人工智能在城市交通信号控制中的应用

第一篇：人工智能在城市交通信号控制中的应用

五邑大学智能交通读书报告

人工智能在城市交通信号控制中的应用

五邑大学信息工程学院

2012年4月

目录

摘要

Abstract 第一章绪论

1.1研究背景

1.2智能交通系统简介

1.3城市交通信号控制概述

1.4国内外城市交通信号控制的发展历程

1.5城市交通信号灯控制的发展方向

第二章 城市智能交通控制的基本理论

2.1模糊逻辑(Fuzzy Logic)

2.2人工神经网络(Artificial Neural Networks)

2.3遗传算法(Genetic Algorithm)

2.4蚁群算法(Ant Colony Optimization)

2.5粒子群算法(Particle Swarm Optimization)

2.6多智能体技术(Multi-agent)第三章 多智能体技术介绍

3.1智能体(Agent)

3.2 Agent的结构

3.3 Agent的分类

3.4多智能体系统在交通控制领域的优越性

第四章

基于RBF神经网络的单交叉口自学习控制系统

4.1引言

4.2问题描述

4.3控制器的设计及其算法

4.3.1基于神经网络的单交叉口模型 4.3.2 RBF神经网络 4.3.3神经网络自学习方案

4.4仿真分析

第五章结论与展望

5.1 总结

5.2 展望

摘要

随着社会的进步，城市化进程加快，城市人口和车辆日益增多，城市交通问题日益突出，严重影响城市发展。先进的城市交通信号控制系统能提高现有道路的通行能力，改善交通状况，达到疏导交通、保证交通安全、畅通，智能交通系统就是其中之一，智能交通系统的发展，城市交通信号控制己成为最重要的研究方向。由于城市交通的复杂性，采用传统的控制方法己无法有效地解决交通信号控制问题，本文研究人工智能控制的方法在城市交通信号控制中的应用。

关键词: 交通信号控制，人工智能，ITS,神经网络，模糊理论，相序优化

第一章

绪论 1.1研究背景

城市交通是城市经济活动的命脉，对城市经济的发展，人民生活水平的提高起着十分重要的作用。从1886年第一辆小汽车在德国问世，增加了人类在交通领域的机动性，便捷性，同时促进了城市道路和高速公路的发展。随着汽车工业的迅速发展，汽车己经成为人们日常生活中必不可少的交通工具。现在，人类社会的科学技术和经济力己经发展到了相当高的水平，机动车辆迅速增加，有关资料表明:1978年至1995年全国城市机动车的保有量的增长速度是道路增长速度的80倍。从70年代末起，我国城市汽车拥有量以每年平均12%-14%的速度增长。1978年，我国民用汽车总量仅有135.84万辆，到2001年超过1845万辆，机动车总数达到6852万辆。其中，私人汽车由1985年的28.45万辆增加到770万辆，这些民用汽车特别是私人汽车，多集中在我国的城市地区，而且增长趋势迅猛。

汽车工业虽然给人们带来各种便利，但是也给城市交通带来了沉重负担，城市道路交通供需的严重不平衡已经成为各大中城市所共同面对的严重问题，特别是在大城市，交通堵塞现象时有发生，这不仅影响城市的正常运转，而且明显降低了人们的日常工作效率。据统计，现在全国32个百万人口以上的城市中，有27个城市的人均道路面积低于全国平均水平。每年由交通堵塞造成的直接经济损失大约1600亿元;相当于国内生产总值的3.2%121.由此产生了一系列的问题，如环境污染、交通拥挤、交通事故频发等，给人们的生命和财产带来了很大的损失。

2001年，全国共发生交通事故70多万起，10万多人死亡，受伤人数50万人，直接经济损失达30亿元。近五年，全国道路交通事故起数上升了32.5%，死亡人数上升了85%，受伤人数上升了42%。目前，机动车污染己经上升为我国城市大气和噪声的主要污染源。例如，北京市汽车排放的一氧化碳、碳氢化合物、氮氧化物已占总排放的40%-75%。广州市与交通有关的排放占一氧化碳总排放的87%和二氧化氮的67%。据国际卫生组织1998年公布的调查报告，在全球空气污染最严重的10个城市中，我国就占了7个，包括太原、北京、乌鲁木齐、兰州、重庆、济南、石家庄.为了解决上述交通问题，修建更多的道路是最直接和最有效的方法。然而，修建新路的巨额资金和城市有限空间的严格限制，使这一方法的有效性大打折扣。近年来，世界各国都非常重视日益严重的交通问题，投入大量人力物力对道路交通运输系统的管理与控制技术进行开发，相继出现了许多不同的交通控制手段和系统，为缓解交通拥挤发挥了巨大的作用。

在以上诸多交通问题中，城市交通问题是困扰城市发展、制约城市经济建设的重要因素。随着城市中的交通线承担了更大量的交通负荷，现有的设施、道路，特别是交通线中承受着高负荷的交叉口，已经很难适应这种发展速度，变得越来越拥挤，成为道路交通的瓶颈，因此采用先进的科学技术手段对城市交叉路口的交通灯实施合理优化控制，对改善城市交通状况有很大的作用。1.2智能交通系统简介

近年来，迅速发展起来的智能交通系统(Intelligent Transportation Systems，简称I ONTSj有别于传统的交通改善技术，它是国际上对运用当代高新科技(计算机、信息、通信、自动控制、电子、系统工程等)提高交通运输效率、增强交通安全性的一系列先进技术或技术集成(交通控制与线路导行系统、车辆行驶安全控制系统、交通运输信息服务系统等)的一个统称。

作为基础设施，道路交通运输支撑着人们的日常生活和经济活动，对社会发展起着十分重要的作用;然而不断发生的交通事故、持续的交通拥挤以及交通发展所引起的空气污染、环境破坏也逐渐成为倍受关注的严重社会问题。智能交通系统被认为是缓解这一问题的极具潜力的方法。发达国家从20世纪60年代就开始从事这一领域的研究和开发，并取得了不少有价值的成果。据统计，智能交通运输系统技术的应用可以减少10%的废气排量，20%的交通延时，30%的停车次数。美国Los Angels地区和Texas州在智能交通系统方面投资的效益一成本比率分别是16:1和22:1，收益非常显著。而这一切，都是在基本上没有进行道路改建和引入新的高速车道的情况下取得的。投资ITS所带来的收益可见一斑。

智能交通系统开发的领域主要包括:居民出行与货物运输需求智能诱导系统、交通流优化与运输组织智能化方案生成系统、综合交通枢纽协调疏导信息系统、先进的交通管理系统、车辆运营智能调度管理系统、智能公共交通系统、智能大城市公共交通运输服务系统、货物运输智能型配载运输服务等

我国在20世纪70年代末就已经开始在交通运输和管理中应用电子信息技术。此后的20多年里，在政府的支持与坚持自主开发的基础上通过广泛的国际交流与合作，在ITS领域进行了初步的理论研究、产品开发和示范应用，并取得了一定的成果。一批从事ITS研究 开发的研究中心和生产企业通过理论与实践相结合正在成长。国家科技部1999年批准建立了国家ITS工程技术研究中心(ITSC)2000年又批准建立了国家铁路智能运输系统工程技术研究中心。许多大学和研究机构也纷纷组建ITS研究中心，从事ITS的理论研究和产品研发，例如东南大学ITS研究中心、武汉理工大学ITS研究中心、吉林大学ITS研究中心、北京交通大学ITS研究中心、同济大学ITS研究中心、华南理工大学ITS研究中心等[121。中国交通领域和IT行业的很多企业被ITS巨大的高新技术市场所吸引，纷纷涉足ITS领域进行其产品的开发研究和推广应用，将先进的智能控制技术、信息融合技术、智能信息处理技术与交通工程结合起来，己成为一个崭新的研究方向

为协调和引导中国ITS的发展，2001年初国家科技部会同当时的国家计委、经贸委、公安部、铁道部和交通部等部门，联合成立了全国ITS协调指导小组及办公室，并成立了ITS专家咨询委员会负责组织研究中国的ITS发展总战略、技术政策和技术标准，积极支持有 关部委、地方、企业及科研单位，根据行业和地区特点开展ITS的关键技术研究与应用示范工程，促进ITS研究成果的产业化。1.3城市交通信号控制概述 按照控制原理的不同，传统的交通信号控制分为定时控制和感应控制.定时控制按事先设定的配时方案运行，根据交通量历史数据进行配时;感应控制是某相位绿时可根据车流量的变化而改变的一种控 制方式，其中车流量可由安装在平面交义日进日道上的车辆检测器测量.一者的控制策略均是基于简单的数学模型，由于城市交通系统中被控对象的不确定性、随机性和过程机理复杂性，现场车辆检测存在 误差，建立精确的数学模型非常困难，这就造成了算法本身就有一定的缺陷.除此之外，即使经多次简化建立的数学模型，它的求解还须简化计算才可完成.对于交通系统这样时变的复杂系统而言其效果往往差强人意.随着人工智能研究热潮的兴起，人工智能方法为智能交通系统的研究提供了坚实的理论基础.针刘传统交通控制的固有缺陷和局限性，许多学者将模糊逻辑、神经网络、遗传算法、蚁群算法、多智能体技术等人工智能基础研究方法同传统的交通控制方法结合应用.一方面，交通系统结构复杂、影响因素多、随机性很强的，利用数学方法解决交通问题的难度很大，所建立的模型往往过于复杂，难于求解，同时交通流系统的多样性也很难用一种或儿种模型来体现;另一方面，交通系统又是一个动态的时变系统，交通竹理与控制的实时性要求非常高.因此，从实际情况出发，基于数学描述的交通竹理控制方法难以满足在线实时控制的要求，可操作性较差.而人工智能的方法(包括模糊逻辑、人工神经网络、遗传算法等)，借鉴人类求解问题的方法，通过知识的表达、推理和学习解决复杂的问题，将以往用纯数 学来描述交通系统转变为用知识或知识与数学模型相结合来描述.1.4国内外城市交通信号控制的发展历程

1868年英国在伦敦市首次使用了燃汽信号灯，用于管理城市交通，这种信号根据铁路信号显示方式由红灯与绿灯组成，这标志着城市交通信号使用的开始[[141。这时交通警察大多使用手提式照明灯来指挥交通。1914年，美国在克利夫兰城安装使用了人工操作的电气照明信号灯，六年后被日本采用，十年后被英国采用，这种信号设置在交叉口中央的信号塔上，四个方向均有直径为37.5cm的红、绿、黄三色的圆形投光器。许多国家采用后又逐渐给予了改进。1926年，世界上第一台自动控制街道交叉路口的交通信号机在英国研制成 功并开始使用，它采用固定周期控制方式，随后又出现多时段固定周期控制方式。1928年，美国研制成功车辆感应式交通信号灯，使用橡皮管气压式检测器。几年后被英国、日本采用。在交通信号不断改进和发展的同时，用于多个路口协调统一控制的交通信号控制方式 也在不断进步。1917年，美国盐湖城安装使用了人工控制的干道信号协调系统。1922年，美国休斯敦市建立了一个采用电子计时器的干道信号协调系统。1928年，美国研制成功一种灵活的步进式定周期干道信号定时系统，由于其技术简单，可靠性高，价格低廉，很快 被英国、前联邦德国、日本等国广泛应用。

