APP下载

基于遗传算法的单交叉口信号控制

2009-07-16杨凤英

新媒体研究 2009年8期
关键词:模糊控制遗传算法

宋 华 杨凤英

[摘要]在交通控制中,交叉口各方向的交通流在不同时刻是不同的。针对这一特点,介绍一种基于遗传算法的模糊控制系统,对单交叉口多相位信号进行动态控制。此系统是在模糊控制的基础上采用遗传算法,不断改进模糊控制规则,对绿灯延长时间进行细微调整,实现实时控制。

[关键词]多相位 实时控制 模糊控制 遗传算法

中图分类号:TP3文献标识码:A文章编号:1671-7597(2009)0420054-01

一、引言

城市交通系统是随机性大、影响因素多的复杂系统,采用模型控制或分时段定时控制的方案难以令人满意。模糊控制是无模型控制方法,近年来在城市交通系统中得到了广泛关注[1,2]。模糊控制规则是人们对被控对象模糊信息的归纳和操作经验的总结,带有一定的主观性,对于复杂的交通流不一定是最优。本文利用遗传算法对模糊控制规则进行寻优,以各相位排队长度为输入,以当前有通行权的车道的绿灯延时为输出,控制目标是减少整个交叉口车辆的平均延误。

二、问题描述

图1为一个典型的单交叉路口交通流分布示意图,图中东、南、西、北4个方向,每个方向均有右行、直行和左行3个车道车流[3,4]。在每条车道入口处的路面下埋设两个信号检测器,构成一个检测区,一个设在停车线处,用于检测该道的车辆离开数;另一个设在距停车线一定距离处,用于检测车辆到达数。检测器对路口各个车道车流进行实时检测,获取车流量信息,为控制系统提供必要的数据。设置方式如图1所示。

三、模糊控制器的设计

(一)设计思想

模糊控制器首先采用人工初始设置的控制规则进行模糊控制,同时历史数据库记录各时间段的交通流数据。每经过一定的时间间隔,采用遗传算法利用历史数据库中的数据对模糊控制规则进行寻优,找出适合于当前交通流的模糊控制规则,并且将调整后的控制规则送入模糊控制器加以更新。采用遗传算法优化控制规则的模糊控制系统结构如图2所示。

(二)控制系统的构成

当最近的连续三个信号周期内到达交叉口的车辆总数与上次启动遗传算法得到模糊控制规则时所对应的交叉口的车辆总数改变量超过某一阈值(本文取0.2)或某一相位车流量改变量超过某一阈值(本文取0.3)时,则启动遗传算法对相应的模糊规则进行调整,其结构图如图3所示。

(三)模糊控制器的设计

在用遗传算法优化策略对模糊控制规则进行动态调整时,一般采用十进制编码,因为它的可操作性强,易于译码及编程实现,且对于变异操作的种群稳定性比二进制编码好,这里我们选用十进制编码。对于模糊规则的编码,约定运用语言变量的7种编码:VS(很短)、S(短)、SP(较短)、C(中)、LP(较长)、L(长)、VL(很长),分别以十进制数1,2,3,4,5,6,7为代表。这样得到的规则如表所示的二维实数数组。

在交通控制中,一般来说,当队长较短时,信号周期则应短一些,但一般不能小于P×15秒(P为相位数)以免某一方向的绿灯时间小于15秒时车辆来不及通过路口影响交通安全;当队长较长时,信号周期则应长一些,但一般不能超过200秒,否则某一相位的红灯时间太长,驾驶员心理上不能承受。

四、仿真

采用MATLAB7.0对同一路口不同交通流量情况,分别采用定时控制、经典模糊控制和遗传算法优化后的模糊控制进行仿真。参数如下:设交叉口环境为:六相位分别为东西直行、左转和右转,南北直行、左转和右转。左转车流占车流的20%,绿灯期间路口通过率off_c为0.4pcu/s(辆/秒,以标准小汽车为单位),其仿真时间100分钟,初始种群数m=40,被选取进行遗传操作的个体数n=20,复制概率Pr=0.2,交叉概率Pe=0.6,变异概率Pm=0.15,迭代次数count=30。黄灯时间设置为3秒,队长是用相隔一定距离的检测器测量的,路口车辆通过率为12辆/秒,绿灯方向的排队车辆数x论域的量化因子=0.15,红灯方向的排队车辆数y论域的量化因子

=1.1,绿灯的延长时间T论域的量化因子 =45/12=3.75。仿真结果见表2。

从表2可以看出在交叉口车辆到达情况相同的情况下,采用单纯的模糊控制优于定时控制,而采用遗传算法优化的模糊控制比单纯的模糊控制有明显的改善。

当车流密度较小时,单纯的模糊控制和基于遗传算法的优化控制与定时控制相比,略显优势,随着车流密度的增加,新的方法明显优于定时控制,车辆平均延误减少了6.5%-25.3%,与单纯的模糊控制相比,改善效果为车辆平均延误减少了2.1%-8.5%。仿真结果表明该方法有效的减少了车辆的延误时间,控制效果有明显的改善。

五、结束语

本文表明运用遗传算法对模糊控制规则进行优化是可行有效的。同时可以看出,对于多输入单输出的控制对象,人工设定模糊控制规则显然是十分困难的,研究模糊控制规则的优化有着重要的研究和应用价值。

参考文献:

[1]Pappis C P, Mamdani EHAfuzzy logic controllerfor a traf-fic junction[J].IEEETransactions on Systems, Man and Cy-bernetics,1977,(7):707-717.

[2]陈淑燕、陈森发、黄毅,单路口多相位交通信号模糊控制系统的设计[J].系统仿真学报,2002,14(7):961-963.

[3]温惠英、尹宏宾、徐建闽,一种信号交叉口模糊交通控制方法,华南理工大学学报,vol.29,no.12,pp.22-25,2001.

[4]刘智勇,智能交通控制理论及其应用[M].北京:科学出版社,2003.

猜你喜欢

模糊控制遗传算法
面向成本的装配线平衡改进遗传算法
基于遗传算法对广义神经网络的优化
基于遗传算法对广义神经网络的优化
基于遗传算法的临床路径模式提取的应用研究
基于遗传算法的临床路径模式提取的应用研究
基于dSPACE和PLC的控制算法测试系统设计
模糊控制算法在发动机排气管道有源消声系统中的应用研究
遗传算法在校园听力考试广播系统施工优化中的应用
物流配送车辆路径的免疫遗传算法探讨
基于粒子群优化训练的模糊控制数学建模方法