了配时参数的优化程度；过分依赖 3 中南大学硕i j 学位论文第一章绪论 于计算机硬件；无车流实时信息反馈，可靠性低。 1 2 交通信号控制系统的主要术语和参数 平面交叉口根据交通量情况可采用不同的交通组织方式，主要有环形交通、 无信号控制和信号控制等几种方式。本论文讨论的交通控制为采用信号机对交通 进行控制的方法。交通信号机给出的信号为红黄绿三色，在多相位信号控制中灯 光信号还包含左转、直行及右转的绿色和红色箭头灯。我国1 9 8 8 年3 月颁布的中 华人民共和国道路交通管理条例中有如下规定网： 1 绿灯亮时，准许车辆、行人通行，但转弯的车辆不准妨碍直行的车辆和被 放行的行人通行。 2 黄灯亮时，不准车辆、行人通行，但己越过停止线的车辆和进入人行横道 的行人，可以继续通行。 3 红灯亮时，不准车辆和行人通行。 4 绿色箭头灯亮时，准许车辆按箭头所示方向通行。 一般说来，交通控制中信号机可以直接控制的基本参数至少有三个：信号周 期c 、绿信比a 、和相位差t 。除此之外，某些信号机还能对相位数进行控制， 例如从2 相位变成4 相位或相反等。以下根据文献阻3 分别介绍这些交通信号控制参 数的意义。 步和步长：某一时刻，灯控路口各个方向信号灯状态所组成的一组确定的灯 色状态称为步，不同的灯色状态构成不同的步。步持续的时问称为步长。 信号周期：用于指挥交通的信号总是一步一步循环变化的，而一个循环又由 有限个步构成。一个循环内各步的步长之和称为信号周期，以c 表示，若一个循 环有n 步，各步步长分别为t l ，t 2 , - - , t 。，则c - - - t i + t 2 + + t 。 相位：交通控制中，为了避免平面交叉口上各个方向交通流之间的冲突，通 常采用分时通行的方法，即在一个周期的某一个时间段，交叉口上某一支或凡支 交通流具有通行权( 即该方向上的信号灯为绿色或绿箭头) ，而与之冲突的其它交 通流禁止通行( 即该方向上的信号灯为红色) 。在一个周期内，平面交叉口上某一 支或几支交通流所获得的通行权称为信号相位。一个周期内有几个信号相位，则 称该信号系统为几相位系统。 绿信比：在一个信号周期中，各相位的有效绿灯时间与周期长度的比称为绿 信比。设t g ；为第i 相信号的有效绿灯时间，c 为周期长度，则该相位信号的绿信 比元为丑：t g 么。绿信比反映了该信号相位交通流在一个周期中需要绿灯时间的长 短，经过优化的绿信比能够恰当地把绿时分配给各相位的交通流，从而使总延误 4 中南人学顶i ：学位论文第一章绪论 或停车次数最小。 相位差：相位差是交通干线协调控制系统中的一个重要概念，分为绝对相位 差和相对相位差。交通干线协调控制系统中，干线上所有路口的信号周期相同， 各路口规定某一相位参加协调，称为协调相位。把干线上某一路口作为基准路口， 其他各路口的协调相位起始时刻滞后于基准路口的协调相位起始时间的最小时 间差，称为绝对相位差。沿车辆行驶方向任意相邻路口的协调相位起始时刻的最 小时间差，称为相对相位差。 1 3 城市交通控制系统的基本类型 1 3 1 按控制区域几何特性划分 1 点控 单交叉口交通信号控制，通常简称为“点控制”。当某个交叉口与其相邻的 交叉口相距较远时，可以利用一台控制器控制其信号变化，它与相邻的交叉口之 间的信号配时没有固定关系。其主要控制参数是周期长c 和绿性比兄。必须考虑 的两个重要因素是车辆延误和交叉口的通行能力，在理想情况下，希望总延误时 间最小并且的得到最大的道路通行力。 2 线控 线控方式是把一条道路延长线上的连续几个信号机在时间上相互联系起来 进行信号显示，并通过减少车辆停车次数，缩短停车时间达到交通畅通的目的。 为了管理控制区间上交叉路口的交通量，需要把周期长设定在最小信号周期 长以上，另一方面，通常在市区内的线控范围里，尽量缩短周期长，这样可以减 少延误。所以，一般来说，让系统区间内饱和度最高的交叉路口的周期长作为各 交叉路口信号机的共同周期长。实际上，准备好几种信号模式，根据交通流的状 态选择使用，信号的绿信比和单点定周期控制的情况类似，用显示的流量饱和度 之比来分配各交叉路口的有效绿灯时间。 