随着交通信号感应控制技术和电子计算机技术的发展，1952年在美国丹佛城出现了采用模拟电子计算机的交通信号控制系统，该系统将单一交叉路口的交通感应控制概念应用于街道交通信号化网络，并用车辆检测器向控制中心输入交通流数据，用模拟电子计算机 进行数据处理，然后再调整各交叉路口的交通信号程序。在随后的11年间，美国建立了100个这种信号控制系统。1963年加拿大多伦多市投入了由IBM650型计算机控制的交通信号协调控制系统，这标志着城市道路交通控制系统进入了一个新的阶段。其后，美国、英国、前联邦德国、日本、澳大利亚等国家相继建成数字电子计算机区域交通控制系统，这种系统一般还配合交通监视系统组成交通管制中心。到八十年代初，全世界建有交通管制中心的城市有300多个。1.5城市交通信号灯控制的发展方向

越来越多的资料显示表明，城市交通信号控制的研究主要体现在以下三个方面:

(1)人工智能(AI)在城市交通信号控制问题中的应用有利于提高当前交通信号控制系统的性能

最近，越来越多的人们开始把注意力集中在人工智能技术应用于交通工程问题上。城市交通信号控制系统在操作方面分为三个重要阶段，即交通数据采集、数据分析与处理、判断与控制。从数据采集和处理，到确定最好的控制动作，以及到动作的实施，关键是全面提高信息决策过程的质量。这些都和相当多的专门知识有关，在很大程度上涉及相关的规章制度，并且受限于现实中的实际约束。归纳上述问题，用AI途径来提高相应的基本职能是可能的。综合起来，难题集中于精确交通信号方案选择体系，交通信号方案选择体系在欧洲己经被广泛用于UTCS田rban Traffic Control System)中。(2)利用离散时间、滚动区域法(rolling horizon)研究交通信号控制系统

滚动区域法利用最近检测到的数据，对系统现行状态(主要是各个路口的现行排队长，进行估计，为滚动区域的持续时间内搜寻一种优化信号控制方案。滚动区域的时间必须足够长，时间分为两部分，前一段时间执行滚动区域法的优化方案。在滚动区域法的最后一 段时间内，以终端代价函数的形式验证滚动区域法基础上优化的信号方案。若满足要求，则继续执行该方案，否则停止执行，重新优化信号方案。Robertson和Bretherton于1974年最初提出了离散时间滚动区域法，至今该领域的主要研究及发展，大多在欧洲国家。用户网络的离散时间、滚动区域法信号控制系统有待于研究。

(3)分散控制系统仍是未来的一个研究方向

分散控制系统相对集中控制系统来说可以减少信道负载，减少网络控制中灾难性失效。因此，这种控制系统仍是未来研究和发展的一个重要方向。

第二章 城市智能交通控制的基本理论

从应用上来看，日前具有代表性的城市交通控制系统中，英国的SCOOT属于集中式控制系统，澳大利亚的SCAT和德国的MOTION为递阶分层分布式控制系统，但这些系统及其体系结构未考虑到如 何实现控制方式或控制模式多元化及其传统控制方法与人工智能技术集成的问题.西班牙的D.M.Aymerich和法国的G.S cemama对这些问题分别进行了有益的研究和探索，但这些系统的体系结构只强调继承和利用现有的交通系统而不能自成体系，难以体现系统的分层递阶特征，有一定的局限性.从理论研究上来看，传统的城市智能交通控制方法是通过对城市交通系统建立一定的数学模型，然后运用最优控制理论来求解控制变量.在这类方法中，为了简化问题和解决某些数学技术上的具体限制，在建模时通常需要对模型进行理想化和一些不确定条件的人为设定，而这些简化与现代城市，尤其是特大型城市的交通系统所具有的非线性、动态时变性等特点是相矛盾的，因此造成了所用最优方法在实际 中并非最优，或者面对大规模城市无法对交通数据进行实时有效的计算等缺点.新的技术和方法的引入显得十分必要和非常迫切，计算机的出现和广泛应用促成了人工智能研究热潮的掀起，而这又必然会导 致包括系统体系结构及控制策略等各方面的调整和改进.许多专家学者从智能控制的角度出发，利用模糊逻辑、人工神经网络等理论来研究这个问题.2.1模糊逻辑(Fuzzy Logic)

模糊逻辑是一种处理不确定性、非线性等问题的有力工具，它与人类思维的某些特征相一致，因此，嵌入到推理技术中具有良好效果.模糊逻辑不需要获取模型中的复杂关系，不需要建立精确的数学模型，是一种基于规则的智能控制方式，特别适用于具有较大随机性的城市交通控制系统.1976年，Pappis和Mamdani就将模糊逻辑用于单路日的交通控制，其仿真结果表明比用传统的控制方法平均减少车辆延误7%左右.我国学者徐冬玲等人则把模糊逻辑用于单路日信号月‘控制，并用神经网络实现模糊控制，仿真表明控制结果合理、迅速.崔宝侠等在双模糊控制器陇调控制交通信号的基础上，采用模糊推理来替代函数模型，根据输入输出量的大小改变模糊控制器的输入输出变量的论域范围;该算法更加方便地实现了控制器自调整和自适应，车辆平均延误时间改善4.68%至12.24 %.当车流量有突变时，改善效果更明显 2.2人工神经网络(Artificial Neural Networks)人工神经网络是模拟生物的神经结构及其处理信息方式的一种算法.它具有自适应、自组织和自学习能力，在认知处理、模式识别等方面有很强的优势，最显著特点是具有学习功能.人工神经网络适用于非线性时变性系统的模拟与在线控制，I I适合于交通控制系统这一非线性、时变系统。

1991年，Nahatsuji和Terutoshi通过训练的一个神经网络使其给出某单个交义日的最优绿信比，后来又把研究工作打一展到3个交义日上.C.J.Barnard等利用BP网络模型，分别以交通流密度和不同相位的绿时作为输人、输出，直接建立起交通模式与信号方案之间的内在联系，从而实现了以交通流最优化为日标的二相位孤立交义路日的自学习动态适应性控制系统[}}}.C.Ledoux则提出了基于神经元网络的实时适应性城市交通信号控制系统的交通仿真模型[lob.许伦辉等针对城市交义日交通流的分布特点，考虑相邻车道上车辆排队长度，利用多层BP神经网络实现了道路交义日多相位模糊控制，给出一种自适应交义日多相位控制算法，仿真结果表明，模糊神经网络控制器能有效的减少交义日平均车辆延误，具有较强的学习和泛化能力[f51.张康等提出了“车流阻塞参数，的概念，用模糊神经网络训练其信号控制规则，仿真结果表明，控制效果有明显提高flll.日前越来越多的路日采用了多相位信号控制，而目控制规则一经确定就不再改变，即不具备实时学习的功能.因此，对于交通状况复杂的多相位路日，很难取得满意的效果.2.3遗传算法(Genetic Algorithm)

遗传算法是运用仿生原理实现在解空间的快速搜索，广泛应用于解决大规模组合优化问题.它是一种比较先进的参数寻优算法，对于不易建立数学模型的场合其实用价值较为突出，是以同样适用于交通系统。

1997年，Kiseok和Michael等应用遗传算法对交通网络内的交义日信号相位进行设计，在交义日形成的冲突点，结果显示该方法给出的相位方案要优于TRANSYT给出的方案.同年，C Q Memon等人给出了利用遗传算法进行信号配时方案设计的研究结果.陈小锋针对典型的多车道双向交义路日的交通流分布，建立四相位控制的动态交通控制模型，采用遗传算法同时对信号周期时长和相位绿月‘持续 时间进行优化’.承向军对到达车辆数日进行模糊分类，将不同数量车辆的信号控制决策方案以规则集形式存储在知识库中，利用改进的遗传算法，对交义日信号模糊控制器的模糊规则进行优化，建立了 新的优化算法.顾榕等将免疫遗传学思想运用到交通信号控制中，提出一种新的相位配时优化算法，将平均延误时间由76.7S降至36.4S，实验结果充分验证了该算法处理交通配时优化问题的可行性和有效性.李艳利用改进的遗传算法对交义日信号模糊控制器进行优化，建立新的配时优化算法，仿真结果比Pappis方法性能提高了21%}IB}.2.4蚁群算法(Ant Colony Optimization)蚁群算法是一种模拟进化算法，它是一种求解组合最优化问题的新型通用启发式方法，该方法具有，反馈、分布式计算和富于建设性的贪婪启发式搜索的特点.闻育应用蚁群算法搜索各路日的最优信号灯相位序列，对算法复杂度作了理论分析，并通过仿真实验与单路日感应式信号控制技术进行比较，结果表明效果较好，总停车时间降低7.2%}19}.闻育还提出 一种基于改进蚁群算法的降阶滚动优化算法，基于宏观交通流模型建立了区域交通控制滚动优化模型，在蚁群算法中设计了层状解结构图，应用降阶方法将大规模区域分解为一系列了区域，仿真结果显示，区域滚动优化控制比感应式控制的总停车时间下降了8.2% 2.5粒子群算法(Particle Swarm Optimization)粒了群优化算法是由Eberhart博士和kennedy博士于1995年提出，是基于对鸟群、鱼群捕食的行为模拟研究而来.同其他基于群智能((Swarm Intelligence)的随机优化算法相比，PSO算法具有收敛速度 快、设置参数少、程序实现异常简洁、具有深刻的智能背景等特点。

瞿高峰以交义日车辆平均延误和停车次数最小为日标，建立信号控制交义日配时模型，运用粒子群优化算法求解该模型，结果表明比传统方法更优，车辆停车次数略有增加，通行能力略有下降，但停车延误时间大大下降低，由23.97S下降至14.27 S }22}.这表明运用粒子群优化算法解决交义日配时问题是有效和可行的.付绍吕，黄辉先提出在自适应粒子群算法中引入变异算子建立离散交通信号控制模型，以更新粒了群算法的个体极值点和全局极值点，仿真表明该混合算法可解决易陷入局部收敛的缺陷并能有效实现交通信号优化控制傅惠等提出了基于粒子群优化的城市关联交义日群信号控制策略，根 据粒了群优化思想求解信号控制参数.仿真实验证实，基于粒了群优化的关联交义日群信号控制策略有效 2.6多智能体技术(Multi-agent)智能体技术由M insky在1986年首次提出，一般认为:智能体指驻留在某一环境下，能持续自卞地发挥作用，具备驻留性、反应性、社会性、卞动性等特征的计算实体.随着车辆数和城市路网规模的增 大，信号控制系统的复杂性增大，同时由于交通流在信息、控制方面固有的分布性，采用多智能体系统构建城市交通控制系统的计算环境己成为交通系统陇调控制的热点

国外对智能体在交通中的应用早有报道，如B urmeiste:提出多智能体在交通运输中应用的思路。Roozemond分析了智能体、神经网络和分布式人工智能在城市交通控制应用的前景和价值Goldman提出了一个基于多智能体的增量4.补学习的路日控制器[28].Choy等采用一种复杂的模糊神经网络进化混合系统来构造分层分布式交通控制多智能体系统，各个智能体利用模糊系统的推理能力、神经网络的学习能力来进行实时决策.各层智能体的感知过程能通过在线强化学习进行调整.国内一些学者也对智能体在交通控制中的应用作了一些尝试性研究，马寿峰等提出了单个路日的基于Q学习的交通信号控制Agent，并在此基上研究了基于对策论和社会规则的多智能体陇调方法陶志祥对基于Agent的分层递阶控制结构进行了概述。高海军以博弈论为基础，提出了交通控制Agent之间的区域陇调模型及算法[[32].李瑞敏结合城市交通控制与诱导系统集成的特点，研究了基于多智能

