（系统分析与集成专业论文）城市交通流仿真研究及交叉路口信号智能控制.pdf

华东师范大学硕士毕业论文 城市交通流仿真研究及交叉路口信号智能控制 捅要 本文对城市交通流仿真、交叉路口信号智能控制及仿真进行了研究。首先利 用元胞自动机理论建立交通流仿真模型，在此基础上，利用模糊控制的近似推理 适合解决主要由人做决定的主观判断过程的特点，建立了基于模糊控制的换道模 型。在交叉路口信号智能控制设计中，将模糊控制和神经网络相结合，充分利用 两者的优点，建立了基于模糊神经网络的控制系统。本控制系统有以下特点：一 是距离较近的交叉路口，不单纯考虑单一交叉路口的交通情况，还考虑了下游交 叉路口的交通状况。二是采用变化相序，即根据交通量的大小来调整目前通行相 位绿灯延长时间及确定下个通行相位。三是利用模糊神经网络来调整模糊控制中 的隶属函数，使得隶属函数更符合实际情况要求。四是在仿真过程中，利用系统 数据多次训练模糊神经网络，不断使网络得到优化。 对交通流模型、换道模型及模糊神经网络智能控制采用s u a lc + + 设计了仿 真系统。该仿真系统具有直观性：用户可以看到车道和交叉路口处的车辆运行 状况；适用性：仿真系统既可以利用随机数模拟车流数据，也可采用现实中交 通流数据。同时还可以通过智能控制模块对运行数据分析，自动调整交通参数。 可控性：用户可以自主改变车道及各交叉路口参数，如车道长度、交叉路口信 号周期、相位数等。这些特性使得用户方便地观察和分析交通运行状况，并协助 用户做出有效的决策，保证交通通畅。 通过仿真，可以看到车辆的运行状态较准确地反映了现实交通状况。同时， 该仿真系统也对我们提出的智能控制方法进行了验证。实验数据表明，该智能控 制方法能对交叉路口交通流进行有效地的控制。 【关键词】元胞自动机换道模糊控制神经网络 华东师范大学硕士毕业论文 城市交通流仿真研究及交叉路口信号智能控制 a b s t r a c t i nt h j sp 印e r ，w ed os o m er e s e a r c hi ns h u l a t i o no fl l r b a l lm 赶i cn o wa l l d i n t e l l i g e mc o n t r 0 1 i nc r o s s r o a d f i r s tw eb u i l d 倘c n o wm o d e lb a s e do nc e l l “i a r a u t o m a t a ，a n du s ef u z z yc o m r o l t ob u i l d1 a n e c h a n g i n gm o d e l ，b e c a u s ef 妇z yc o i r b l a d a p t st od e a l i n g 诵t l ls l l _ b j e c t i v ej u d g e m e n td e c i d e dp r i m a r i l yb ym a n c o m b i n i n g f k 巧c o n 缸o l 锄d 觥a 1n e t 、o r km 8 k e st l l e b e s to f 也e i ra d v a n 衄g e ，w eb u i l d i n t e l l i g e n ts i g n a 王c o n 廿0 1s y s t e mi nc r o s s r o a db a s e do nm z z yn e l l r a ln e t w o r k t h i s c o m m ls y s t e mh a ss o m ec h a r a c t e r i s t i c s f i r s t l y w ec o n s i d e rn o to n l yt r a f f i cs 啪so f o n ec r o s s r o a d ，b u ta l s o 仃a f f i c 蚴u so fb a c k 删c r o s s r o a d s e c o n d l y ，吧a 哇j u s t p r 0 1 0 n g e dt i m eo fc u r r e n tg r e e np h a s ea n dc h o o s en e x tg r e e np h a s e t h i r d l y ；w eu s e f u z z yn e u r a ln e t w o r kt oa 谢u s tm e m b e r s h i pf h c t i o n 洫血z 可c o n t r 0 1 ，w 1 1 i c hm a k e s m e m b e r s m pf u n c t i o na c c o r d sw i t hf a c t f o u r t h l y ，d u r 访gs i m u l a t i gp r o c e s s ，w eu s e s y s t e m i cd a t at ot r a i l lf 娩巧n e l l r a ln e t w o r km