3 面控 面控又称为区域交通信号控制，其控制对象是城市或城市某个区域中所有交 叉路口的交通信号。面控方式是将控制区域内全部交通信号的监控作为一个交通 监控中心管理下的整体控制系统，它是单点信号、干线信号和网络信号系统综合 控制的继承。区域控制系统是随着交通控制理论的不断发展，以及通讯、检测、 计算机技术在交通控制领域的广泛应用而发展起来的现代化交通信号控制系统。 常见的区域控制结构图如图1 - 1 所示。 中南人学硕：卜学位论文第一章绪论 图1 - 1 区域控制层次划分 中控机 地区机 路口机 1 3 2 按控制原理划分 按照原理划分可以分为定时控制、感应控制和自适应控制三种类型。 1 定时控制 这种控制方式以历史交通流数据为依据，找出以往交通流的变化规律，人工 或通过计算机仿真预先准备好不同同期的不同时间段内需要使用的配时方案，将 这些方案存储在信号控制器或中心计算机内，在实施过程中，可以根据不同的情 况调用这些配时方案。通常可用日历钟在规定的时间表控制下选用对应的配时方 案，也可以按车辆检测器检测的实际交通要求来选用合适的方案。 然而，由于配时方案时预先确定的，且一经确定，就不能根据实时交通情况 作灵活调整，所以，这种方法存在一些明显的不足：配时方案的老化；控制对策 的灵活性较差；无实时交通信号反馈。 2 感应控制 感应控制的原理是根据车辆检测器检测的交通流量数据调整相应的绿灯时 间的长短和时间顺序，以适应交通的随机变化，这种方式相较定时控制有更大的 灵活性。感应控制使用于饱和度较低或各相交通流相差较大的交叉口的控制，特 别是交通流没有明显的变化规律，随机性较强的时候，效果特别明显。 当各向交通流接近其允许的通行能力时，绿灯时间经过调整必然要接近各方 向允许的最大绿灯时间，这与定时控制并无区别。由此可知，感应控制方式与定 时控制方式一样是有条件限制的，预先要认真地分析其可行性和预期的效果。 3 自适应控制 6 中南人学顾一l 学位论文第一章绪论 在一条干线或一个区域，根据交通流的动态随机变化而自动地调整信号控制 参数，使控制系统自动地适应交通流的随机变化，这种控制方式就是自适应交通 控制方式。 1 。4 城市交通的模糊控制研究 模糊控制是智能控制的一种。自p a p p i s 于1 9 7 7 年首先将模糊逻辑概念应用 到城市道路控制领域以来，城市交叉路口的控制就一直是模糊控制研究和应用的 对象。经过二十多年的研究，基于模糊逻辑的城市交通控制已经取得了很大的发 展，在内容和手段上也出现了许多新的变化。 p a p p i s 的研究对象是一个孤立、单向、直行车流的交叉路口模型。之后，很 多学者在其工作基础上进一步拓展。n a k a t s u y a m a 对两个相邻的蛋形交叉路口组 进行了模糊控制，对下游的交叉路口的控制考虑了上游路口的交通状况，从而取 得一个使整体通行延误时间降低的控制方案n 引。c h i u 将模糊控制应用于一般的无 转向运动的双向多交叉口的交通网络，后来c h i u 又进一步将调节周期时间和绿信 比参数的模糊规则联合在一起来避免参数冲突，实际是一个双输入双输出的模糊 决策系统1 。徐东玲等采用神经网络实现单交叉路口的模糊控制，这种控制方法 利用了神经网络响应快的特点，适合对实时性要求高，系统状态变化快的场合应 用n 刃。但它仅仅只采用了排队等待车辆数作为输入，对实际交叉路口的状态描述 还不完善。陈洪等提出，对于一个两相位的孤立交叉口，模糊控制系统不仅仅考 虑关键车流的交通参数，还考虑非关键车流的交通参数，并将非关键车流建立单 独的模糊控制器，产生一个绿信延长时间输出作为对关键车流模糊控制器输出的 一个补充n 朝。温慧英构造的模糊控制系统的输入为某一相位的红信时间长和红信 相位方向上的等待车辆数n 。徐建闽采用红信相位上等待的车辆数和绿信相位方 向的路段车辆数作为输入n 引。刘智勇将模糊控制应用到多相位系统，以当前相位 的排队车辆数和下一相位的排队车辆数作为系统输入，输出为当前绿灯方向延时 【1 6 】 o 以上的研究都没有明显的主干道和支路的区分，所以真正用于多路口交通的 模糊控制并不多见，并且考虑未来的交通需求，不能得到全局最优的控制。