体系统的城市交通信号控制与动态诱导集成化的系统结构和两类相b_作用的智能体模型结构.赵建有等提出了人、车、路、交通竹理系统的交通系统Agent结构，并提出了路日Agent-区域控制中心Agent-卞控制中心Agent的二级交通控制结构郭建钢、伍雄斌等提出了基于遗传算法和多智能体技术的交通系统陇调控制的建模方法以及建模过程应注意的问题，并实例验证，得到可降低车均延误12%,缩短周期时长27.2%的结论[[35-37].刘虹秀等提出了基于多智能体的陇调方法，该陇调方式能适应牢时今什的夺诵环靖，曲调方式诵信普川高的缺占.第三章 多智能体技术介绍

3.1智能体(Agent)随着计算机技术和人工智能的发展，集中式系统己不能完全适应复杂大系统研究的发展需要.并行计算和分布式处理技术(包括分布式人工智能)应运而生，并在过去20多年中获得快速发展.近10年来，智能体和多智能体系统的研究成为分布式人工智能研究的一个热点，引起多种不同等领域科技工作者的浓厚兴趣，为分布式系统的综合、分析、实现和应用开辟了一条新的有效途径，促进了人工智能和计算 机软件的发展 3.2 Agent的特点

有关Agent的概念可追溯到1977年Hewitt提出的并发的演员(actox)模型，在该模型中，Hewitt提出了自我包含、相匀_作用、并发执行的对象一演员，该对象中具有某些被封装的内部状态并可对来自其它类似对象的消息进行响应.而Agent一词最早可能由M.Minsky所提出，他在1986年出版的”Societyof Mind”中引入了“society“III”Soclal Behavor”的概念.认为个体存在于社会中，社会中的个体在有矛盾的前提下可通过陇商或者竞争的方法对问题进行求解，并将这些个体被称为‘`Agent".日前，普遍认为Agent是一个持续、自治运行的实体，按照Y.S hoham的观点，Agent是一个包含诸如知识(knowledge)、信念(beliefs、承诺(commitments蹄I I能力(capabilities)等精神状态(mental-state)的 实体.虽然不同的研究者对Agent有着这种或那种的解释，但其卞要具有以下特点: 1）自治性(autonomy）Aegnt能根据外界环境的变化，而自动地对自己的行为和状态进行调整，而不是仅仅被动地接受外界的刺激，具有自我竹理自我调节的能力.2)反应性(xeactive)与面向对象的方法相似，agent能对外界的激励作出反应的能力.3)卞动吐(pxoactive）

对于外界环境条件的改变，agent能卞动采取活动的能力.4)社会性(social）

Agent所具有的与其它Agent或人进行合作的能力，不同的Agent可根据各自的日的意图与其它Agent进行交流，以达到问题解决的日的.除了以上的基本特性，Agent还包括一些其他的属性:

推理能力:Agent AJ以根据当前的知识和经验，以理性的、可再生的方式推理或推测.规划能力:Agent A丁以根据日标、环境等的要求，至少对自己的短期行为做出规划，具有生成规划的能力.学习和适应能力:Agent A丁以根据过去的经验积累知识，并目修改其行为以适应新的环境.3.2 Agent的结构

建立Agent的结构是应用Agent技术的基础，关于Agent模型结构的研究是日前卞要的研究领域之一对于Agent的模型构成，存在着各种不同的观点.一般认为一个Agent应包括感知器、决策控制器、精神状态、知识库、通信器等儿部分组成.BDI模型是一被普遍接受的Agent精神状态模型，它认为Agent的精神因素包括信念(belie、愿望(desire)、意图等部分组成，其本质上要解决的问题是如何确定Agent的目标以及如何实现这个目标。3.3 Agent的分类

Agent作为一种新兴的计算机软件开发方法，是一个相当大的范畴，从普通的人、动物、社会机构乃至普通的物体根据实际应用的不同，都可被抽象为Agent.根据Agent的功能和应用的不同，一般将Agent分为以下儿种类型: 合作Agent:卞要用在多Agent系统中，为完成自己的任务，能自动地与其它成员进行谈判、信息交流等活动

界面Agent:强调自治性与学习能力，用于与用户交4_的操作界面上，能自动地根据用户的喜好特点，进行个性化设置，并能为用户的操作提供必要的帮助.活动Agent:可以自由地在计算机网络上移动，并与其它的计算机相4_作用，其卞要应用于计算机通讯方面.信息Agent:卞要用于网络信息收集、查询、整理，它将比日前使用的搜索工具更强大，能根据用户的不同要求，提供详细完备的资料.反应Agent:不包括任何内部符号处理模型，只是简单地对外界刺激发生反应，卞要用于一些底层的、简单的系统中.混合Agent:指具有两种以上上述Agent的复杂Agent，由于结构复杂，日前应用相对较少.3.4多智能体系统在交通控制领域的优越性

多智能体系统是分布式人工智能研究的新领域.尽竹MAS在理论上还有很多值得深入研究的课题，然而它己经获得十分广泛的应用，涉及机器人、过程控制、柔性制造、远程通信、网络竹理、交通控制、电子商务、数据库、远程教育和远程医疗等.其中将智能体系统技术用于交通控制是一个新的方向[0.由于交通控制拓扑结构的分布式特性，使其很适合于应用多智能体技术.运用多智能体系统进行交通系统调控制的优点有如下儿个方面:

(1)多智能体系统采用“由下向上”的设计方法，符合交通系统的形成规律.多智能体系统在原理上首先定义分散自卞的智能体，然后研究怎样完成一个或多个实体的任务求解，所以多智能体系统采用了由底向上的设计方法.交通系统是一个包含了交通工具、交通设施、交通控制中心等多元素多层次的复杂系统.因此多智能体系统的设计方法完全符合交通系统的形成规律.(2)多智能体系统从功能上按层次化结构划分的特点，符合交通系统的分布式特征.构成多智能体系统的不同种类的智能体从功能上按照层次化结构划分，承担不同的任务，相办作完成系统的整体目标.交通系统的各组成元素分布在不同空间位置，按照层次化结构划分.因此，多智能体系统适合交通系统这样具有分布式特征的复杂系统的模拟研究.第四章

基于RBF神经网络的单交叉口自学习控制系统

4.1引言

由于城市化速度的加快，机动车量的迅速增加，人们在赚取由机动车辆所带来的巨额利润以及充分享受汽车巨大便利的同时，也越来越受到交通拥挤和交通安全的困扰。随着城市中的交通线上车流量的日益增加，现有的设施、道路，特别是交通线中承受着高负荷的道路交叉口，己经很难适应这种发展速度，变得越来越拥挤，成为道路交通的瓶颈，因此采用先进的科学技术手段对城市交叉路口的交通灯实施合理优化控制，对改善城市交通状况具有很大的作用。

对于交叉口的信号控制，通常有两种控制方式:一种是定时控制，即根据统计资料算出交通量，给出一个或多个(用于不同时段)控制方案，这种控制方法在交通流不大且较稳定的情况下是简单有效的。但在交通拥挤且变化较大时，定时控制的效果比较差。另一种是感应控制，即根据布置在交叉口的传感器感应到的车辆排队长度来设置控制参数，感应控制在当车流量较小且无规律时，容易产生绿时分配不合理的现象，同样也会降低路口的通行能力。而当车流量较大时则容易退化成定周期控制，从而失去感应能力。由于这些常用控制方法的缺点，一些人工智能的方法愈来愈引起人们的重视。

针对多相位单交叉口的神经网络控制方法，已经有文献提及。本章提出了一种利用RBF神经网络来模拟交警控制思维的智能控制方法，并且加入了对控制状况进行修正的评价准则，在模拟控制过程中，RBF神经网络根据评价准则进行实时调节，因此这种神经网络具有自学习功能。

仿真研究结果表明基于RBF神经网络的交叉口自学习控制系统学习速度快，能有效提高多相位路口的通行能力，对车流的变化具有很强的适应性。4.2问题描述

城市单交叉路口的交通流如图4-1所示，东、南、西、北四个方向，每个方向均存在左行、直行、右行三个车道车流。

图4-1单交叉口交通流分布

考虑这个十字形的平面交叉路口具有四相位。每个相位对应的车流流向如图4-2所示。

图4-2四相位交叉口交通流控制图

假设一位交通警察在该路口指挥交通，他可以根据这四个相位的车量排队长度作为依据，按顺序给各个相位分配通过时间。由于各相位在不同的时间段里到达车流量具有随机性，根据交通情况，交警给各个相位分配的时间也会不断变化。

由此可见，模拟交警的思维实际上可以将四相位的车辆排队长度为输入，以对应的信号周期时间和各个相位的绿信比为输出构造一个神经网络，然后将交警指挥某些具体交通流情况下的输入输出作为样本训练神经网络。

4.3控制器的设计及其算法

4.3.1基于神经网络的单交叉口模型

根据对四相位交叉口信号控制问题的描述可以确定神经网络结构如图3-3所示。该网络由四个输入分别对应四个相位的车辆排队长度Ii，四个输出分别对应信号周期T和各相位的绿信比(j =1, 2, 3, 4)

图4-3神经网络学习结构模型 4.3.2 RBF神经网络

径向基函数(Radial Basis Function, RBF)神经网络由三层组成其结构如图4-4所示。

图4-4径向基函数RBF神经网络

隐层节点中的作用函数称为基函数，一般采用的基函数形式为高斯函数:

式中:，x是n维输入向量;

c，是第i个基函数的中心，与x具有相同维数的向量;

ơ

是第1个感知的变量，它决定了该基函数围绕中心点的宽度;

m是感知单元的个数;4.3.3神经网络自学习方案

(1)原始样本的获取

首先将已知的交警指挥经验用符合上述神经网络的样本形式表示出来，然后用这些样本训练神经网络，这样该网络就具备初步的控制交通的能力，可以将其用于实际交通控制中，但由于此时的网络学习规则不具有遍历性，所以需要有一个评价准则来对网络的控制效果作出评价，并修改重新学习。

(2)评价准则

对于投入实际交叉口控制的神经网络，评价准则要对其配时方法的控制效果作出评价，并修正信号周期和各相位的绿信比。设六个信号周期为一个评价周期，l为第1个信号周期结束时第.1个相位中所有方向车流的排队长度之和;1'为一个信号周期结束时的J相位总的排队长度;习为第i个信号周期内第.7个相位中所有方向放行的车辆总数;r;'为第i个信号周期内第J个相位中所有方向到达的车辆总数;所以，式中:当括号内的数小于0时，z=0，否则z=1，且有

一个信号周期过后J相位各个排队长度:

一个信号周期过后四相位累计排队长度:

然后计算这种交通情况下各相位的绿信比:

最后依据平均排队长度的大小L，来确定周期T的增量△T，这里将设定5个档次: L ,55, 55> L ,35, 35> L ,15, 15> L ,5, L <5对应的△T分别为15s, lose 5s, Os和一Sso

根据以上的评价过程，可以得到新的输入输出样本，神经网络对新样本进行再学习。4.4仿真分析

本章按照前面所述的RBF神经网络自学习控制方法，在Matlab语言环境中编程进行了仿真。在通过调查采集到的实际数据的基础上分析交警指挥单交叉路口信号的控制规律，并从中选出在不同车流量情况下具有代表性的信号控制模式，形成40个神经网络学习样本，然后用RBF算法对神经网络进行训练，再用服从二项分布的随机数来描述车流的到达情况。仿真研究时，取直行车道的饱和流量为1200PCUlh，左转和右转车道的饱和流量为1000 PCU/h。车流到达路口后，左转、直行和右转的比例分别为30%, 40%和30%。由上述学好的网络进行控制，确定6个信号周期为一个评价周期，得到一个新的样本。每隔20个评价周期，将得到的20个新样本加入总的学习样本集进行再学习。