a n yat i m e ，w m c ho p t i m i z e sn e t w o r k w ed e s i g ns i m l a t i o ns y s t e m 、i t h 钒l a lc + + f o rt r a m c _ n o wm o d e la n d l a n e - c h a n g i n gm o d e la n di m e l l i g e n tc o n t r o lo fm z z yn e u r a ln e 似o r k t h es i m u l a t i o n s y s t e mh a st 1 1 ef 0 1 l o w i n gp e r f o m a n c e ，v i s u a l i z a t i o n ：u s e r sc a ns e em em o v m g s t a m so f c a r so n 廿1 er o a da n di nt h ec r o s s m a d a p p l i c a b i l i t y ：t h es i m u l a t i o ns y s t e m c a ng e tm ed a t ao fc a rn o w 丹o mm es y s t e mi t s e l a n da l s oc a n g e td a t a 丘d mr e a l 一l i f e nc a na d j u s tm ep 舢e t e rv a l u e8 u t o m 积c a l l yb a s e do n 出ea n 8 l y s i so fi n t e l j i g e n t c o 曲叼lm o d u l e c o n 咖1 1 a b i l i t y ：u s e r sc a nc h a i l g e 吐呤p a r a l l l e t e rv a l u eo f1 a n ea n d e a c hc r o s s r o a d ，s u c ha s 也el e n g t ho fl a n e ，t h ec y c l et i m eo fc r o s s r o a da n dt h en 舶如e r o fp h a s eo fc r o s s r o a d t h e s ep e r f o m a n c em a k eu s e r sw a t c ha n da t l a l y z em es 切m so f t r a m ce a s i ly ，a n dc a na l s oh e l pu s e r sw o r ko u tm ee f r e c t i v ed e c i s i o n ，e n s u r ct h e 廿a m c n o w n u e n y t 1 1 r o u g hs i m u l a t i i 培，w ec a ns e et h a tv e l l i c i e sm o v i n gs t a t u se x a c u yr e n e c t st m 疳i c s t a t u si nf k t p nt h es a m et i m e ，t 1 1 es i m u l a t i o ns y s t e mv m i d a t e st h ei n t e l l i g e n c e c o r n r o lm e m o dt o o e x p e r i m e n t a ld a t as h o w st l l a tt h ei m e l l i g e mc o m r o lm e m o di s e 丘e c ti nc r o s s m a dt r a m c f l o wc o r l n d l 【k e yw o r d c e l l u l a ra u t o m a 诅，l a n e c h a n g i n g ，向z z yc o n t r o i ，n e u f a ln e t w o r k 2 学位论文独创性声明 本人所呈交的学位论文是我在导师的指导下进行的研究工作及 取得的研究成果。据我所知，除文中已经注明引用的内容外，本论文 不包含其他个人已经发表或撰写过的研究成果。对本文的研究做出重 要贡献的个人和集体，均已在文中作了明确说明并表示谢意。 学位论文授权使用声明 本人完全了解华东师范大学有关保留、使用学位论文的规定，学 校有权保留学位论文并向国家主管部门或其指定机构送交论文的电 子版和纸质版。有权将学位论文用于非赢利目的的少量复制并允许论 文进入学校图书馆被查阅。有权将学位论文的内容编入有关数据库进 行检索。有权将学位论文的标题和摘要汇编出版。保密的学位论文在 解密后适用本规定。 学位论文作者签名：琴肇甥p 日期：丛6 ：；压 导师签名： 日期：皇苎! 堇岁 华东师范大学硕士毕业论文城市交通流仿真研究及交叉路口信号智自控制 第1 章绪论 1 1 城市交通控制研究的意义 近年，道路运输已经成为超越铁路的最重要的地面运输方式，在国民经济和 社会发展中起着举足轻重的作用。