而实 际上各相邻路口是相互耦合的，交通需求、交通状况在不断变化，随机干扰也时 刻存在，应在控制器设计中加以充分考虑。本论文提出的基于交通流量短时预测 和模糊逻辑的分散式城市道路交通控制方法试图解决上述的一些问题。 1 5 我国城市交通的现状以及面临的问题 7 中南大学硕二卜学位论文第一章绪论 我国城市交通现状特点是：城市交通基础设施建设速度跟不上迅速增长的交 通需求；常规公共交通萎缩；出租车和私家车迅速增加：轨道交通开始起步；交 通管理技术水平低。 以经济迅速发展的上海市为例，机动车的数量每年以1 0 以上的速度递增。 目前，全市机动车的保有量已达7 0 6 万多辆。其中出租车约4 2 万辆，除此之外， 还有4 0 多万辆的助动车和7 0 0 多万辆的自行车。市区交通空间饱和度已超过0 8 ， 特别是在城市核心地段的黄埔，卢湾等地区，饱和度已接近甚至超过1 o ，交通 堵塞非常严重。啼订 对比国外的情况可以看出，目前我国城市交通具有以下特色： 1 车型种类复杂、混合交通严重 中国是一个发展中国家，经济还不很发达，因而适应不同人群、不同消 费需求的各种车辆混杂在道路交通中。各类交通混行的结果，既相互影响、发生 冲突，又使得出行困难、效率低下。另外人们对道路的使用权和通行权等观念不 强，从而交通违纪现象比较普遍，时常造成人为的交通拥挤和阻塞。 2 自行车等非机动车辆数量惊人 目前，全国自行车的拥有量约4 亿多辆，其中城市居民拥有量约占全国总量 的一半以上，大部分城市自行车数量己接近饱和。由于自行车具有方便灵活、适 应性强等特点，适合大众需求，因此在各类城市交通中，自行车负担了工作出行 中很重要的任务。但是由于自行车安全性差、运效不高，单个体占用道路面积大， 使得原本紧张的交通条件更加恶劣，特别是交叉路口，机动车和非机动车混行现 象严重，尤其是高峰时间更加严重。嘞1 3 城市布局和交通不相适应 城市是经济活动的中心，是绝大部分交通运输的终端或枢纽。随着经济的发 展，城市建设规模都在扩大，但是多数城市并没有把交通规划纳入城市总体规划 中，使得城区越扩张，人们生活、工作的距离越远。普遍存在的现象是：上班出 行距离普遍增长，造成局部地段或高峰时段的车辆严重堵塞。 4 步行困难，事故多发 在现代交通系统中，步行交通系统无论是作为满足人们日常生活需要的一种 独立的交通方式，还是作为其他各种交通方式相互连接的桥梁和补充，都是其他 8 中南大学硕一卜学位论文第一章绪论 方式无法代替的辅助系统。不少干道、市中心地区人行道狭窄、缺少必要的过街 设旌，这样的步行环境，势必影响机动车、非机动车通行，造成事故频繁。这也 是发达国家车内人员伤亡事故多，而我国是车外人员伤亡事故多的原因。 以上四个方面的问题集中体现了在现阶段我国城市交通的突出特点，具体表 现在车辆混杂、非机动交通占优、设旋落后、车速下降，交通拥挤与堵塞的趋势 逐渐恶化，这也要求我国必须及早分析造成城市交通问题存在的原因，采取积极 有效的策略，改善城市交通状况。 1 6 本课题的研究内容及论文的结构安排 中国在交通控制领域起步比较晚，而且很多的交通基础设施还很不完善，所 是在学习和引进国外的技术知识时要结合自身的特点，甚至每个城市之间的交通 发展状况也不一样，所以本文研究主要的意义在于结合了所在城市的实际情况 ( 经济，人口，道路建设等) 和特点进行了研究，提高交叉路口的通过能力，减 少车辆在交叉口的延误时间，使交通控制更加具有灵活性和时变性。 第二章主要详细介绍基于改进神经网络的短时交通流量预测。通过神经网络 建模及遗传算法优化，然后通过实际的交通流量数据对模型进行训练和检验，为 后面的控制器的设计做准备。 第三章设计了基于g a b p 网络短时交通流量预测的模糊控制器，并用m a t l a b 软件对其进行仿真，仿真结果表明控制效果良好。 第四章针对提出的模糊控制方法，设计了该控制系统的硬件和软件。 第五章根据前述章节对控制系统得研究，通过模拟实验来验证的控制系统的 可行性和有效性。 