训练RBF网络时，将网络误差设置为o.01，并通过自动增加径向基神经元的方法来不断减少网络误差，从仿真过程中可以看到，在神经元个数接近样本个数时网络收敛。

为验证本章提出的RBF神经网络自学习控制方案的控制效果，仿真运行中将其与定时控制方法以及BP神经网络学习方法的控制效果进行了比较，结果如表3-1所示。可以看出，随着车流量的增大，BP神经网络与RBF神经网络的控制效果明显优于普通的定时控制方法。

神经网络自学习控制方法效果比较

该仿真中也将BP神经网络与RBF神经网络的学习性能进行了对比，对于得到的不同样本，RBF神经网络都能快速学习，而BP神经网络对于某些样本的学习会陷入局部最优，达不到学习要求。这说明由于本文提出的RBF神经网络信号控制方案具有自学习和逐步优化能力，因而其控制效果优于一般的智能信号控制方案。

第五章结论与展望 5.1 总结

城市交通信号的优化配时己经成为当前智能交通系统研究的热点之一，由于交通系统是一个复杂时变的非线性系统，对其进行精确建模比较困难，因此采用各种智能优化算法来实现对城市交通信号的控制己成为一个比较热门的研究方向。

本文以城市交通为研究背景，分别对单交叉口和交通干线的信号采用智能优化的方法来实现控制，取得了一些结果: 本文采用RBF神经网络建立交叉口模型实现了单交叉口自学习信号控制系统。

系统通过模拟交警指挥交通的思维过程，能够根据四相位交叉口各相位车辆的排队长度，实时对各个相位的绿信比和总的信号周期进行分配，并且随着交通状况的变化，可以对信号配时效果作出调整，具有自学习功能。通过仿真与定时控制相比较，证明了基于RBF 神经网络的单交叉口自学习控制系统的优越性。该方法能够更好的适应实际交通状况，提高交叉口的通行能力。5.2 展望

本文对城市智能交通信号控制系统进行了研究，取得了一定的成果。由于时间紧迫、本人的水平有限，研究工作需要进一步地深入，今后的工作将围绕以下几方面展开:

1.由于实际城市交通的控制问题，是一个区域的控制问题，所以，应进一步将智能优化算法应用到城市交通信号区域层面上的控制中去，即采用智能优化算法实现面控。

2.城市快速公交系统控制是当前的一个热点，将城市交通信号控制与城市快速公交控制以及路径引导结合起来研究将是一个很好的研究方向。

3.将所设计的控制算法真正应用到实际的城市交通信号中进行控制，以实际效果来检验算法的优劣。

第二篇：第三章 城市交通信号模糊控制理论

2城市交通信号模糊控制理论

模糊控制理论应用于工业、汽车、家用电器、交通等各个领域，其在交通中的一个重要的应用就是城市交通信号模糊控制。本章在阐述模糊控制原理的基础上，介绍城市交通信号模糊控制的理论基础，为下一章的城市交通信号模糊控制器的设计作理论铺垫。2.1模糊控制基础理论分析 2.1.1模糊控制的特点

模糊控制实际上是一种非线性控制，属于智能控制的范畴。近几十年来模糊控制理论无论是在理论还是技术上都有了很大的进步，模糊控制在实际应用上也已经硕果累累，这主要是由模糊控制的特点决定的：

1、模糊控制既具有系统化的理论，又有着大量实际应用背景。

2、模糊控制是一种基于规则的控制。在实际的设计中不需要建立精确的数学模型，因而控制器的设计简单，便于应用。

3、基于模型的控制算法及系统设计方法，由于出发点和性能指针的不同，容易导致很大差异；但一个系统的语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到这种规律，使控制效果优于常规控制器。

4、模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的控制。

5、许多复杂系统，很难建立模型和控制，因为它们包含不确定性、不精确性、并混杂有非线性和时变性。模糊控制对于那些数学模型难以建立，变化非常显著的对象较适用。

6、是一种反映人类智慧思维的智慧控制。模糊控制采用人类思维中的模糊量，如“高”“中”“低”“大”“小”，控制量由模糊推理导出。这些模糊量和模糊推理是人类通常智慧活动的体现。

7、模糊控制具有语词计算和处理不确定性以及模糊信息的能力。模糊控制本质上是一种基于语言规则的仿人智能控制。由于控制对象仅能提供一些模糊信息，计算机参与这类控制时必须模仿人类能够接受和处理模糊信息，进行模糊控制的本领。2.1.2模糊控制的基本概念

在人们的思维中，有很多没有明确外延的一些概念，即模糊概念，如以人的年龄为对象，那么“年轻”、“中年”、“老年”就没有明确的外延；不同的人有不同的感受与判断；再如炉温的“高温”、“中温”、“低温”也是此类的概念。以上这种概念不能用经典集合加以描述，不能绝对地区别“属于”与“不属于”，而要用模糊集合的概念描述。在本文中用到的模糊控制重要概念有：变量的论语、模糊子集、隶属度、模糊关系与模糊矩阵。

1、论语：被考虑对象的所有元素的全体称为论语，又称全域、全集、有的也称空间，一般用大写字母U表示。

2、模糊子集：给定论语U，U到[0，1]闭区间的任意映射A，A：U→[0，1] →A

都确定U的一个模糊子集A，A就是论语U的模糊子集。

~~

3、隶属度函数：上式中A称为模糊子集的隶属度函数。隶属度函数的表示方法大致有以下三种：

(l)图形表示法(2)表格表示法(3)公式表示法

4、隶属度：A()为对A的隶属度。

~

5、模糊关系：模糊关系R也称模糊控制规则，它描述了元素之间的关联程度，当论域X、~Y都是有限集时，模糊关系可以用模糊矩阵来表示。设X=x1,x2,xn，Y=y1,y2,yn，模糊矩阵R的元素rij表示论域X中第i格元素xi与论域Y中的第j格元素yj对于关系R的~`隶属程度，即RXi，Yjrij。

~2.1.3模糊控制过程及原理分析

模糊控制的控制规律由计算机的程序实现，实现的过程是：计算机采样获取被控制量的精确值，然后将此量与给定值比较得到误差E；将误差E作为模糊控制的一个输入量；把E的精确量模糊化变成模糊变数，从而得到E的模糊语言集合的一个子集e~；由e~与控制规则R进行模糊推理，得到控制变量u，其中u=eR，其中u是模糊变量；将模糊~~~~~~变量u转换为精确量，这样通过u可以对被控对象进行控制；循环进行第二次采样，进行第~~二步控制，循环下去，最终实现被控对象的模糊控制。具体的模糊控制原理与过程如下图所示：

模糊控制的核心是模糊控制器，在使用模糊控制器进行模糊控制时必不可少的三步骤为：精确量的模糊化、模糊规则的设计、反模糊化，下面分别分析、介绍这三部分。

（一）精确量的模糊化

精确变量的模糊化过程实际上是定义模糊变量的模糊子集的过程，而定义一个模糊子集就要确定模糊子集隶属函数曲线的形状，确定隶属函数曲线有以下常用的几种方法：

（1）主观经验法：当论域是离散变量时，根据主观人数或个人经验，直接或间接给出隶属的具体值，由此来确定隶属度函数。

（2）分析推理法：当论域连续，根据问题的性质，应用一定的分析与推理，决定选用某些典型的函数作为隶属函数。如三角形函数、梯形函数、高斯函数等。

（3）调查统计法：以调查统计结果所得出的经验曲线作为隶属函数、作为隶属曲线。根据曲线找出相应的函数表达式。

将确定的隶属函数曲线离散化，就得到了有限个点上的隶属度，便构成了一个模糊变数的模糊子集。模糊子集的数量一般选5个或7个为宜。隶属度函数曲线的形状一般有：三角形、梯形、高斯型等，在目前的应用中大部分都是为方便起见采用梯形、三角形隶属度函数。

（二）模糊规则的设计

模糊规则是模糊控制中的重要环节，模糊控制器正是依据这些模糊控制规则来完成最终推理，它用“IF--THEN”的形式描述被控对象的动态特性。目前模糊规则大都是专家经验确定，并且要求模糊控制规则要完整覆盖模糊集合。

常见的模糊控制规则根据模糊控制器的种类不同可分为以下几种：（1）单输入单输出模糊控制器

该种控制器仅有一个输入变量、一个输出变量，设模糊集合A为属于论域X的输入，~~模糊集合B为属于论域Y的输出，其控制规则通常由模糊条件语句

~~If A THEN B

~~~~

If A THEN B ELSE C

~~~~~~其中模糊集合B与C具有相同的论域Y，这种控制反应非线性比例(P)控制规律。

~~~~(2)双输入单输出模糊控制器

设模糊集合E属于论域X的输入，模糊集合EC属于论域Y的输入，两者一同构成模糊控制器的二维输入，属于论域Z的模糊集合U是模糊控制器的一维输出，这类模糊控制器的控制规则通常由模糊条件语句

IF E AND EC THEN U

来表达，是模糊控制中最常用的一种控制规则，它反映非线性比例加微分(PD)控制规律。(3)多输入单输出模糊控制器

假设模糊集合A，B，C„N分别属于各自论域的多维输入，U为属于其论域的单维~~~~~~~~~~~~~~~输出，其控制规则通常由模糊条件语句

IF A AND B AND„AND N THEN U来描述。

~~~~~~~(4)双输入多输出模糊控制器

设模糊集合E属于论语X的输入，模糊集合EC属于论语Y的输入，两者一同构成模糊控制器的二维输入，多维输出为UV„W的模糊控制器。这类控制器的控制规则可由一组模糊条件语句

~~~~~

IF E AND EC THEN U

AND

IF E AND EC THEN V AND

IF E AND EC THEN W

在制定模糊规则时要根据实际情况分别来设计确定合适的控制规则。

(三)模糊判决

通过模糊推理得到的结果只是一个模糊集合，但在实际执行中，需要有一个精确值才能对被控对象进行控制，因此要有一个将模糊集合变成一个最佳代表的精确值的反模糊化这一过程。

该过程有三种方法：最大隶属度函数法、重心法、加权平均法。最大隶属度函数方法简单快捷，但是不考虑输出隶属度函数的形状，只关心其最大隶属度输出值，因此会丢失一些信息；重心法取模糊隶属度函数曲线与横坐标围成面积的重心为模糊推理最终输出值，该方法与最大隶属度法相比具有更平滑的输出推理控制；加权平均是重心法的一种拓展方法，调整系数可以转化为重心法，需要根据实际来确定系数。综合上述，重心法较最大隶属度方法更加平滑，较后者较简单实用，故重心法是目前较理想的逆模糊化方法。

后面设计的模糊控制器使用重心法来解模糊，这里就着重介绍重心法，重心法是根据输出模糊集合隶属度函数曲线与横坐标围城面积的中心相应的输出当作精确值的输出，其公式如下： ~~

~~~~~~~uuuii1nni

iui1ui是对象论域中的元素，ui是论域元素ui对模糊子集的隶属度

2.2城市交通信号模糊控制相关理论分析

城市交信号模糊控制是模糊控制在城市交通控制中的一个具体的应用，它解决了城市交通信号控制建模难、建立的模型难以用算法求解的问题。本节结合具体的交通信号控制问题，利用模糊控制的基础理论分析城市交通信号模糊控制理论。2.2.1城市交通信号模糊控制问题描述