但是随着汽车的普及、交通需求的急剧增长， 进入8 0 年代以来，道路运输所带来的交通拥堵、交通事故和环境污染等负面效应 也日益突出，逐步成为经济和社会发展中的全球性共同问题。例如在日本，全国 每年由于交通拥挤所造成的经济损失高达1 2 兆3 千亿日元( 合人民币9 0 0 0 多亿 元) 。而作为经济和科技都很发达的美国，每年因为交通问题导致的经济损失也 高达2 3 7 0 亿美元，而美国交通事故约有一半以上发生在交叉路口眠2 0 0 3 年我国 因交通阻塞导致的经济损失为2 0 0 0 亿元，约占当年g d p 的2 【2 。 为了解决车和路的矛盾，常用的有两种办法：一是控制需求，最直接的办法 就是限制车辆的增加；二是增加供给，也就是修路。但是这两个办法都有其局限 性。交通是社会发展和人民生活水平提高的基本条件，经济的发展必然带来出行 的增加，而且在我国汽车工业正处在起步阶段的时期，因此限制车辆的增加不是 解决问题的好办法。而采取增加供给，即大量修筑道路基础设施的办法，在资源、 环境矛盾越来越突出的今天，面对越来越拥挤的交通、有限的资源和财力以及环 境的压力，也将受到限制。这就需要依靠除限制需求和提供道路设施之外的其它 方法来满足日益增长的交通需求。 而智能交通系统( i n t e l l i g e n tn a l l s p o r t a t i o ns y s t e n l ，简称i t s ) 正是解决这一 矛盾的途径之。它包括交通控制与管理系统、电子收费系统、出行需求管理系 统等【3 l 。 对城市交通流进行智能控制，可以使道路通畅，提高交通效益。合理进行交 通控制可以对交通流进行有效的引导和调度，使交通保持在一个平稳的运行状 态，从而避免或缓和交通拥挤状况，大大提高交通运输的运行效益，还可以减少 交通事故，增加交通安全，降低污染程度，节省能源消耗。本文就是通过对交叉 路口交通信号的智能控制，达到优化路口交通流的目的。 1 2 城市交通控制发展历史及国内外研究现状 华东师范大学硕士毕业论文 城市交通流仿真研究及交叉路口信号智能控制 1 2 1 城市交通控制发展历史 城市交通控制研究的起源较早。1 8 6 8 年英国伦敦燃气信号灯的问世，标志着 城市交通信号使用的开始。1 9 1 3 年，在美国俄亥俄州的c l e v e l a n d 市出现了世界上 最早的交通信号控制。1 9 6 3 年，加拿大的多伦多市建立了一套使用i b m 6 5 0 型计算 机进行集中协调感应控制的交通信号控制系统，从而使城市道路交通信号控制系 统的发展进入了一个新的阶段。2 0 世纪7 0 年代初，英国运输和道路研究所与3 家 公司联合在t r a n s y t 基础上研制出一种自适应控制系统s c 0 0 t ( s p l i t ， c y c l ea 1 1 do 仃s e to p t i m i z a t i o nt e c h i l i q u e ：绿信比、周期和相位差优化技术) ，该系 统于1 9 7 5 年在英国哥拉斯哥市进行现场试验，取得了较好的效果，现在全世界共 有超过1 7 0 个城市正运行着该系统。2 0 世纪7 0 年代末由澳大利亚新南威尔士道路 和交通局( r 1 a ) 研制了s c a t s ( s y d n e yc o o r d i t l a t e d a d 印t i v e 仃a m cs y s t e m ：悉 尼协调自适应交通系统) ，从1 9 8 0 年起陆续在悉尼等城市安装使用。目前，世界 上大约有5 0 个城市正在运行该系统。 1 2 2 国内外研究现状 近年来，欧美日本等相继建立了智能交通控制系统。在这些系统中，大 部分都在路口附近安装磁性环路监测器，还使用了新型监测器、先进通信技 术以及新型计算机等各种先进技术和设备。这些现代化设备技术加上控制理 论和现代化科学管理技术，使得交通控制系统日益完善。 随着一些研究控制理论的学者投身到交通控制的研究中，在交通信号控制领 域提出了一些新方法、新思路。如静态多段配时控制、准动态多段配时控制、最 优控制、大系统递阶控制、模糊控制、神经网络控制，网络路由控制等。用模糊 控制与神经网络控制等智能控制技术进行交叉路口信号灯控制能取得比定时控 制与感应控制更好的效果【4 j _ 【8 】。虽然模糊控制能有效处理模糊信息，但是产生的 规则比较粗糙，且没有自学习功能。将模糊控制、神经网络控制和遗传算法这三 者结合起来用于交叉路口信号灯的控制将有可能是今后交叉路口信号控制研究 的重点。本文研究了如何将模糊控制和神经网络结合来实现交叉路口交通信号智 能控制的问题。 同发达国家相比，我国在该研究方面起步较晚。目前很多城市的交通秩序比 较混乱，采用的交通控制方法比较落后，还没有建立起比较科学合理的城市交通 控制系统。国内部分城市使用的智能交通控制系统大多是引进了s c o o t 和s c a t 等国外的系统，但这些系统不太符合我国复杂的交通特点。