1 7 本章小结 本章对交通控制的发展历史、研究现状以及研究趋势作了较详细的观察与综 述，并最终决定选择交通智能控制( 基于模糊逻辑) 作为本文的控制策略。最后 给出了本文研究的基本任务：研究基于神经网络短时交通流量预测及基于模糊逻 辑的城市道路交通智能控制器，并通过将长沙五一路的交通数据对设计出的控制 器进行仿真，最后针对该控制系统设计其软硬件。 9 中南人学硕上学位论文 第二章基于g a b p 网络的短时交通流量预测研究 第二章基于g a b p 网络的短时交通流量预测研究 交通流量预测根据预测时间跨度分为中长期预测和短期实时预测。中长期预 测是宏观意义上的预测，以小时、天、月甚至年为单位预测交通流量，如公路路 段年交通量预测即属于此类，它可为公路路网规划、公路工程可行性研究、公路 建设项目计划安排等提供决策依据；而短时交通流量预测一般认为是预测时间跨 度不超过1 5 分钟( 甚至小于5 分钟) 的预测，用于交叉路口信号配时优化、交通控 制、交通诱导等n 8 i 。 神经网络是一种大规模分布式并行处理的非线性系统，具有学习能力和多种 映射能力，可以避开复杂的建模过程而对复杂系统的状态进行预测研究，故神经 网络模型是当前广泛应用的模型之一n 引。其中在交通领域应用最广泛的就是b p 神经网络，但是近年来国内外的学者通过研究发现b p 神经网络预测存在训练速度 慢，易陷入局部极小值和全局搜索能力弱等缺点汹1 。本文采用遗传算法( g a ) 对b p 神经网络模型进行改进，建立基于g a b p 网络的短时交通流量预测模型，利用 m a t l a b 软件作为分析工具，根据长沙市五一路口人工调查的交通流量数据进行短 时交通流量预测的仿真研究。结果表明通过该模型可获得较高的短期预测精度， 并且预测速度快，可用于实时交通信号控制。 2 1 神经网络基础 人工神经网络诞生于2 0 世纪4 0 年代。1 9 9 2 年，c h i n 将之用于长期交通预测： 1 9 9 3 年和1 9 9 4 年，d o u g h e r t y 和c l a r k 分别将之用于短时交通预测乜。可以说，神经 网络在交通流预测中的应用，在一定程度上摆脱了无法建立精确数学模型的困扰， 为研究工作开辟了新的思路。 2 1 1 神经元模型 人工神经元是对生物神经元的简化和模拟，它是神经网络模型的基本处理单 元，它是一种多输入、单输出的非线性元件。工程上用的人工神经元模型如图2 一l 所示。 l o 中南大学硕上学位论文第一二章皋于g a b p 网络的短时交通流量顶测研究 x l x 2 x n 图2 - 1 神经元结构模型 根据神经元的特性和功能，可以把神经元抽象为一个简单的数学模型，其输 入输出关系可以描述为： i i - - z w 日x j 只 j = l y i = f ( i i ) 其中x ；( j = l ，2 ，n ) - 是从其他细胞传来的输入信号； 岛：神经元单元的阀值； w ：表示从细胞j 到细胞i 的连接权值( 对于激发状态，w n 取正值；对 于抑制状态，w “取负值) ； n ：为输入信号数目； y i ：为神经元输出； f ( ) ：称为传递函数，有时叫做激发或是激励函数。 传递函数可分为线性函数，但通常为如阶跃函数或s 状曲线那样的非线性函 数，常用的神经元非线性函数列举如下： 1 阀值型函数：当y ；取0 或l 时，f ( x ) 为阶跃函数： 胀，= 七富 2 s 曲线：通常是在( 0 ，1 ) 或是( - 1 ，1 ) 内连续取值的单调可微的函数， 常用指数或正切等一类s 曲线来表示，如： f ( x 卜赢高 侍知 八x ) = t a n h ( x ) 当趋于无穷时，s 曲线趋于阶跃函数，通常情况下盯取值为1 。有时在网络 中还采用下列计算简单的非线性函数： m ) 2 高 中南人学硕：仁学位论文第二二章基于g 。一b p 网络的短时交通流量预测研究 2 1 2 b p 神经网络结构 b p 神经网络是研究最为成熟、应用最为广泛的一种神经网络模型，它由 r u m e l h a r t 和m c c l e ll a n d 于1 9 8 5 年首次设计实现乜引。