传统的单个信号交叉口控制方式：固定周期和绿信比的固定配时控制、感应控制。固定配时根据以往观测的交通需求，按预先设计的配时方案进行控制，无法根据相应交通需求的随机变化而变化。感应控制在一定程度上克服了固定配时的不足，但在相位绿灯时间内，只要检测到车辆到达就给出一个单位的绿灯延时，直到最大绿灯时间为止。也就是说它只关心有无车辆到达、车辆到达与否，而没有考虑有多少辆车到达，只能考虑一个相位方向的延误情况，而没有真正的总体考虑总延误，因而无法真正响应各个相位的交通需求。

模糊逻辑控制是一种新型的智能控制方式，它综合考虑交叉口车辆到达与排队情况，以交叉口的总延误最小为控制目标，调整控制策略使得交通控制能真正响应交通实时变化的需求。

城市交通信号模糊控制通过设置在各个车道上的车辆检测器检测到各个相位的到达车辆数，计算出各个相位的车辆排队长。通过绿灯相位的入口流量、车辆排队长度来考察绿灯相位的交通情况、红灯相位的车辆排队长度来考虑红灯相位的交通状况，综合考虑红灯、绿

灯相位的交通情况，用城市交通信号模糊控制器做出是否转换信号的判决，通过是否转换交通信号来影响交通流。根据城市交通信号模糊控制的思想：当绿灯相位的车流量很大、排队长度相当长时，有必要延长该相位的绿灯时间，但是是否做出延长绿灯时间的决定还要看红灯相位的交通情况，若红灯相位的排队长度很小时，控制器就会做出延长绿灯时间的判决； 若红灯相位排队长队很长时，综合考虑总的车辆平均延误就不一定会继续延长绿灯时间，到底做出什么样的判决，取决于模糊控制器的设计，模糊推理规则的设定。要得到理想的控制结果就要合理设计城市交通信号模糊控制器、合理设置模糊推理规则。

可以解决的问题可以用以下实际问题来描述：假设一个平面交叉口采用典型的四相位放行控制方式：东西直行为第一相位，东西左转为第二相位，南北直行为第三相位，南北左转为第四相位。

注：

1、由于中国的道路交叉口的右转车流一般不受城市交通信号的控制，所以城市交通信号模糊控制中不考虑右转车流。

2、各个相位的直行、左转车道上设置一组车辆检测器，可以实时检测到各个车道的车流到达、车辆排长度。

根据以上所述，该城市交叉口交通信号控制问题可以描述如下：

控制目标：使通过交叉口的车流量的平均排队长度最短，车辆平均延误最小。城市交通信号模糊控制器综合考虑绿灯相位、红灯相位的交通情况，做出以交叉口的总延误最小为控制目标。

控制变量：信号周期、各相位的绿信比。模糊控制器做出是否延长放行相位的绿灯时间的决定，延长绿灯时间会增加总的绿灯时间，也会改变信号周期，这样就会调整信号的绿信比。

2.2.2城市交通信号模糊控制原理分析

城市交通信号模糊控制器是城市交通模糊控制决策部分，做出是否转换交通信号的决定来影响控制交通流，交通流的变化会使得红灯、绿灯相位的交通状况的变化，城市交通信号模糊控制器会根据实际情况做出相应的是否转换相位的决策，周而复始，进行实时交通控制。

针对以上城市交通信号控制问题，城市交通信号模糊控制的控制思路与策略是这样进行的：

1、给定每个相位的最小绿灯时间与最大绿灯时间，以保证通行相位的车辆通行权、与

等待相位车辆的通行权。

2、假设按最初给定该相位的最小绿灯时间放行第一相位(东西直行)，放行时间到达最短绿灯时间时开始计算该放行相位的入口流量、排队长度、下一个要放行相位的排队长度，通过模糊控制器综合考虑是否继续放行当前相位，模糊控制器做出决策。

3、如果继续放行该相位就在最短绿灯时间的基础上增加一个延长绿时间，否则就放行下一相位。

4、每一相位放行时间到达最大时间时就自动强制转换下一相位。

5、这样循环控制形成周期、绿信比随交通状况实时变化的控制方案。城市交通信号模糊控制把城市交通模糊控制器与交通流生成、交通车辆延误综合考虑的周期循环控制。要进行城市交通信号模糊控制需要几个重要的组成部分：交通流、车辆检测器、模糊控制器、交通延误。计算具体的框架如下图：

该控制过程通过交通流生成模型生成一定的交通流，生成的交通流通过车辆检测器可以检测监视得到绿灯相位的排队长度、绿灯相位的入口流量、红灯相位排队长度三个城市交通模糊控制器的输入量；将该输入量输入模糊逻辑控制器后，可以得出该时段的控制策略；对交通信号进行控制；对交通信号控制同时会对交通流产生影响，形成新的交通流继续以上的循环可以对一定时段的交通信号进行控制。

第三篇：人工智能在教学中的应用与实现

人工智能在教学中的应用与实现

随着现代科技的飞速发展，多媒体计算机在教育领域得到了广泛应用，并对教育、教学过程产生着深刻影响。为了使教学改革能与之相适应，需要引入先进的教学手段，而使用计算机辅助教学系统(Computer Aided Instruction, CAI)可以提供理想的教学环境，容易激发学习者的学习积极性和主动性，从而显著提高教学效果。多媒体技术的日益发展以及与其它领先技术的结合，必然促进CAI的进一步发展。人工智能(Artificial Intelligence, AI)是20世纪50年代中期兴起的一门新兴边缘科学，它既是计算机科学的一个分支，又是计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多种学科相互渗透而发展起来的综合性学科。人工智能又称为智能模拟，是用计算机系统模仿人类的感知、思维、推理等思维活动。它研究和应用的领域包括模式识别、自然语言理解与生成、专家系统、自动程序设计、定理证明、联想与思维的机理、数据智能检索等。例如，用计算机模拟人脑的部分功能进行学习、推理、联想和决策；模拟医生给病人诊病的医疗诊断专家系统；机械手与机器人的研究和应用等。本文针对CAI的发展前景，重点论述人工智能技术对CAI，尤其是对智能化CAI产生的重大影响，并通过一个实例说明实现的思路与设想。计算机辅助教学系统及其现状 1 计算机辅助教学系统

计算机辅助教学(CAI)即利用计算机代替教师进行教学，把教学内容编成各种“课件”，学习者可以根据自己的程度选择不同的内容进行学习，从而使教学内容多样化、形象化，便于因材施教。如各种教学软件、试题库、专家系统等。CAI无论是在普通教育、高等教育还是在继续教育中都扮演着重要的角色。在国外，CAI课件已经广泛应用于学校和家庭中，并收到了很好的效果。在我国，尽管CAI的研究起步较晚，但发展很快，自上世纪80年代起，已有一批实力雄厚的高等院校把CAI的发展列为重点研究课题。2 计算机辅助教学的现状

CAI的实现需要应用AI技术及编制复杂的程序，如自然语言理解、知识表示、推理方法等，一些AI技术的特殊应用成果，如代数说明、符号合成、医疗诊断及理论证明等均被应用于CAI系统，以提高其智能性和实用性。

早期绝大多数CAI课件大都使用决策理论和随机学习的模式，它极大地简化了学习过程的表达形式。例如早期的地质教学系统(SCHOCAR)等。后来，随着人工智能技术的发展，CAI系统中添加了学生的学习行为及训练策略，同时AI技术被应用于建立学习顾问模块(存放所要教课程的问题和技能)。这种方法能控制训练策略并给出适合学生的学习内容。目前为了获取对课程知识表示和控制的灵活性和模块性，有些CAI系统还用AI技术来表示训练计划和策略。例如多数程序设计语言的CAI均属此例。

到目前为止，所使用的绝大多数传统的CAI都是将全部教学信息以编程方式预置于课件中，这样的CAI课件一旦制作完成，任何较大的教学改动都会给维护工作带来极大的不便。因此现有的CAI系统面临许多挑战，它主要存在以下几方面的问题。（1）缺乏开放性

不具有开放性是目前CAI课件最大的缺点。使用者无法对课件进行任何修改，只能利用已有资源按设定的路线进行教学。其弊端在于：①

固定内容的局限性使课件的适用面狭窄；② 设定的运行路线使授课缺乏自主性；③ 授课的针对性不强；④ 无法利用新出现的资源在较高起点上进行二次开发。（2）缺乏人机交互能力

现有CAI大多以光盘作为信息的载体，将教材中的内容以多媒体的形式展现出来，教学信息是按预置的教学流程机械式地提供给学习者，学习者使用CAI课件学习是完全被动的。在课堂教学中，一般只能通过教师按预定的课件流程进行操作，无论学生还是教师都不能很好地参与教与学的过程，因此人机交互没有很好地实现。（3）忽视课程本身的特点

各门课程在教学上有不同的要求，但现有课件对于这些不同要求完全不予理会。例如很多课程都要涉及到大量的曲线或曲面，对有些课程来说，将这些曲线或曲面给出一个简单的展示就足够了，而有些课程这样的展示不能达到教学目的的要求。例如：在讲授计算机图形学中各种曲线或曲面的生成算法时，如果能在课件中直接动态地展示这些图形的生成过程，充分发挥计算机辅助教学的优点，无疑会使计算机图形学的教学更具有吸引力，从而大大提高教学效率。

（4）缺乏教师与学生的互动

现有CAI课件在学生自学以及进行操作使用时，如何学习都是学生自己的事。教师不能完全了解学习者的情况，学生在碰到问题时不能向教师求助，师生之间互相封闭，谈不上师生互动，因此课件所起的效果大打折扣。同时由于缺乏网络支持，现有的绝大多数CAI课件都是在单机环境下运行的，它们无法利用网络的优势使知识内容快速更新，当然更无法提供便捷的学习讨论空间、随时随地的师生交流方式以及远程教学实现的条件。（5）缺乏教学策略

在课件的开发过程中实际上离不开教学策略的设计，但课件的制作者往往并未意识到这一点。例如：现有的绝大多数课件都是单一的展播式的，这样的课件制作“精美”，但它不可逆、不能互动。实际上运用课件教学只是手段而不是目的，应该在教学设计理论的指导下讲求课件的实效性，着眼点在于对学生学习新知识、掌握新技术、培养各种能力有帮助，而不是表面上的制作“精美”。（6）缺乏智能性

现有的CAI课件系统不能对不同程度的学生进行有针对性的教育，学生的学习是被动的，不能由系统自动提供助学信息而使学生有选择地学习。对教师而言，其教学不能积极地参与其中，不能根据系统提供的信息按照学生的认知模型为其准备最适合的学习内容，更不能给予不同方式的教学模式与方法，因此不具有智能性。

综上所述，现有的CAI存在许多问题，随着新技术的不断出现，这些问题将使CAI越来越不能适应新的要求。因此以智能CAI为代表的新的计算机辅助教学系统将成为教育技术上需要不断探求、努力实现的发展方向。3 智能化计算机辅助教学系统(ICAI)智能计算机辅助教学系统(Intelligent Computer Aided Instruction, ICAI)以认知学为理论基础，将AI技术应用于CAI，是智能化的CAI。在ICAI系统中，学生的学习可以借助于智能化计算机对大量知识进行选择、判断、处理，使学习内容更有针对性，从而提高学习效果。