国内自行设计建立的 2 华东师范大学硕士毕业论文 城市交通流仿真研究及交叉路口信号智能控制 n u t c s ( 南京城市交通系统) 是在我国实际基础上建立的，符合我国路网密度 低等特点，但还有很多不足，如车辆相互影响大，影响系统效果等。因此很多高 校、研究所都投入到智能交通控制系统的研究当中。 1 3 交通系统仿真概述 在现实交通中，为解决各种交通问题，我们总是力求寻找最优解决方案。 然而，有时需要大量资金的投入，有时又隐含着很多不安全因素，这就使得寻求 最优变得非常困难，甚至不可能实现。此时，应用计算机技术进行交通仿真就成 为了一种很有效的技术手段。计算机仿真是目前人们进行科学研究和解决现实中 难以实现问题的一种主要方法。交通系统仿真是指用系统仿真技术来研究交通行 为。它是对交通运动随时间和空间变化进行跟踪描述的技术。根据研究对象的不 同，交通仿真有两种主要模型：宏观仿真模型和微观仿真模型，其中宏观仿真模 型适用于描述系统的总体特性，而微观仿真模型则着眼于描述系统中的个体特 性，并试图通过真实反映系统中的所有个体的特性来反映系统的总体特性。宏观 仿真速度很快，主要用于研究交通基础设施的新建与扩建及宏观管理措施等；微 观交通仿真特别适合在计算机上精确地再现真实的路网交通情况，同时也是最适 合评估实时系统效果的工具。从上世纪5 0 年代人们就开始利用计算机对交通现象 进行模拟，经过几十年的发展，在交通理论、计算机硬件和软件技术、基础交通 设施和社会需求不断发展的推动下，交通仿真的研究，尤其微观交通仿真的研究 取得了很大进展【9 i ”j 。目前，全球已有一百多个微观交通仿真模型，并有几十种 商业化的微观交通仿真软件和仿真器，其中大部分都可以进行城市交通仿真。典 型的城市微观交通仿真软件有英国的队r a m i c s 、美国的m i t s i m 及c 0 r s i m 、 德国的v i s s i m ，国内的有t j t s ( 同济大学) 和n i t s ( 北方交通大学) 等。 交通仿真建模技术是一项复现交通流时空变化的交通分析技术。交通仿真系 统可以为交通管理系统设计方案评价、道路几何设计方案评价、交通工程理论研 究、交通安全分析、新交通技术和设想的测试以及人员培训等诸多应用领域提供 方便、高效的实验分析工具。交通仿真为交通道路设计规划提供技术依据，而且 还可以对各种参数进行比较和评价，以及环境影响的评价等。交通仿真成为交通 工程研究和管理人员测试和优化各种道路交通规划、设计方案、描述复杂道路交 通现象的一种直观、方便、灵活、有效的交通分析工具。交通仿真技术作为智能 交通运输系统( i t s ) 的一项重要内容，作为i t s 策略和设施的测试和评价平台也具 有很大实践及理论意义。 近几年，仿真系统设计突破了微观模型和宏观模型的界限，出现了将两者相 结合的混和模型。而模糊控制及神经网络理论的引入，使得仿真复杂的驾驶员行 华东师范大学硕士毕业论文 城市交通流仿真研究及交叉路口信号智能控制 为更加准确，处理更加容易。本文就是在元胞自动机的基础上建立了交通流微观 仿真模型。 1 4 本文的研究内容 本文针对城市交叉路口交通信号控制问题，设计了基于模糊神经网络的智能 控制系统。该系统采用模糊神经网络，解决了单纯的模糊控制生成的控制规则粗 糙和不具有学习能力的问题，对控制规则进行学习修正。并用c + + 编写了仿真 系统。 为了更好的进行微观交通流仿真和验证智能控制的有效性，我们在原有 e c t s 仿真系统1 3 1 基础上增加了基于元胞自动机和模糊控制的交通流模型和换道 模型。 1 5 本文的组织结构 本文的组织结构如下所述： 第1 章简述城市交通控制的意义和发展现状，还介绍了交通系统仿真的方 法。 第2 章介绍了模糊控制和模糊神经网络，是本文的基础知识。 第3 章提出基于元胞自动机的交通流改进模型，在此基础上提出了基于模 糊控制的换道模型，并实现了仿真。 第4 章介绍了交叉口信号控制的基本参数和常用控制方法。 第5 章建立考虑相邻交叉路口的基于模糊神经网络的交叉路口信号控制， 并给出仿真结果。 第6 章详细讨论了该仿真系统的结构与设计，并实现了该系统。 第7 章总结与展望，对全文进行回顾和总结并指出下一步继续努力的方向。 华东师范大学硕士毕业论文城市交通流仿真研究及交叉路口信号智能控制 第2 章模糊理论及模糊神经网络简介 2 1 模糊理论概述 模糊理论是美国加利福尼亚大学自动控制专家l a z a d e 最早提出的。1 9 7 4 年，英国的m a m d a n i 首先把模糊理论应用到工业控制，取得了良好的效果。由于 模糊控制具有以下特点：不需要建立被控对象的数学模型；系统鲁棒性强； 控制器设计简单，调试方便；对控制系统的干扰具有较强的抑制能力【l4 j 【”i ， 使得模糊控制理论及模糊控制系统发展迅速，显示了其在控制领域的广阔前景。 模糊控制不需要建立被控对象的精确数学模型，适用于非线性、时变及滞后 系统的控制。而交通系统作为一个具有随机性、非线性、不确定性的复杂系统， 其数学模型的建立非常困难，因此近年模糊控制在交通系统中的应用引起国内外 学者的关注。本文在换道模型和交叉路口信号控制中都利用了模糊控制方法。 