该模型是由输入层、中间 层( 隐层) 和输出层三部分组成，其拓扑结构如图2 2 所示。 输出层神经元 隐含层神经元 输入层神经元 图2 - 2b p 神经网络结构 图2 - 2 中，输入层有n 个神经元，输入向量为x = ( x 1 ，x 2 ，x n ) r n ； 隐含层有1 个神经元，隐含向量为z = ( z 1 ，z 2 ，z 1 ) 7 r 1 ；输出层有m 个神经元， 输出向量为y = ( y 1 ，y 2 ，y m ) r m 。输入层神经元i 与隐含层神经元j 之间的连 接权值为w ；，阈值为幺( j = l ，2 ，1 ) ；隐含层神经元j 与输出层神经元k 之间的 连接权值为w ；。，阈值为仇( k = 1 ，2 ，m ) 。 b p 神经网络模型可以看做一个从输入到输出的非线性映射，即f ：r 一 r ，f ( x ) = y 。向量x ，y ，z 之间的关系为： z j = 厂( 置一嘭) ， ( 2 1 ) k = 厂( x z , 一幺) ， ( 2 2 ) 户i 式( 2 - 1 ) 和( 2 - 2 ) 中：f ( ：i = ) 为神经元的激活函数，或活化函数，一般选用单 调递增的有界非线性函数，本文选用极限值为 0 ，1 的s i g m o i d 函数，即： f ( u 卜鬲丢丽( 2 - 3 ) 在b p 网络建模的过程中，输入层及输出层的节点数( n ，m ) 一般可根据实际需 要加以确定，而隐层节点数( 1 ) 的选取则没有确定的公式，可以利用文献1 中的 1 2 中南人学硕上学位论文 第二章綦于g 户r b p 网络的短时交通流量颅测研究 经验公式加以确定。 2 1 。3b p 神经网络学习过程 1 b p 神经网络训练过程可分为两步1 ( 1 ) 信息流入输入层，经隐层到输出层，并计算各神经元节点的实际输出值， 这一过程称为信息流的正向传递过程。 ( 2 ) 计算网络的实际输出与训练样本期望值的误差，若该误差未达到允许值， 根据此误差确定权重的调整量，从后往前逐层修改各层神经元点的连接权重，这 一过程称为误差的逆向修改过程。 以上两个过程完成了一次学习迭代。这种信息的正向传递与根据误差的逆向 修改网络权重的过程，是在不断迭代中反复进行的，直到网络的输出误差逐渐减 小到允许的精度，或达到预定的学习次数。 2 b p 神经网络学习算法具体步骤 s t e pl设置变量和参数： x k = i x k i x k 2 ，x k m 】， ( k = 1 ，2 ，n ) x 。为输入向量，或称训练样本，n 为训练样本的个数。 w m 。= w l l ( n ) w 2 i ( n ) w 1 2 ( n ) w 2 2 ( n ) w l l ( n ) w 2 l ( n ) w m l ( n ) w m 2 ( n ) w m i ( n ) w 0 。( n ) 为第n 次迭代时输入层与隐层i 之问的权值向量。 w - u = w l l ( n ) w 1 2 ( n ) w lj ( n ) w 2 i ( n ) w 2 2 ( n ) w 2 j ( n ) w i l ( n ) w 1 2 ( n ) w u ( n ) w j ( n ) 为第n 次迭代时隐层i 与隐层j 之间的权值向量。 w j ，= w l i ( n ) w 1 2 ( n ) w l p ( n ) w 2 i ( n ) w 2 2 ( n ) w 2 p ( n ) w j l ( n ) w j 2 ( n ) w j p ( n ) w j ，( n ) 为第n 次迭代j 与输出层之间的权值向量。 y k ( n ) = y k l ( n ) ，y i 【2 ( n ) ，y ”( n ) 】， ( k = 1 ，2 ，n ) y k ( n ) 为第1 1 次迭代时神经网络的实际输出。 d k = 【d k l ，d 也，d ”】， ( k = l ，2 ，n ) 中南人学硕j ：学位论文第二章基于g a b p 网络的短时交通流量预测研究 其中d 。为期望输出。 s t e p2 初始化，赋给w m 。