教学过程是一个复杂的教与学的思维过程。它需要教师以其专门知识和经验为依据，经过吸收、讲解、推理、示例、综合等多个步骤才能较好地完成。一个教学型专家系统的任务是根据学生的特点、弱点和基础知识，以最适当的教学方案和教学方法对学生进行教学和辅导。因此，从AI的角度看，计算机辅助教学实际上是一个由计算机系统辅助教师进行教学及学生进行学习并得以实现的“专家系统”。因而，在CAI中引人AI思想，即使用专家系统的方法、工具，构建智能CAI(即ICAI)。这样构建成的专家系统的主要特点是具有诊断和调试修改功能、具有良好的人机界面。

在智能CAI中，教学思想、方法、学习内容可用知识形式表示，如何解决知识的形式化表示以及知识的访问与调用问题，是AI的核心技术之一，也是将AI引入教育技术领域中所要面临的一个问题。知识库是实现知识推理与专家系统的基础，可以用知识库作为智能CAI的构建环境，在知识库中，教学内容等的有关知识可以用事实与规则表示，并存储于知识库内。教学与学习过程即是对知识库中的知识进行推理，并最终得出所需结果的过程。由于专家系统主要是由知识库与推理机组成的，因此，它也是智能计算机辅助教学系统的核心技术。

第四篇：交通信号控制的基础理论知识

第2章 交通信号控制的基础理论知识

2.1交通控制的分类

城市交通控制有多种方式，其分类也有很多种。从不同的角度看有不同的划分方式。

1、从控制策略的角度可分为三种类型

（1）定时控制:交通信号按事先设定的配时方案运行，配时的依据是交通量的历史数据。一天内只用一个配时方案的称为单时段定时控制，一天内不同时段选用不同配时方案的称为多时段定时控制。根据历史交通数据确定其最优化配时的方法webster(1958)，Bollis(1960)，Miller(1963)，Blunden(1964)，Allsop(1971)等人的著作中已有详述。我国杨佩昆等学者也有这方面的研究成果。现在最常用的信号配时方法有:韦尔伯特法、临界车道法、停车线法、冲突点法。定时控制方法是目前使用最广的一种交通控制方式，它比较适应于车流量规律变化、车流量较大(甚至接近于饱和状态)的路口。但由于其配时方案根据交通调查的历史数据得到，而且一经确定就维持不变，直到下次重新调整。很显然，这种方式不能适应交通流的随机变化，因而其控制效果较差。

（2）感应控制:感应信号控制没有固定的周期，他的工作原理为在感应信号控制的进口，均设有车辆检测器，当某一信号相位开始启亮绿灯，感应信号控制器内预先设置一个“初始绿灯时间”。到初始绿灯时间结束时，增加一个预置的时间间隔，在此时间间隔内若没有后续车辆到达，则立即更换相位;若检测到有后续车辆到达，则每检测到一辆车，就从检测到车辆的时刻起，绿灯相位延长一个预置的“单位绿灯延长时间”。绿灯一直可以延长到一个预置的“最大绿灯时间”。当相位绿灯时间延长到最大值时，即使检测器仍然检测到有来车，也要中断此相位的通行权，转换信号相位。感应式信号控制根据检测器设置的不同又可以分为半感应控制和全感应控制。只在交叉口部分进道口上设置检测器的感应控制称为半感应控制，在交叉口全部进道口上都设置检测器的称为全感应控制。感应控制方法由于可根据交通的变化来调节信号的配时方案，因此比定时控制方法有更好的控制效果，特别适用于交通量随时间变化大且不规则、主次相位车流量相差较大的路口。感应控制方法存在的缺陷在于，感应控制只根据绿灯相位是否有车辆到达而做出决策，而不能综合其它红灯相位的车辆到达情况进行决策，因此它无法真正响应各相位的交通需求，也就不能使车辆的总延误最小。

（3）自适应控制:连续测量交通流，将其与希望的动态特性进行比较，利用差值以改变系统的可调参数或产生一个控制，从而保证不论环境如何变化，均可使控制效果达到最优。自适应控制系统有两类，即配时参数实时选择系统和实时交通状况模拟系统。配时参数选择系统是在系统投入运行之前，拟定一套配时参数与交通量等级的对照关系，即针对不同等级的交通量，选择相应最佳的配时参数组合。将这套事先拟定的配时参数与交通量对应组合关系贮存于中央控制计算机中，中央控制计算机则通过设在各个交叉口的车辆检测器反馈的车流通过量数据，自动选择合适的配时参数，并根据所选定的配时参数组合实行对路网交通信号的实时控制。实时交通状况模拟系统不需要事先贮存任何既定的配时方案，也不需要事先确定一套配时参数与交通量的对应选择关系。它是依靠贮存于中央计算机的某种交通数学模型，对反馈回来的实时交通数据进行分析，并对配时参数作优化调整。配时参数的优化是以综合目标函数(延误时间，停车次数，拥挤程度及油耗等)的预测值为依据的。因此，它可以保证整个路网在任何时段都在最佳配时方案控制下运行。从总体来看，自适应系统的控制在很大程度上依赖于交通流数据的实时检测，因此系统对交通检测设备和交通数据传输设备的精度和可靠性要求很高。与定时系统相比，自适应控制系统的设备配置复杂得多，建设投资要高很多。

2、按照控制结构分类

可分为集中控制、分散控制和递阶控制。

（1）在集中控制中，控制中心直接控制每个子系统，每个子系统只能得到整个系统的部分信息，控制目标相互独立。其优点是系统的运行的有效性较高，便于分析和设计;但若中心有故障，则整个系统将瘫痪。

（2）在分散控制中，控制中心控制若干分散控制器。每个分散控制器控制一个独立的控制目标，即具体的子系统，此类结构的优点在于局部故障不至于影响整个系统，但全局协调运行较困难。

（3）递阶控制中，当系统由若干个可分的相互关联的子系统构成，可将系统的所有决策单元按照一定优先级和从属关系递阶排列，同一级各单元受到上一级的干预，同时又对下一级单元施加影响。此类结构的优点是全局和局部控制器性能都较高，灵活性和可靠性好。

3、按照控制方式分类

可分为方案选择和方案生成。

（1）方案选择式控制是在控制系统中存贮适合各种交通流状况的多套配时方案，控制系统根据检测器送来得实时交通流、占有率等数据从方案库中选出一套控制信号灯的动作。这种控制方式在线计算量小，执行速度快，但由于存贮的方案数总是有限，因而只能找到比较适合当时交通流状况的配时方案，而不是最优的。

（2）方案生成式控制能根据每个控制周期交通流的变动情况，自动进行信号周期、绿信比、相位差(甚至是相序)等控制参数的优化计算。此种控制方式在线计算量增大，但适应交通流变化的能力大大增强，能实现基于某个目标函数下的最优控制。方案生成式控制有多种形式，如自寻优控制、最优控制等。

4、按照控制范围的不同分类 可以分为点控、线控和面控。

（1）点控:单点交叉口交通信号控制，通常简称为“点控制”。点控方式适用于相邻信号机间距较远、线控无多大效果时;或因各相位交通需求变动显着，其交叉口的周期长和绿信比的独立控制比线控更有效的情况。单路口的交通信号控制是最基本的交通控制形式，也是线控和面控系统的基础，其目的是通过合理的信号配时，消除或减少各向交通流的冲突点，同时使车辆和行人的总延误最小。单路口的交通信号控制主要分为定时控制、感应控制、实时自适应控制等，其中定时控制和感应控制是基本的交通控制方法。

（2）线控:线控方式是将一条主干道的一连串交叉路口作为控制对象。它要考虑这一连串交叉路口的交通流状况，并对其进行协调控制。

（3）面控:面控方式是将城市中某个区域中的所有信号化交叉路口作为控制对象，其控制方案相互协调，使得在该区域内某种指标，如总的停车次数，旅行时间，耗油量等最小。

由于任何一个交叉路口都处于整个城市交通网的大环境中，所以为了能够提高整个交通网络的通行能力，今后交叉口研究方向将趋向于多路口协调控制即线控和面控。未来的交通信号控制仍然是点、线、面控制并存的形式。对于中小城市，仍将是点、线控制相结合的控制方式。对于大型城市，大多将采用网络控制方式。智能交通系统将是今后研究的热点。

2.2交通信号控制的主要控制参数

交叉口信号控制的参数主要包括周期、绿信比及相位。控制系统的控制目标就是要最佳地确定道路各交叉路口在车流方向上的控制参数，并付诸实施。2.2.1周期

指信号灯的各种灯色轮流显示一次所需要的时间。也即各种灯色显示时间之总和。它是决定点控制定时信号交通效益的关键控制参数。一般信号灯的最短周期长度不少于36秒，否则就不能保证几个方向的车流顺利通过交叉口。最长周期长度一般不超过120秒，否则，可能引起等待司机的烦躁或误以为灯色控制已经失灵。适当的周期长度对路口交通流的疏散和减少车辆等待时间具有重要意义。

从疏散交通的角度讲，显然当交通需求越大时，周期应越长，否则一个周期内到达的车辆不能在该周期的绿灯时间内通过交叉口，就会发生堵塞现象。

从减少车辆等待时间的角度来讲，太长或太短的周期都是不利的。若周期太短，则发生堵车现象。若周期太长，则某一方向的绿灯时间可能大于实际需要长度，而另外方向的红灯时间不合理延长必然导致该方向车流等待时间的延长。正确的周期时长应该是，每一个相位的绿灯时间刚好使该相位各入口处等待车队放行完毕。2.2.2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值。若设 tG为第i相信号的有效绿灯时间，则该相信号的绿信比i为 c为周期长度，iitGic（2.1）显然，0i1绿信比反应了该信号相位交通流在一个周期中需要绿时的大小。绿信比的大小对于疏散交通流和减少交叉路口总等待时间有着举足轻重的作用。通过合理地分配各车流方向的绿灯时间(绿信比)，可使各方向停车次数、等待延误时间减至最小。2.2.3相位

在交通控制中，为了避免平面各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，交叉口上某一支或几支交通流具有通行权，而与之冲突的其它交通流不能通行。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。简称相位;一个周期内有几个信号，则称该信号系统为几个相位系统。在相位的时间这一概念上，相位时间包括绿灯时间与黄灯时间。

2.3交通控制的评价指标

交通信号控制的目的是，就是采用合理的配时方案要使单个交叉口或交通网络获得良好的交通效益。评价交通效益的指标有:通行能力、饱和度、排队长度、延误、停车次数、停车率、油耗、行程时间等。目前，常用的交通效益指标是延误、排队长、通行能力。交通信号控制的评价函数可以由设计者根据需要进行选择。

2.3.1延误时间

延误时间是指车辆在没有交通信号和等待队列的阻碍下行走所需的时间和实际的行程时间之差。延误时间有平均延误和总延误两个评价尺度。交叉口进道口所有车辆的延误总计称作总延误;交叉口进道口每辆车的平均延误称作平均延误。

2.3.2饱和度

某个交叉口进口的车流量与可从该进口通过交叉口的最大流量的比值，即际到达交通量与通行能力之比，就是该进口的饱和度。计算公式为: x式中: q—进口的车流量;

qs（2.2）

—相应相位有效绿灯时间与周期时间的比值;s—进口的饱和流量。

2.3.3通行能力

通行能力是指在实际的道路条件、交通条件和控制条件下，在一定时间内通过进道口停车线的最大车辆数;交叉口的通行能力不仅与控制策略有关，还与实际道路条件(包括引道宽度、车道数、转弯半径、转弯长度、引道坡度)和交通条件(车流量、车辆种类、拐弯车比例、车速、非机动车和行人干扰、车道功能划分等)密切相关。通行能力是交叉口饱和程度的重要评价指标。在一定的道路条件下，信号控制路口的通行能力受信号周期的影响。在正常的周期长范围内，周期时长越长，通行能力越大，但车辆延误和油耗等也随之越大。而且在饱和度相当小时，片面的追求通行能力的提高，只会无谓的增加油耗和车辆延误，对交叉口的交通效益无多大意义。

