基于模糊控制理论的交通信号控制算法研究

李 欣，李海华

（哈尔滨理工大学 测控技术与通信工程学院，黑龙江 哈尔滨 150080）

随着经济的发展，交通需求和交通量成为城市交通网络中急需解决的问题，智能交通系统为改善和提高交通发挥了重要的作用，其中，交通信号控制是智能交通系统的一个重要方面，平面交叉口的控制是交通信号控制的基础。交通信号控制系统具有较强的非线性、模糊性和不确定性，用传统的控制理论和方法很难对其进行有效的控制，如传统的定时控制和感应控制具有很明显的缺点。把先进技术应用与交通路口的信号控制是一个新的研究方向。从模糊控制算法在智能交通控制领域的应用可知，模糊控制基本上都是应用在单路口交通控制上。对于复杂的多路口智能交通控制即区域智能交通控制上，目前研究的还相当少。本文采用模糊控制的方法，综合考虑了相邻路口之间车流量相互影响的因素，根据相邻上下游路口信号配时和车流量对相位实施不同的配时方案，从而提高了整个区域的通行能力，缓解了交通压力。

1 模糊控制系统的原理及基本结构

模糊控制 （Fuzzy Control）[1]的基本思想是把人类专家对特定的被控对象或过程的控制策略总结成一系列以 IF（条件）THEN（作用）形式表示的控制规则，通过模糊推理得到控制作用集，作用于被控对象或过程。控制作用集为一组条件语句，状态条件和控制作用均为一组被量化了的模糊语言集，如“正大”、“负大”、“高”、“低”、“正常”等。 它们共同构成控制过程的模糊算法。

模糊控制系统结构是由给定输入、模糊控制器、对象、反馈信号与给定输入的相加环节等组成。模糊控制系统结构框图[2]如图1所示。

图1 模糊控制系统结构基本框图Fig.1 Fundamental structure of fuzzy control system

图中S为系统的设定值，是精确量；e、c为系统偏差与偏差变化率，均是精确量；E、C为经模糊量化处理后，偏差与偏差变化率的模糊量；U为模糊量的偏差与偏差变化率，经模糊控制规则近似推理处理后，得到模糊量的控制作用；u为对模糊量的控制作用 U，经模糊判决，得到模糊控制器输出的精确量的控制作用u，去控制被控对象。

模糊控制器（FLC）主要由4个部分组成：模糊化处理，模糊规则库，模糊推理机和逆模糊化处理[3]。

1.1 模糊化处理

模糊化处理部分即精确输入量的模糊化，它实现了从确定量的输入空间Ψ⊂Rn到定义在Ψ上的模糊集的映射。这些模糊集都是由某一个隶属函数：Ψ→[0，1]来表征，并由语言性语句如“小”，“中”，“很大”来标记。

常用的模糊化方法是单元素集合模糊化（Singleton Fuzzifier）。它把Ψ∈x映射到Ψ模糊集Ax，其隶属函数为：

由于实际中输入值通常是连续变化的，所以必须将输入量变化范围由相关专家评定来分成若干等级，以便使输入量对应有限个模糊集。定义模糊集隶属函数通常采用三角形模糊数与梯形模糊数。假设输入量的变化范围设定为区间[-6，6]，离散化将其变成含 13个整数的集合：

当然也可将问题简化而成为 7个整数之集：{-3，-2，-1，0，1，2，3，4，5，6}。并根据需要将其分成若干个等级，每个等级对应一个模糊集。 例如 7级：正大（PB）、正中（PM）、正小（PS）、零（Z0）、负小（NS）、负中（NM）、负大（NB）。

1.2 模糊规则库

控制规则是模糊控制器的核心，模糊规则库包含形如“if-then”的语言规则，对 M 条规则：Rj：IF x1isand x2isand …and xnisTHEN U is Bj。 其中， j＝1，2，3，…….，M：xi（1，2，…，N）是模糊控制系统的输入变量；和 Bj是模糊隶属函数 μ（xi）和 μB（μ）分别表征的语言 A 性语句。每一条 Rj都可以看作一个模糊蕴涵，

1.3 模糊推理机

仿照人脑的模糊推理过程，在模糊自动控制中也有一个推理法则，以便在实时输入时做出模糊决策。常用的模糊推理方法有广义前向推理和广义逆向推理两种方法。模糊控制规则采用“IF--THEN--”形式，IF部分是规则的前提，THEN部分是规则的结论。如果已知规则的前提，求结论，称作广义前向推理；若已知规则的结论求前提，则称为广义逆向推理。模糊推理一般采用广义前向推理方法。