( o ) ，w j ( o ) ，w j ，( o ) 各一个较小的随机非零值。 s t e p3 随机输入样本x 。，n = 0 s t e p4 对输入样本x 。，向前计算b p 神经网络每层神经元的输入信号u 和 输出信号v 。其中 v ；( n ) = y k p ( n ) ，p 2 1 ，2 ，p s t e p5 由期望输出d 。和上一步求得的实际输出y k ( n ) 计算误差e ( n ) ，判 断其是否满足要求，若满足转至s t e p8 ；否则，转至s t e p6 。 s t e p6 判断n + l 是否大于迭代次数，若大于转至s t e p8 ，若不大于，对 输入样本x 。，反相机算每层神经元的局部梯度万。其中 ( n ) = y p ( n ) ( 卜y p ( n ) ) ( d p ( n ) 一y p ( n ) ) ，p 2 1 ，2 ，p p 掣( n ) = f ( u ：( n ) ) ( n ) w j p ( n ) ，j = l ，2 ，j p = l j 掣( n ) = f ( u ( n ) ) 倒( n ) w ( n ) ，i = l ，2 ，i j = i s t e p7 按下式计算权值修f 量a w ，并修正权值；n = n + l ，转至s t e p4 。 s t e p8 判断是否学完所有的训练样本，是则结束，否则转至s t e p3 。 2 1 4 标准b p 神经网络的局限性 1 局部极小值问题。 b p 神经网络的学习速率是固定的，因此网络的收敛速度慢，需要较长的训 练时间。同时，b p 算法是基于梯度下降法寻优的，可以使权值收敛到某个值， 但并不能保证其为误差平面的全局最小值。 2 收敛速度慢。 b p 算法是通过训练误差逆向修改网络权重来实现对客观对象的识别，对一 个非线性方程的识别一般需要几千次训练，但要实现对复杂如交通系统这样的非 线性或模糊不确定关系的识别，则需要训练几万次，甚至几十万次，花费几个小 时，b p 算法收敛速度慢是当前存在的主要弱点。 3 隐含层神经元节点数难以确定。 关于确定隐含层神经元个数，目前尚无可靠的理论指导，大多采用试算的方 法。 针对以上存在的问题，国内外许多研究者提出了很多针对性的解决办法，有 些已经取得了一定的成效，比如学习率的调整和动量法汹1 ，但仍然没有解决网络 1 4 中南人学硕一i ：学位论义第- 二章基于g a b p 网络的短时交通流量预测研究 易陷入局部极小的问题。 2 2 遗传算法原理 遗传算法是引用自然界生物遗传中的“物竟天择，适者生存”的灵感发展起 来的，以数位码的方式根据适当的评分标准来定出优胜劣败的依据，适应力较强 的成员将被挑选出来进行复制、交配、突变，以使符合目标函数的解能有效地繁 衍至下一代，持续这样的竞争性将使得较好的解得以保留，反之较差的解将自然 地淘汰掉。经过数代后，便得到适应于搜寻空间的最佳解，也就是说，遗传算法 是一个迭代过程。在每次迭代中都保留一组候选解，按其解的优劣进行排序，并 按某种指标从中选出一些解，利用一些遗传算子如选择( s e l e c t i o n ) 、交配 ( c r o s s o v e r ) 和突变( m u t a t i o n ) 等对其进行运算，产生新一代的一组候选解，重 复此过程，直到满足某种收敛指标为止1 。 2 2 1 遗传算法的特点 遗传算法作为一种新的全局寻优化搜索算法，与传统的基本梯度的优化算法 相比具有以下特征： ( 1 ) 遗传算法的处理对象不是参数本身，而是对参数进行了编码的个体。此 编码操作使得遗传算法可直接对结构对象进行操作。这一特点使得遗传算法具有 广泛的应用领域。 ( 2 ) 许多传统的搜索算法都是单点搜索算法，即通过一些变动规则，问题的 解从搜索空间中的当前解移到另一个解。这种点到点的搜索方法，对于多峰值分 布的搜索空间常常会陷入局部的某个单峰的最优解。相反，遗传算法是采用同时 处理群体中多个个体的方法，即同时对搜索空间中的多个解进行评估。这一特点 使遗传算法具有良好的全局搜索性能，减少陷入局部最优解的