2.3.4平均排队长度

平均排队长度是指在信号一个周期内各条车道排队的最长长度平均值。各条车道最长排队长度一般是指该车道的绿灯相位起始时的长度。

Lavglii1nn（2.3）式中n为车道数。

平均排队长度以周期为单位计算。某个周期平均车辆排队长度与此周期平均车辆延误的指标基本是一致的。

2.4交通流的基本参数

表征交通特性的三个基本参数分别是:交通量q、车流密度k和行车速度v。2.4.1交通量

交通量q是指在选定的时间段内，通过道路某一地点、某一断面或某一条车道的交通实体数。交通量是一个随机数，不同时间、不同地点的交通量都是变化的，交通量随时间和空间变化的现象，称之为交通量的时空分布特性。通常取某一时间段内平均值作为该时间段内的交通量，如式(2.4)所示。

1nqqini1式中: qi—规定时间段内的交通量；

（2.4）n—时间段数。

2.4.2车流密度

车流密度片是指某一瞬间单位道路长度上的车辆数目。

kNL（2.5）

式中:k—车流密度(veh/km);N—路段内的车辆数(Veh);L—路段长度(km)。

车流密度大小反映一条道路上的交通密集程度。为使车流密度具有可比性，车流密度也可按单车道来定义，单位为:Veh/km/车道。2.4.3行车速度

行车速度v是指区间平均速度。即是指在某一特定瞬间，行驶于道路某一特定长度内全部车辆的车速分布平均值。当观测长度一定时，其数值为车速观测值的调和平均值。见式(2.6)。

nL v1(2.6)nn11tinvi1ii1式中: L—路段长度;ti—第i辆车的行驶时间;n—行驶于长度为L路段上车辆数;vi—第i辆车的行驶速度;v—区间平均速度;交通流三参数之间的基本关系式为qvk。

2.5本章小结

本章首先对交通信号控制的分类进行了详细的阐述，然后介绍了信号控制的基本参数，包括周期长度、绿信比和相位差。最后介绍了交通信号控制的评价指标和交通流的几个参数以及它们之间的关系。对此我们将以平均延误时间最短为目标，综合交通信号的各项指标和参数，采用自适应控制对点线面交通进行智能控制。

第3章 城市路网结构

3.1路网几何形状描述 3.1.1路段几何形状描述

路段是组成路网的基本元素。路段的几何形状包括：起点、终点、长度、宽度、中间隔离带、车道的数量、车道的走向、车道的宽度等。

路段由车道组成，车道按照走向分为两类：上行车道组和下行车道组。两组车道的方向相反，上行车道和下行车道在物理位置上相邻，包含的车道数目多数情况下是相等的，如图3.1所示。在路段上行走的车辆可以在上行车道组内切换车道，但是不能从上行车道组切换道下行车道组。如果将路段由两个管道来描述，车辆可以自由地从一个管道进出，但是进入管道的车辆不能进入另外一个相邻的管道，如图3.2所示。

图3.1路段车道示意图 图3.2路段管道示意图

3.1.2交叉口几何形状描述

城市路网普遍存在两种类型的交叉口：“＋”字交叉口和“T”形交叉口。对于“T”形交叉口与“＋”字交叉口类同且简单一些，我们这里主要针对复杂一些的“＋”字交叉口作分析。如图3.3 所示平面十字交叉口, 进口道分别编号为1，2，3，4, 车道分别编号为1，2，3，⋯16；图3.4 为交通流具体示意图。

图3.3平面十字交叉口示意图 图3.4 交通流具体示意图

3.2路网中交叉口相位划分 城市交通中将长期存在大量的交叉口，虽然三维空间的立交桥是解决交叉口局限性的一种有效措施，但是立交桥占地面积大，对空间非常有限的城市而言不够现实，而且立交桥造价昂贵。在交通不太紧张的区域，交叉口完全能够应付。

在交通控制中，为了避免平面交叉口各个方向上交通流之间产生冲突，通常采用分时控制的方式。在一个周期的一段时间上，允许交叉口上某一支或几支交通流通过，其他交通流上的车辆则不允许通过。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成为信号相位，简称相位。一个周期内有几个信号相位，则称交叉口为几相位交叉口。

对相位的划分不是越多越好，相位太多，会带来一些问题。首先相位切换需要一定的时间，频繁切换，会浪费交叉口的通行时间，影响通行率；再次，对与周期固定的交叉口，意味着相位的通行时间变短，这样会导致没有在绿灯时间通过的车辆承受较长的红灯时间，影响驾驶员的情绪，增加交通安全隐患。3.2.1“T”型路口相位划分

侧支路段与主干道相连接形成“T”型路口，它是城市交通路网中普遍存在的控制点；城市小区与小区之间通常存在连通的路网，面积大的小区和面积小的小区并列时也会形成“T”型路口。图3.5为“T”型口在时间上会发生冲突的相位分组：西路段上存在右转交通流，不存在左转交通流。东路段上存在左转交通流，不存在右转交通流，对所有右转交通流和东路段上向西的交通流也不需要控制。相位1为西路段向东的交通流，相位2为南路段上向北左转的交通流，相位3为东路段上向西左转的交通流。

图3.5“T”形路口单相位控制相位划分示意图

3.2.2“十”字路口相位划分

如果不考虑进入“十”字路口的车很少存在相邻路段返回的情况。“十”字路口应严格划分为四个相位：东西直行相位，南北直行相位，东西左转相位，南北左转相位。所有右转交通流不会与其他交通流发生空间上的冲突，所以不予控制，如图3.6所示。

周期

图3.6 信号控制的4种相位描述

3.3 路网中交叉口信号控制原理 现在城市中最常用的就是四相位的定周期控制策略，它可以较充分的描述路口的各种交通流状态，同时这种四相位的控制模式也是现在研究最多的一种控制模式。四相位如图3.7所示，第一相位为东西相位，第二相位为南北相位，第三相位为东西左转相位，第四相位为南北左转相位。在任何时刻，四个相位中只有一相处于通行状态。检测器对路口各个车道车流量进行实时检测而获取车流量信息，为模糊控制提供必要的数据。

图3.7 “十”字路口单相位控制相位划分示意图

对于此交叉口，我们可以通过信号控制，只使相位1通行，而其他相位不通行；接着相位1通行一段时间后只使相位2通行；同理使相位

3、相位4依次处于通行状态，从而使各相位都通行一次，使各相位的车辆都尽可能通行完。本文就是针对这种四相位模式应用模糊控制方法，既使控制效率得到提高，同时也尽可能的保持了大家原有的习惯，更便于应用于实际情况。

第五篇：第二章交通信号控制的基本理论

2交通信号控制的基本理论

本章首先给出了交通信号控制的基本概念，包括：信号相位，周期时长，绿信比，相位差，绿灯间隔时间，有效绿灯时间等，然后介绍了常用的交叉口性能指标以及计算方法，最后给出了常用交叉口的信号配时方法。这些研究为后面的信号配时模型及优化方法的研究奠定了理论基础。2.1交通控制的基本概念

交叉路口信号配时参数优化，首先必须准确把握和理解交通控制中的一些基本概念。下面对信号配时设计中部分参数作一介绍。

(l)信号相位：在一个信号周期内，具有相同的信号灯色显示的一股或几股交通流的信号状态序列称作一个信号相位。信号相位是按车流获得信号显示的时序来划分的，有多少种不同的时序排列，就有多少个信号相位。每一个控制状态，对应显示一组不同的灯色组合，称为一个相位。简而言之，一个相位也被称作一个控制状态。以四相位为例如图所示：

相位1

相位2

相位3

相位4

图1 四相位信号相序控制示意图

(2)周期时长：信号灯发生变化，信号运行一个循环所需的时间，等于绿、黄、红灯时间之和；也等于全部相位所需的绿灯时间和黄灯时间(一般是固定的)的总和。周期过长时，等待的人容易产生急躁情绪，因此通常以180秒为最高界限。

图1 第一、三配时表

(3)绿信比：是指在一个周期内(对一指定相位)，有效绿灯时间与信号周期长度之比。

(4)相位差(又叫绿时差或绿灯起步时距)：相位差是针对两个信号交叉口而言，是指两个相邻交叉口它们同一相位绿灯(或红灯)开始时间之差。

它分为绝对相位差和相对相位差。相对相位差是指在各路口的周期时间均相同的联动信号系统中，相邻两个交叉路口协调相位的绿灯起始时间之差。绝对相位差是指在联动信号系统中选定一标准路口，规定该路口的相位差为零，其他路口相对于标准路口的相位差叫绝对相位差。

(5)绿灯间隔时间：是指从失去通行权的相位的绿灯结束，到下一个得到通行权的相位绿灯开始所用的时间。绿灯间隔时间的长短主要取决于交叉口的几何尺寸，因此，要确定该时间的长度就必须首先考虑停止线和潜在冲突点之间的相关距离，以及车行驶这段距离所需的时间。

(6)有效绿灯时间：是指被有效利用的实际车辆通行时间。它等于绿灯时间与黄灯时间之和减去损失时间。损失时间包括两部分，一是绿灯信号开启时，车辆启动时的时间；还有绿灯关闭、黄灯开启时，只有越过停止线的车辆才能继续通行，所以也有一部分损失时间，即为绿灯时间减去启动时间加上结束滞后时间。结束滞后时间是黄灯时间中有效利用的那部分。每一相位的损失时间为启动延迟时间和结束滞后时间之差。

在实际工作中，损失时间的精确计算是非常困难的，也没有必要。通常取绿灯时间代替有效绿灯时间 2.2交通信号控制类型简述 2.2.1定时控制

(l)定义

依据交通量历史数据进行配时，交通信号按照配时方案运行，一天只按一个配时方案的配时方法。定时控制是单个交叉路口最基本的控制方法。

(2)适用条件及优点

定时控制适用于交通流量变化模式基本固定，并可以预测的情况，其因信号启动时间可取得一致而有利于同相交通信号协调。它的优点在于便于执行，对控制系统的硬件要求较为简单。由于路网上各个交叉路口的信号配时参数都是预先确定的，因此不必在执行中根据实时交通状况作任何调整，也不需要采集实时交通数据和反馈，使得各种费用使用较低。

(3)缺点 首先，定时控制中的配时方案都是根据历史性交通资料，事先经过脱机计算建立起来的。然而，路网上交通状况如车流量的分布，流量大小及流向，不可能长期维持某一固定的模式。一旦变化，则原分配方案就不再适合变化了的交通状况。因此，固定配时系统的应用受到一定程度的局限，它只适用于交通状况变化不十分急剧的城镇。其次，控制对策的灵活性较差，固定配时方案一经建立并付诸执行，就不会自动调整和更改。因此，路网可能发生的一些意外事件，往往会导致严重的交通阻塞，甚至于瘫痪。再次，缺少实时交通信息反馈，除非设置专门用于采集交通数据的检测器，固定配时控制系统没有任何关于网路上实时交通状况信息的反馈，这就限制了它的灵活性。2.2.2潮汐控制