模糊推理利用模糊规则确定了从输入空间Ψ上的模糊集到输出空间R上的模糊集之间的映射。设Ax是Ψ上任意一个模糊集，则每一条确定了一个R上的模糊集，即

其中算子“*”可取 min，sup 取 max。

1.4 逆模糊化处理

逆模糊化处理就是实现模糊量到确定量的转化，因为受控过程只能接受一个确定的控制量，逆模糊化处理部分把R上的模糊集映射到确定点（crisp points）Ax。Rj（j=1，2，3……m）常用的逆模糊化是加权平均法，这种方法也称为重心法（Centriod Defuzzifier）， 它实现了从 R 上的模糊集 Ax◦Rj到精确量的映射：

其中Uj是中的μBj（u）达到最大值的那个点（一般假定

2 模糊控制器的设计

控制器本身采用相序优化，即除了当前绿灯相位外，所有的红灯相位中交通要求最严重的相位优先放行。控制器包括3个模块:相序优化模块[4]，绿灯判断模块和相位切换模块，如图2所示。

图2 控制器结构Fig.2 Structure of controller

每个模块都有自己的模糊规则。相序优化模块用来评价除当前绿灯相位外所有红灯相位的交通情况，然后选择交通情况最紧急的相位为下一个优先放行的候选绿灯相位。绿灯判断模块用来评价当前绿灯相位的交通情况，从而对是否该停止放行当前绿灯相位做出判断。相位切换模块根据前两个模块的输出来决定是否需要进行绿灯相位切换。控制器每隔一定时间运算一次。该控制器体现了相位序列和绿灯相位时间随实际交通环境动态改变的原则。交通流信息对控制器的实时控制效果起着决定性的影响。我们假定每个交叉口的每条进口引道上都安装有检测器，每个检测器应能计算出经过的车辆数[5-6]。

2.1 相序优化模块

相序优化模块用来决定下一个优选的绿灯相位。它的输入是除当前绿灯相位外所有红灯相位的交通情况，而输出是交通要求最紧急的红灯相位及其优先PDP。PDP反映了对应红灯相位的紧急程度，相序优化模块能计算所有红灯相位PDP（The priority degree of a phase）， PDP 反映了对应红灯相位的紧急程度，相序优化模块能计算所有红灯相位 PDP，然后把PDP最大的红灯相位作为下一个候选绿灯相位。

为了计算 PDP，相序优化模块 N以 NCar，RTime，STime和 FNCar作为它的模糊输入。NCar表示交叉口某红灯相位中某车道检测器检测到的车辆数 （排队长度），其语言值：Z（零），S（小），M（中），L（大），VL（很大）；RTime 表示该车道上的红灯延续时间，其语言值：Z（零），S（小），M（中），L（大），VL（很大）；这两个输入反映了该交叉口本身的交通状况。STime为上有交叉口和当前交叉口的相位差，如果没有上游交叉口可设STime为无穷大 ，其语言值和 RTime的语言值相似；FNCar为当前交叉口和下游交叉口之间的车辆数，如果下游没有交叉口可设 FNCar为 0，其语言值为：S（小）， L（大）；这两个输入反映了相邻交叉口间的耦合。相序优化模块的输出是：Urgency；即该车道的交通紧急度，其语言值为：Z（零），S（小），M（中），L（大），VL（很大）。

相序优化模块的模糊规则是这样的：Urgency正比于NCar和 RTime，也就是说，当某一车道上两检测器间的车辆数越多，且（或）该车道上的红灯延续时间越长，那么该车道上的交通情况越紧急，Urgency越大；对于信号一致性，如果上游交叉口和该交叉口该车道之间的相位差距标准相位差越长，该车道的 Urgency也越大；如果 FNCar越多，表明下游有太多的车辆在等待，那么应该减小该车道的Urgency。相序优化模块有36条模糊规则，表1列举了部分规则。