2 1 1 模糊数学基本概念 把普通集合中元素对集合的隶属度只能取0 和1 这两个值推广到连续区间 【o ，1 ，就可以得到模糊集合的定义。即可以用隶属度定量的描述论域u 中的元 素符合集合性质的程度，实现对普通集合中绝对隶属关系的扩充，从而用隶属函 数表示模糊集合，用模糊集合表示模糊概念。 1 模糊集合定义 论域u 上的一个模糊集合一是指，对于论域u 中的任一元素“u ，都为其 指定一个数芦。( “) o ，1 与之对应，这个数称为“对4 的隶属度。这意味着定 义了一个映射： 心：p 0 ，1 ，材h 心( 甜) ( 2 1 1 ) 这个映射心称为模糊集合彳的隶属函数，卢。( “) 称为“对4 的隶属度，它表示论 域u 中的元素“属于模糊子集彳的程度1 1 6 】。 2 模糊集合表示方法 要表示u 上的一个模糊集合爿，原则上只要将u 中的每个元素赋以这个元 素对模糊集的隶属度，用一定的形式将其组合在一起即可。模糊集的表示方法有 很多种，常用的有z a d e 表示法。 设论域u 为离散有限域，“，h ：，脚。，4 是u 上的任意一个模糊集合，其 华东师范大学硕士毕业论文 城市交通流仿真研究及交叉路口信号智能控制 隶属函数为九( “，) ，卢1 ，2 ，? ，则彳可表达为： 4 ：型趔+ + 竺生生鱼! ：争竺生垒监 ( 2 1 2 ) “l“。：f“； ( 2 1 2 ) 表明峨对模糊集合爿的隶属程度。 ；) 。 3 模糊集合和隶属函数 模糊集合是用隶属函数描述的。隶属函数在模糊集合论中占有重要的地位。 在普通集合中，特征函数只能取o 和1 两个值，而在模糊集合中，其特征函数的 取值范围从两个元素的集合扩大到 o ，1 区间上连续取值。为了把两者区分开， 就把模糊集合的特征函数称为隶属函数。 模糊集合4 和隶属函数。有以下关系： ( 1 ) 论域【，中的元素是分明的，u 本身是普通集合，只是u 的子集是模糊 集合，称4 为u 的模糊子集，简称模糊集。 ( 2 ) 心( “) 说明隶属于一的程度，儿( “) 的值越接近1 ，表示从属于爿 的程度越大；反之，心( “) 的值越接近0 ，则表示从属4 的程度越小。 ( 3 ) 模糊集合完全由它的隶属函数来刻画。隶属函数是模糊数学的最基本概 念，借助于它才能对模糊集合进行量化。正确地建立隶属函数，是利用精确的 数学方法去分析处理模糊信息的基础 1 7 】。 4 模糊集合运算 模糊集合的运算种类很多，最常用的是模糊集合的并集、交集和补集运算。 设4 、b 为u 中两个模糊集合，隶属函数分别为心和。，则模糊集合的并、交、 补运算定义为： 并集：表示为一u b ，其隶属函数儿山对所有u 被逐点定义为取大运算， 即 雒 u b l h ) = ”a ( h ) ”b t h ) = m 腻 “ h ) 。p b t h ) ( 2 1 3 ) 交集：表示为4 n 四，其隶属函数仲对所有材u 被逐点定义为取小运算， 即 “a n b f h ) = p a f h ) “b f h ) = m i n f p h ) ，j “b ( h ( 2 1 4 ) 补集：表示为4 ，其隶属函数均对所有“u 被逐点定义为 j ( “) = 1 一( “) 。( 2 1 5 ) 5 模糊关系 模糊关系是相对经典关系而言的，可看作是经典关系的推广和延伸。 华东师范大学硕士毕业论文 城市交通流仿真研究及交叉路口信号智能控制 模糊关系的定义： 设有两个集合u 和n 则【，和矿的直积u y = r ，v 川群u ，ve y 中的一 个模糊子集盖被称为u 和矿的模糊关系。盖的隶属函数。r ，v j 表示了u 中的 元素“与矿中的元素“具有这种关系的程度。 ( 2 ) 模糊关系的合成： 设詹和j 分别为盯y 和矿上的模糊关系，所谓盖和j 的合成，是指下 列定义在u 上的模糊关系，记做五。蓉： 膏。j j 。j r w j = v 弘j r ，v j “j r v ，j ( 2 1 6 ) 2 1 2 模糊控制器结构 模糊控制器由模糊化、模糊推理、去模糊三部分组成，它们都是建立在知 识库基础上的。由于在通常使用的模糊控制中，其控制规则所用到的都是模糊的 语言量，所以要将输入输出的精确量转化为模糊量，即模糊化过程。模糊推理过 程是基于模糊逻辑中的蕴含关系及推理规则来进行的。去模糊是将模糊推理输出 的模糊量用去模糊方法转化为精确量。知识库通常由数据库和模糊控制规则库两 部分组成，为模糊控制器提供控制方法的支持。其中输入、输出隶属函数库决定 了模糊化和去模糊的方法；基于语言型的模糊控制规则库则是对某一过程的推理 和判断加以提炼形成的，是专家经验的结晶，它和隶属函数一起决定着模糊关系， 进而决定着控制器的传递特性。 图2 1 模糊控制器组成图 1 精确量模糊化 对精确量的模糊化，就是将一个精确量化成个或几个模糊值的单点。模糊 集的模糊值个数随着控制对象的不同而不同，例如在本文的换道模型中，对瓜 华东师范大学硕士毕业论文城市交通流仿真研究及交叉路口信号智能控制 的模糊集个数取5 个：v n ( 很近) ，m n ( 比较近) ，n ( 近) ，m f ( 比较远) ，v f ( 很远) 。而对速度v 的模糊集个数取3 个：s ( 慢) ，m ( 中等) ，f ( 快) 。 