潮汐控制方法和定时控制方法相类似。区别在于若一天只用一个配时方案的称为定时控制；而一天按多个时段采用不同配时方案的称为潮汐控制。

潮汐控制比定时控制方法有一定的优越性，但是对于交通流量变化大的地区，控制效果仍不理想。2.2.3模糊控制

城市交通系统是一种非线性的、时变的大系统。传统的控制方法都要首先建立交通流的数学模型，在此基础上推导出某种控制算法。由于城市交通系统的复杂性和随机性，建立的数学模型一般难以准确地描述城市交通的实际状况，而且算法复杂，在线估算量大，控制实时性差，控制精度也不高。因此近年来，国内外专家学者致力于开发新的交通信号灯的控制方法，模糊控制是新的研究方向之一。

2.3相位、相序设计与信号配时

2.3.1相位、相序设计与信号配时的关系

无论采用哪种控制方法，都需要先了解交叉路口的几何状况，交通流状况，然后制定相应的相位，相序方案以及配时方案，只有选择合适的相位和配时方案，才能使交叉口的运行效果达到最优。交叉口相位方案和配时设计是信号控制方案设计的两个方面，属于定性和定量的关系。

相位方案设计是信号设计的第一步，它直接影响交叉口交通流的安全性，以及交叉口的延误、通行能力等各项运行效益。美国道路通行能力手册HCM早己提出：“信号设计中最为关键的问题是选择一个适当的信号相位方案”。

配时设计是在相位方案设计的基础上进行的，根据进口车道配置，交通流情况来求解最优配时方案，最终达到提高交叉口实际通行能力、减少车辆通过交叉口的延误的目的。只有在充分研究和采用最佳相位方案的前提下，利用配时参数优化模型，才能得到真正的最优控制方案，即最优解。否则，选用不适当的相位方案，再先进的配时模型也只能得到伪最优解。2.3.2相位设计

相位方案是相位的组合方式，有必要从多个组合中选出最佳的相位方案。一般来说，交叉口形状越复杂，相位方案也越复杂。

相位选择可分为相位初选和相位调整两步。相位初选时，只能运用经验判断，通过画出交通流线，合并部分交通流来缩小可选范围，初步确定相位相序，并作为信号配时的基础。当信号配时完成后，将会对各参数进行试算评价，对相位进行必要的修正和调整，并重新评估，直至满足设计要求，形成最终方案。

确定信号相位时需要考虑以下几点:(l)交通安全

交叉路口交通流之间的冲突是造成交通事故的一个重要原因，一般来说增加相位数，减少同一相位中冲突方向交通流的数量，可以提高安全性。

(2)交通效率

交叉口相位设计要提高交叉口的时间和空间资源的利用率。过多的相位数会导致相位交替次数增加，也即损失时间的增加，从而降低交叉口通行能力和交通效率。反之，太少的相位也会使交叉口因混乱而降低效率。

(3)交通状况

交通状况包括机动车交通量、左右转率、车道饱和率、大型车混入率、非机动车流量流向、横过行人数等。

(4)交叉口几何条件

交叉口的限制条件包括：交叉口的类型、进口道车道数、交叉口扩展车道的展宽长度、行人和自行车过街的组织形式。这些因素影响机动车左转专用相位的设置、车辆排队长度等。

(5)协调控制的要求

为了保证协调控制效果，相同子区内的信号要具有一致性，各交叉口的相位相序需相互匹配，否则不利于驾驶员适应。2.3.3相序安排

信号相位设计不但要考虑相位组合，还要考虑相位的衔接问题。通常需要考虑以下几点：

(l)对同一个交通流设置两个以上信号阶段时，在时间上应尽可能保证连续性，对于行人信号可不局限于此原则。

(2)对同一进口道车流中不同流向交通流在不同信号相位放行时，尽可能保证它们所在信号相位的连续显示。

(3)一向含直行车流的相位与另一向含直行车流的相位不宜连接。(4)一向含左转车流的相位与另一向含左转车流的相位不宜连接。(5)两向相位相序设计应尽量对称，便于驾驶员理解。

(6)于直行与左转机动车，应考虑左转车道可停放的车辆数。若到达的左转车辆超出该车道可停放的左转车辆数时，需先放行左转车。反之，则先放行直行车。在一般路口和有左转待候区的路口多是先放直行车，后放左转车。

(7)有特殊方案相位，其前后应尽可能衔接与特殊方案相容的基本方案。本文主要研究信号配时参数的优化设计，所以不对相位，相序的设计方法进行深入的研究。

2.4交叉路口常用性能指标及计算方法

一般来说，信号交叉口的控制效果是由延误、停车次数、通行能力和饱和度等四个基本参数来衡量的。这些参数不仅反映车辆通过交叉口时的动态特性，同时它们也作为交叉口信号配时参数优化的依据，用于建立优化模型和目标函数。也就是说，信号配时参数优化的目标就是在一定的道路条件下，对配时参数选择合适的值，让通行能力稍高于交通需求，并且使得通过交叉口的全部车辆总延误

时间最短或停车次数最少。

当然，除了上述四项基本评价指标以外，还有一些其它评价指标，例如：车辆运营费用(包括燃油消耗、轮胎和机械磨损)、废气排放量、噪声污染、运营成本(计入乘客旅程时间折合的经济价值等)以及安全舒适程度的差异等等。但这些都是由上述四项基本评价指标派生出来的次级参数，即以延误时间和停车次数为自变量的函数，常称作“辅助参数”。

下面具体介绍车辆延误、停车率、通行能力、饱和度、平均排队长度和通行权转移度。2.4.1车辆延误

延误是由于交通干扰、交通管理和控制设施等因素引起的车辆运行时间损失。由于延误能反映了司机不舒适、受阻的程度以及油耗和行驶时间损失，所以是最常用的评价信号交叉口运行状况的指标。

车辆平均延误是评价交叉口服务水平的最重要的指标，因此，本文选择它作为比较各种信号灯控制方法优劣的依据。车辆的排队长度是延误时间增加的主要诱导因素，车辆滞留时间又是延误时间的构成元素。某车道的车辆排队长度如果过长，易引起车辆堵塞和平均延误时间增加；而某车道的车辆滞留时间如果过长，不仅增加了平均延误时间，而且易引起通行权资源分配失衡。大多数情况下，排队长度与滞留时间是正相关的，反之亦反。但也有例外，例如，当出现很短时间内连续到来多辆车和很长时间没有车辆到来这两种情况时，排队长度与滞留时间就不具备正相关关系，排队最长的车道，平均滞留时间不一定也最长，反之亦反。可见，两者是相互关联，互为补充，不可相互替代的，它们是影响交叉口通行能力的两个关键因素。2.4.2停车率

停车率：指每个周期停驶的车辆数占整个周期所到达车辆数的比例，它是一项信号交叉口评价的综合指标之一，停车率的大小不仅反映了交叉口的服务水平，同时从车辆耗油、环境及出行费用等几方面反映了信号控制的合理性。2.4.3通行能力

信号交叉路口的通行能力是针对每一引道规定的，它是在现行的交通、车道和信号设计条件下，交叉口某一引道所能通过的最大流量。单位：辆/小时。整个交叉口的通行能力并不重要。

饱和流量：在通常的道路、交通条件下，在整个小时都是绿灯的条件下，连续通过交叉口指定引道的最大流量。

所以，可见影响信号交叉口的通行能力的主要因素有三个：

(l)车行道条件，即交叉口的几何条件。包括：车道类型，车道数，交叉口几何形状。

(2)信号设计条件。即信号灯配时的各个参数及相序、相位设计。(3)交通流条件。每条引道的交通量，流向，流向内车型的分布。美国HCM给出的饱和流量(率)计算公式为：

S=S0NfwfHVfgfpfbbfafRTfLT

(2.1)其中，S为在通常条件下，车道组的饱和流量，S0为每车道理想条件下的饱和流量，一般取1800/绿灯小时，N为每车道组的车道数。fw为车道宽度校正系

数，fHV为交通流中重型车辆校正系数，fg为引道坡度校正系数，fp为临近车道停车情况及该车道停车次数校正系数，fbb为公共汽车停在交叉口范围内阻塞影响作用校正系数，fa为地区类型校正系数，fRT为车道组中右转车校正系数，fLT为车道组中左转车校正系数。

通行能力是以饱和流量为基础进行分析的。交叉口的总通行能力是通过各进口车道组(引道)的通行能力之和。每一车道组的通行能力根据其车道功能不同按下式(2.2)计算：

CiSii

(2.2)

igT0 i其中，Ci为车道组的通行能力，Si为车道组i的饱和流量(辆/绿灯小时)，i为绿信比。2.4.4饱和度

饱和度是针对每一车道(车道组)而言的。计算公式(2.3)如下：

XiVCiViSigTCiViSii

(2.3)其中，Xi为第i个车道组的饱和度，Vi为第i个车道组的交通流量。相位饱和度是指该相位上各个车道组的饱和度之和。交叉口的饱和度是饱和程度最高的相位所达到的饱和度值，而并非各相位饱和度之和，用X表示。从理论上说，交叉口饱和度只要小于1就应该满足各方向车流的通行要求。然而，实践表明，当交叉口的饱和度接近于1时，交叉口的实际通行条件将迅速恶化，更不必说等于或大于1了。因此，我们必须规定一个可以接受的最大饱和度限制，即饱和度的“实用限值”。研究结果表明，反映车辆通过一个交叉口时的一些特性参数，如车辆平均延误时间、平均停车次数以及排队长度等等，均与饱和度实用限值的大小有关。实践证明，饱和度实用限值定在0.8——0.9之间，交叉口可以获得较好的运行条件。在特定条件下，例如交通量很大，而交叉口周围的环境条件较差，为减少交叉口的投资，可以采用更高的实用限值——饱和度实用限值为0.95。

关键进口道到达交通量与通行能力之比，而交叉口饱和度是相位饱和度中的最大值。在设计时，交叉口各个相位的饱和度小于1。2.4.5平均排队长度

信号一个周期内各条车道排队的最长长度的平均值。各条车道最长排队长度一般是指该车道的绿灯相位起始时长度。2.4.6通行权转移度

通行权转移度反应了不同方向的车流对绿灯需求的迫切程度。它依赖于各入口的交通情况，而车流在红灯信号和绿灯信号相位下，有不同的状态。在绿灯相

位下，车辆可以自由通过停车线，在停车线检测器上可以检测出驶过停车线车辆的数量，上游检测器可以检测车辆的到达数，这些车辆经过若干秒后可能会到达停车线或通过停车线或排队等待：在红灯相位下，检测器可以检测车辆的到来情况和排队长度。因此红灯相位和绿灯相位的通行权转移度就有不同的输入和推导规则。

2.5车辆检测器

一个完整的交通控制系统需要有一个准确、可靠的信息采集和监控系统，它将来自底层的实时数据收集起来，准确、迅速地通过高速信息传输网送交后台进行分析和处理。交通控制系统的交通信息采集是由车辆检测器来实现的。

车辆检测器有多种，感应式检测器，红外线检测器等。本文的车辆采集采用图像式车辆检测器。图像式车辆检测器由闭路电视摄影机、终端控制器和图像处理器等设备组成。技术原理以图形处理器分析由闭路电视摄像机所拍摄的数字化图像，用算法对图像初步处理，去掉多余信息。接着对图像进行分区。按一定算法对各分区图像处理，提取特征信息。根据特征信息进行车辆计数、分类。根据相邻图片计算车速，最后在拍摄区域内跟踪所辨识出的车辆。它的优点是功能强大图像直观，易于增添检测项目；多道检测、安装及维修不会阻碍交通。