表1 相序优化模块的部分规则Tab.1 Part regular of phase optim ization module

2.2 绿灯判断模块

绿灯判断模块根据当前绿灯相位的交通情况，来决定是否停止该绿灯相位的放行。它输出一个叫停止度SDGP（the stop degree of the green phase）的变量，SDGP表示控制器该停止当前绿灯相位放行的可能性。类似于相序优化模块，绿灯判断模块以 Orate，RNCar和 FNCar作为模糊输入。Orate表示交叉口绿灯相位中某车道的出口车流率，其语言值：Z（零），L（低），H（高）；RNCar 表示车道上滞留着的车辆数（正在等待通过排队数），其语言值：Z（零），L（低），H（高）。这两个输入定义了本交叉口的绿灯时间使用率和交通堵塞情况，代表了本交叉口的车流信息。FNCar的定义和相序优化模块中的一样。绿灯判断模块的输出是当前绿灯相位该车道的停止度，用来衡量是否该停止当前该车道的放行。其语言值：N（否），M（可能），Y（是）。

基本思想是：如果绿灯相位中各车道的驶出率较大，且（或）各车道滞留的车辆数较多，那么应该考虑继续放行该绿灯相位；如果下游交叉口中与当前交叉口放行车道相连的车道上滞留较多的车辆，那么应该立即停止当前绿灯相位的放行。绿灯判断模块有10条规则，表2列举了它的部分规则。

表2 绿灯判断模块的部分规则Tab.2 Part regular of green lamp judge m odu le

2.3 相位切换模块

相位切换模块的输入分别是相序优化模块的输出 PDP'和绿灯判断模块的输出 SDGP。输出是相位切换权（Switch），用来衡量是否该将放行相位切换到由相序优化模块得到的优先权最大的那个候选绿灯相位，其语言值：N（否）和 Y（是），如果清晰化后的切换度大于某一设定的阀值，那么控制器就切换当前的绿灯相位到候选绿灯相位。

基本思想：如果候选相位的优先权很高，且当前绿灯相位的停止权很大，那么马上进行相位切换。相位切换模块有15条规则，表3列举了相位切换模块的部分规则。

表3 相位切换模块的部分规则Tab.3 Part regular of green phase switch module

3 结 论

城市交通的智能控制成为今后发展的必然趋势，模糊控制应用到交通控制系统，可能会带来新的突破。模糊逻辑是一种处理不确定性、非线性等问题的有力工具，能够表示模糊及定性知识，从而可以模仿人类的推理过程。针对有城市区域道路交通状况，文中提出了基于模糊控制原则的区域协调控制算法，该方法不采用统一的信号周期，而是由相邻交叉口间相互平衡，从这一点看，可以减少车辆的平均延误。随着现在路面车辆的大量增多和人们对交通信号管理的不断重视，它必定会有一个广泛的应用前景。

[1]王立新.模糊系统与模糊控制教程[M].北京:清华大学出版社，2003.

[2]李艳，樊晓平.基于模糊控制的城市交叉路口群信号控制及仿真[J].交通运输工程学报，2008，3（2）：117-119.LI Yan，FAN Xiao-ping.Fuzzy logic control and simulation of urban traffic intersections group[J].Journal of Traffic and Transportation Engineering，2008，3（2）：117-119.

[3]陈淑燕，陈森发，吴明赞.单路口交通的多相位实时模糊控制[J].系统工程理论与实践，2008，13（1）:110-115.CHEN Shu-yan， CHEN Sen-fa， WU Ming-zan.Real-time fuzzy control for multiphase traffic signals in isolated intersection[J].System Engineering-Theory and Practice，2008，13（1）:110-115.

[4]李伟，李润梅，何东之.一种道路交叉口多相位模糊控制方法及其仿真[J].公路交通科技，2010，22（6）：126-129.LI Wei， LI Run-mei， HE Dong-zhi.A fuzzy control method for multiphase intersection and its simulation[J].Journal of Highway and Transportation Research and Development，2010，22（6）:126-129.

[5]赵忠杰，刘小强，谢光秋.单交通路口变相位变周期信号控制[J].长安大学学报：自然科学版，2009，6（25）：70-72.ZHAO Zhong-jie， LIU Xiao-qiang， XIE Guang-qiu.Changeable phases and changeable periods signal control at traffic intersection[J].Journal of Chang’an University:Natural Science Edition，2009，6（25）:70-72.

[6]尹宏斌，徐建闽.一种信号交叉口模糊交通控制方法[J].华南理工大学学报，2007，28（12）：22-25.YIN Hong-bin，XU Jian-min.A method of fuzzy traffic control of signalized intersection[J].Journal of South China University of Technology:Natural Science Edition，2007，28（12）:22-25.