把模糊控制器输入变量和输出变量的实际变化范围称为基本论域。而在实际 应用中为方便，我们经常将这些基本论域离散化；离散化可以是均匀的，也可以 是非均匀的。如本文在换道模型中对伪的基本论域离散化是非均匀的，而对车 辆密度p 的基本论域离散化是均匀的。 通常情况下使用的模糊控制器，其输入输出均为模糊量，除此之外还有一种 由日本学者提出的高木一关野型( s u g e n o ) 模糊系统，它的输出量是精确值，不 需要模糊化输出量。例如本文中第五章中绿灯延长模糊控制器，控制器的输出量 就为精确量。 2 模糊控制规则 模糊控制的核心是模糊控制规则，规则形式为“i 卜恤e n ”形式。模糊控制 规则通常由模糊判断语句组成，可以用模糊关系的方法来表示这些控制规则。设 有行个输入单个输出的模糊控制器，则模糊控制规则库中的规则可采用以下形 式： i fx l = 爿la i l dx 2 = 一2 a r l dx = 4 。 t 1 1 e ny = 曰 式中而u ，且a 为论域u 上的模糊子集；j ，y 且b 为论域矿上的模糊子 集。 对于第f 条规则，这个模糊判断句可用模糊关系豆表示： 置? r 爿l 4 2 4 _ 召 ( 2 2 1 ) 模糊关系画，的隶属函数为 卢届= r 卢r 4j 人。 r 4 。砂 卢r b j ( 2 2 2 ) 实际的控制规则库中可能有，l 条像豆的模糊控制规则，它们共同构成一个模糊 关系盖： j i = u 置 ，= l 则模糊关系的隶属函数为 ( 2 2 3 ) 华东师范大学硕士毕业论文 城市交通流仿真研究及交叉路口信号智能控制 矗= r j 。v j ：v v 置_ ， ( 2 2 4 ) 3 模糊推理 对于模糊关系五，给定输入4 ，4 ：，4 。，有输出b 口= r 4 1 4 2 4 。j 。眉 ( 2 2 5 ) 4 去模糊 去模糊和模糊化过程相反，它定义了由输出论域上的输出模糊空间到输出精 确空间的一种映射。常用的去模糊方法有最大隶属法和质心法。但最大隶属法概 括的信息量较少，容易引起不精确性，所以这里只介绍质心法，它也是本文中所 采用的去模糊方法。所谓质心法，就是取模糊隶属函数曲线与横坐标轴围成面积 的质量中心作为代表点。理论上，应该计算输出范围内一系列连续点的质心。但 在实际中通常只计算输出范围内若干离散点的质心，即： 豇f y 。) - y i 2 2 神经网络概述 r ，j 2 2 1 神经网络发展历史【1 9 】 ( 2 2 6 ) 神经网络研究的背景工作始于1 9 世纪末和2 0 世纪初。源于物理学、心理 学和神经生理学的跨学科研究。这些早期研究重点是有关学习、视觉和条件反射 等一般理论，并没有包含有关神经元工作的数学模型。 2 0 世纪4 0 年代，w 打e nm c c u l l o c h 和w 酊t e rp i t s 从原理上证明了人工神经 网络可以计算任何算术和逻辑函数，通常认为他们的这一工作是神经网络研究工 作的开始。 人工神经网络的第一个实际应用是在2 0 世纪5 0 年代后期，f r 趾kr o s e n b l a t t 提出了感知机网络和联想学习规则。同时b e m a r dw i d r o w 和t e dh o f r 引入了新 的学习算法用于训练自适应线性神经网络。它在结构和功能类似于r o s e n b l 甜的 感知机。m a r v i nm i n s k y 和s e y m o u rp 印e r t 在所著的感知机一书中，指出感 知机网络不能实现某些基本的功能( 如异或等) ，存在局限性。由于m i n s k v 和 p 印e n 的研究结果，再加上当时没有功能强大的数字计算机来支持各种实验，很 多研究者离开了神经网络这一研究领域。但是，仍然有一些研究者继续神经网络 的研究。在2 0 世纪7 0 年代，开展了许多重要工作。1 9 7 2 年t e u v ok 0 h o n e n 和 9 华东师范大学硕士毕业论文 城市交通流仿真研究及交叉路口信号智能控制 伽n e sa n d e r s o n 分别提出了能够完成记忆的新型神经网络。同一时期，s t 印h e n g r o s s b e r g 在自组织网络方面的研究也十分活跃，他主要是使用非线性数学来模 拟思维和脑的特定功能。 2 0 世纪8 0 年代，有两个新概念对神经网络的复兴具有极其重要的意义。1 ) 用统计原理解释某些类型的递归网络的操作，这类网络可作为联想存储器。1 9 8 2 年，物理学家j o l l l lh o p f i e l d 发表了著名的h o p f i e l d 模型理论。2 ) 这期间，一些研 究者分别提出了用于训练多层感知机的反传算法，其中最具影响力的是由d a v i d r u l c l h a n 和j 锄e sm c g l e l l a n d 提出的反传算法。该算法有力地回答了6 0 年代 m i n s k y 和p a p e r t 对神经网络地责难。1 9 8 4 年，h i n t o n 与年轻学者s e j n o w s k i 等合作 提出了大规模并行网络学习机，并明确提出隐单元的概念，这种学习机后来被称 为b 0 1 t z m a n n 机。9 0 年代中后期，神经网络研究步入了个新的发展时期，一方 面已有理论在不断深化和得到进一步推广，另一方面，新的理论和方法也从未停 止过其不断开拓的步伐。这一时期，一些新的发展方向也非常地引人关注，考虑 到人的思维及表达上常具有模糊性，一些学者把神经网络的研究与模糊逻辑联系 起来，从而导致了模糊神经网络的产生。 这期间，神经网络在我国也得到了蓬勃的发展。1 9 8 9 年1 0 月，我国在北京召 开了一个非正式的神经网络会议，称为神经网络及其应用讨论会；1 9 9 0 年1 2 月， 我国首届神经网络学术大会在北京召开，并确定今后每年召开一次神经网络学术 大会。 2 2 2 神经网络的应用及特性 神经网络第一个实际应用是1 9 8 4 年在自适应频道均衡器中的使用，这 个设备用一个单神经元网络来稳定电话系统中长距离传输的声音信号。从 此，神经网络不仅广泛应用于工程、科学和数学领域，也应用于医学、商业、 金融和文学领域。如此广泛的应用，是因为神经网络具有以下优良特性： ( 1 ) 并行分布处理：神经网络具有高度的并行结构和并行实现能力，因而 能够有较好的耐故障能力和较快的总体处理能力。这特别适于实时控制和动态控 制。 ( 2 ) 非线性映射：神经网络具有固有的非线性特性，这源于其近似任意非 线性映射( 变换) 能力。这一特性给非线性控制问题带来新的希望。 ( 3 ) 通过训练进行学习：神经网络是通过所研究系统过去的数据记录进行 训练的。一个经过适当训练的神经网络具有归纳全部数据的能力。因此，神经网 络能够解决那些由数学模型或描述规则难以处理的控制过程问题。 ( 4 ) 适应与集成：神经网络能够适应在线运行，并能同时进行定量和定性操 华东师范大学硕士毕业论文 城市交通流仿真研究及交叉路口信号智能控制 作。神经网络的强适应性和信息融合能力使得网络过程可以同时输入大量不同的 控制信号，解决输入信息间的互补和冗余问题，并实现信息集成和融合处理。这 些特性特别适于复杂、大规模和多变量系统的控制。 ( 5 ) 硬件实现：神经网络不仅能够通过软件而且可借助软件实现并行处理。 近年来，一些超大规模集成电路实现硬件的问世，使得神经网络具有快速和大规 模处理能力。 2 2 3 神经网络模型及学习算法 1 神经网络模型 神经网络是由大量的神经元广泛互连而成的网络。根据连接方式不同，神经 网络可分为两大类：没有反馈的前向网络和互相结合型网络。前向网络由输入层、 中间层( 或称为隐层) 和输出层组成，中间层可有若干层，每一层的神经元只能 接受前一层神经元的输入。而互连型网络中任意两个神经元间都可以有连接，因 此输入信号要在神经元之间反复往返传递，从某一初始状态开始，经过若干次的 变化，渐渐趋于某一稳定状态或进入周期振荡等状态。 蘧二l 蓉 输入层 中间层( 隐层)输出层 ( a ) 前向网络 ( b ) 相互连接型网络 2 2 神经网络模型连接图 华东师范大学硕士毕业论文 城市交通流仿真研究及交叉路口信号智能控制 2 神经网络的主要学习算法 神经网络主要通过两种学习算法，即监督式学习算法和无监督式学习算法 2 0 1 。此外，还存在第三种学习算法，即强化学习算法，可把它看做监督式学习的 一种特例。 监督式学习：监督式学习算法能够根据期望的和实际的网络输出( 对应于 给定输入) 间的差来调整神经元之间连接的强度或权。因此，监督式学习需要提 供期望或目标输出信号。监督式学习算法的例子包括j 规则、广义j 规则或反向 传播b p 算法以及l v q 算法等。 无监督式学习：无监督式学习算法不需要知道期望输出。在训练过程中， 只要向神经网络提供输入模式，神经网络就能够自动地适应连接权，以便按相似 特征把输入模式分组聚集。无监督式学习算法的例子包括k o h o n e n 算法和 c a r p e n t e r g r o s s b e r g 自适应谐振理论( a r t ) 等。 强化学习：如前所述，强化学习是监督式学习的特例。它不需要给出目 标输出。强化学习算法采用一个“评论员”来评价与给定输入相对应的神经网络 输出的优度( 质量因数) 。强化学习算法的一个例子是遗传算法( g a s ) 。 2 3b p 算法 2 3 1b p 算法原理n 7 1 b p ( 误差反向传播) 算法在神经网络的研究中历史较长，是网络学习中最 常用的学习方法。它属于磅# 法，是一种监督式的学习算法。其主要思想为：对 于口个输入学习样本：p 1 ，p ，pg ，已知与其对应的输出样本为r 1 ，丁2 ，丁 口。学习的目的是用网络的实际输出4 1 ，彳2 ，4 9 与目标矢量r 1 ，丁2 ，丁。 之间的误差平方和达到最小。它是通过连续不断地在相对于误差函数斜率下降方 向上计算网络权值和偏差的变化而逐渐逼进目标的。每一次权值和偏差的变化都 与网络误差的影响成正比，并以反相传播的方式传递到网络的每一层。 b p 算法由两部分组成：信息的正向传递与误差的反向传播。 正向传播：输入样本从输入层经过隐层单元一层一层进行处理，通过所有的 隐层之后，传向输出层；在逐层处理的过程中，每一层神经元的状态只对下一层 神经元的状态产生影响。在输出层把现行输出和期望输出进行比较，如果现行输 华东师范大学硕士毕业论文 城市交通流仿真研究及交叉路口信号智能控制 出不等于期望输出，则进入反向传播过程。 反向传播：反向传播时，如果在输出层没有得到期望的输出，则计算输出层 的误差变化值，把误差信号按原来正向传播的通路反向传回，并对每个隐层的各 个神经元的权系数进行修改，以期望误差信号趋向最小。 b p 算法常用于多层前向网络的学习算法。多层前向网络模型如图2 2 图( a ) ， 一般含有输入层、输出层以及处于输入输出层之间的中间层。中间层有单层或多 层，由于它们和外界没有直接的联系，故也称为隐层。在隐层中的神经元也称隐 单元。改变隐层的权系数，可以改变整个多层神经网络的性能。 2 3 2b p 学习算法推导 以下图为例推导b p 算法。设输入为p ，输入神经元有r 个，隐含层内有j 1 个神经元，激活函数为，l ，输出层内有s 2 个神经元，对应的激活函数为挖，输 出为4 ，目标矢量为r 。 肛l ，2 一，s 2 ； 卢l ，2 ，s 1 ；产1 ，2 ，r 2 ，3 具有一个隐层的简化网络图 1 信息的正向传递 ( 1 ) 隐含层中第，个神经元的输出为 口1 ，= ，1 ( 芝：w 1 口p j + 6 1 ；) ，f = 1 ，2 ，s 1 ( 2 3 1 ) ( 2 ) 输出层第七个神经元的输出为 j 】 d 2 = ，2 ( w 2 “盯1 ；+ 6 2 t ) _ l ( 3 ) 定义误差函数为 1s 2 五( 形，丑) = 去( ，一口2 女) 2 二t = 1 2 利用梯度下降法求权值变化 ( 2 3 3 ) 华东师范火学硕士毕业论文 城市交通流仿真研究及交叉路口信号智能控制 ( 1 ) 输出层的权值变化 妣一卵嚣卅差，差 陇。， = 叩r “一席2 tj ，2 盯1 l = 卵d 0 口l i 其中： 占“2 厂2 ( “一口2 ) 。，25 气厂2 = 气一口2 i 同理司得： 抛“叫嚣叫嚣篆吲p 哦脚吲。砷引z s s ， ( 2 ) 隐含层权值变化 对从第，个输入到第f 个输出的权值，有： 1。翘。饱劫2 i 知1 i m ”一野瓦一叩瓦菌试 = 叩似一口2 tj ，2 ，2 “，1 p ， ( 2 3 6 ) = 1 ) 。6 q p | 其中： 毛= q ，l + ，q = 占f w 2 。 同理可得： 6 1 ，= ，7 占h 3 误差反向传播 ( 2 3 7 ) 误差反向传播是通过计算输出层的误差p 。，将其与输出层激活函数的一阶导 数，2 7 相乘求得艿由于隐层没有直接给出目标矢量，所以利用输出层的j 。进 行误差反向传递来求出 2 。，然后计算q = 如- ，2 。，并同时通过将巳与该 层激活函数的一阶导数，1 相乘，求得峨，以此i 求出前层权值变化量- ，1 ，如果 前面还有隐层，沿用上述方法依次类推，一直将输出误差p 。一层一层的反推到 第一层为l e 。 2 4 模糊神经网络概述 1 4 华东师范大学硕士毕业论文 城市交通流仿真研究及交叉路口信号智能控制 2 4 1 模糊逻辑与神经网络结合方式 上面介绍了模糊逻辑和神经网络，但模糊逻辑和神经网络各有其优缺点：神 经网络的优点是：1 ) 是具有自学习和自适应能力；2 ) 是具有并行处理能力和较 强的容错能力。但神经网络在对知识的表达和对学习得到的规则的解释方面存在 着明显的不足，另外，它的学习速度在很多时候也很难令人满意。模糊逻辑的长 处主要是：1 ) 知识表达比较自然，能处理不确定的信息，很容易的利用专家经 验；2 ) 是可以用简单的运算来实现知识的模糊推理。但是模糊逻辑的学习能力 很有限，知识获取方面也有很大局限性。 模糊逻辑和神经网络之间存在着很多的互补性，理论上可以证明：模糊逻辑 能以任意精度逼近一个非线性函数，神经网络具有很强的映射能力。模糊逻辑与 神经网络的结合可以看成两种能力的综合：1 ) 模糊逻辑模拟信息模糊处理的思 维能力；2 ) 神经网络模拟大脑的拓扑结构。通过这样的结合不仅弥补了各自性 能上的不足而且使得控制的智能化程度进一步提高。尤其对那些非线性、时变系 统或难以建模的对象，古典控制论和现代控制理论的方法无法设计出有效的控制 器，采用这种基于神经网络的模糊控制器却能收到良好的效果。 神经网络和模糊逻辑以不同的方式结合构成的模糊神经网络，其结构是不同 的。一般说来主要有三种结合方式【1 4 1 ： 1 基于模糊逻辑的神经网络 神经网络是由大量神经元广泛连接而成的网络系统。在神经元中引入模糊逻 辑，即通过改变传统神经元的运算规则和映射函数，使神经元在功能上表现为各 种模糊运算而变为模糊神经元。这种模糊神经网络是由部分或全部模糊神经元组 成的网络系统，其结构与普通的神经网络一样。但在其中引入模糊逻辑后，可以 使一些处理单元的计算变得简便，信息处理的速度加快，也由于引入了模糊技术， 使系统的容错能力增强，扩大了系统处理信息的范围，处理方法也变得更加灵活。 2 基于神经网络的模糊逻辑系统 模糊逻辑系统在设计时常常遇到以下几个问题：隶属函数的确定、模糊规则 的选取和模糊推理的实现。由于先验知识的不足，在有些系统中这