當(dāng)前，人工智能與模糊邏輯理論在交叉口信號控制系統(tǒng)中的應(yīng)用成為研究的熱點。但是，使用人工智能方法將會帶來不可忽視的問題——信號控制算法的計算復(fù)雜性與計算耗時特征對硬件要求過于苛刻，這就使得眾多智能控制策略只具有理論研究的意義而缺乏實際應(yīng)用的可行性。

　　針對上述問題，本文以城市單點信號交叉口的信號優(yōu)化控制作為重點研究目標(biāo)，引入基于自組織映射的人工神經(jīng)網(wǎng)絡(luò)對具有時變特性的交通流模式的識別，并進(jìn)一步利用減去聚類算法構(gòu)建起用于識別交通流模式的模糊決策系統(tǒng)；針對不同的交通流模式，一方面預(yù)先建立相應(yīng)的最優(yōu)信號配時方案，另一方面基于極大熵原理建立交叉口的交通流估計模型，用于在線交通流OD估計。

　　在線執(zhí)行算法階段：根據(jù)OD估計結(jié)果，利用建立好的模糊決策系統(tǒng)在線檢測、判別當(dāng)前交通流模式，并動態(tài)地將當(dāng)前的信號切換到相應(yīng)的最優(yōu)配時信號。由于整個算法體系的計算負(fù)荷分配到了離線階段，這種采用“離線建立優(yōu)化配時方案——在線交通流模式識別——在線信號配時動態(tài)切換”的途徑具備可行性，能夠完成信號的自適應(yīng)調(diào)整，實現(xiàn)單點信號交叉口的優(yōu)化控制。

　　本文所依托的面向單點信號交叉口的VII系統(tǒng)是建立在IEEE 802.11p專用短程通信DSRC協(xié)議的基礎(chǔ)上。為了實時采集信號交叉口的交通流數(shù)據(jù)，基于DSRC協(xié)議標(biāo)準(zhǔn)，本文定義如圖1所示的信息交互網(wǎng)絡(luò)場景。

　　當(dāng)前的仿真研究成果表明VII系統(tǒng)中車與車、車與路進(jìn)行無線數(shù)據(jù)交互，具有較好的可行性與可靠性：在200米的無線通信范圍內(nèi)，通信數(shù)據(jù)包的廣播與接收率接近于100%，數(shù)據(jù)通信延時相對于交通流量監(jiān)測過程可以忽略。對于本文的研究而言，單點信號交叉口的控制策略僅需要獲取交叉口各個流入與流出方向的交通流數(shù)據(jù)，VII系統(tǒng)能夠滿足控制策略對交通數(shù)據(jù)采集與傳輸?shù)膶崟r性要求。

　　基于這樣一個事實：單點信號交叉口各個流向的交通流量具有時變特征；同時，在一定時間段內(nèi)（如全天、整個星期、整個月份、季度或者年度），交通流的時變模式會呈現(xiàn)出特有的變化規(guī)律，根據(jù)這種交通流模式變化的規(guī)律來設(shè)計信號配時方案，在一定程度上可實現(xiàn)信號配時的動態(tài)優(yōu)化。本文提出的信號控制策略的執(zhí)行過程包括兩大階段——離線階段與在線階段。

　　離線執(zhí)行算法階段

　　該階段承擔(dān)了控制程序大部分的計算負(fù)擔(dān)，主要分為如下四大步驟：

　　Step1.基于VII系統(tǒng)的數(shù)據(jù)采集與傳輸過程：由于在離線階段，建立一個合理的最優(yōu)配時方案庫依賴于建模數(shù)據(jù)的全面性——能夠充分反映該信號交叉口的交通流模式在時間序列上的變化規(guī)律，因此，需要通過VII系統(tǒng)獲得該路口長時段的交通流數(shù)據(jù)。

　　Step2.構(gòu)建動態(tài)交通流OD估計模型：單點信號交叉口的動態(tài)OD矩陣（Origin-Destination Matrix）定義為一定時間間隔內(nèi)每個進(jìn)口車輛分配到每個出口方向的交通流數(shù)據(jù)矩陣。

　　Step3.交通流模式聚類以及模式識別：本文首先采用SOM神經(jīng)網(wǎng)絡(luò)對交通流進(jìn)行模式聚類，根據(jù)基于極大熵模型的交通OD矩陣估計結(jié)果。

　　Step4.建立每一個交通流模式的最優(yōu)信號配時方案：根據(jù)第三步驟獲得的交通模式識別結(jié)果，本文將交通流模式數(shù)據(jù)導(dǎo)入交通信號配時設(shè)計軟件Synchro6.0，利用該軟件對每一類交通流模式進(jìn)行最優(yōu)信號配時，并記錄每個交通模式對應(yīng)的最優(yōu)信號配時方案，建立起該單點信號交叉口的最優(yōu)信號配時方案庫。

　　在線執(zhí)行算法階段

　　完成離線階段的算法任務(wù)，在線階段的程序便可以對單點信號交叉口進(jìn)行實時地檢測與信號優(yōu)化控制，具體過程如下所述：

　　Step1.實時檢測交通流量參數(shù)：通過VII系統(tǒng)實時獲得交叉口各個進(jìn)口方向與出口方向的交通流參數(shù)；

　　Step2.在線進(jìn)行交通流OD矩陣估計：在線求解基于極大熵原理的交通流OD估計模型，從而獲得實時的交通流OD矩陣；

　　Step3.模糊決策系統(tǒng)在線識別交通模式：以交通OD矩陣作為樣本空間，通過模糊決策系統(tǒng)在線進(jìn)行模式識別，獲得其對應(yīng)的交通模式編號；

　　Step4.執(zhí)行最優(yōu)配時方案：根據(jù)模糊決策系統(tǒng)獲得的當(dāng)前交通流的模式編號，從該交叉口最優(yōu)信號配時庫中調(diào)用并執(zhí)行對應(yīng)的最優(yōu)信號配時方案，從而完成交叉口的信號優(yōu)化控制。

　　仿真測試結(jié)果

　　綜上所述，模糊決策系統(tǒng)和信號最優(yōu)配時方案庫的構(gòu)建過程在離線階段完成，這種方法較好地規(guī)避了控制程序計算耗時大的缺點。此外，離線階段的信號優(yōu)化配時過程除了可以利用Synchro6.0軟件實現(xiàn)，還可以引入專家經(jīng)驗，對配時方案進(jìn)行人工調(diào)整。

　　根據(jù)仿真測試的數(shù)值結(jié)果，可以總結(jié)本文設(shè)計的信號控制策略具有如下優(yōu)勢：

　?。?）在實際應(yīng)用中，控制算法所依托的交通數(shù)據(jù)信息由VII系統(tǒng)提供，基于VII系統(tǒng)容易實現(xiàn)車路信息的采集、傳輸過程；

　?。?）控制策略采用了神經(jīng)計算原理與模糊決策技術(shù)，對強(qiáng)時變的交通模式具有自適應(yīng)性；整個控制策略將算法劃分成在線與離線階段，其在線階段僅需要執(zhí)行交通OD矩陣估計、模式識別以及最優(yōu)信號匹配任務(wù)，在線程序的計算耗時較小，可以滿足信號控制的實時性要求。

　　本課題下一步的研究重點包括：將本文設(shè)計的信號自適應(yīng)優(yōu)化控制策略拓展到多個信號交叉口的協(xié)同控制過程中，并進(jìn)一步將行人延誤以及交通安全性納入控制策略的改進(jìn)中。

　?。ū疚臑榈谄邔弥袊悄芙煌陼?yōu)秀論文，因篇幅所限，有刪節(jié)）

　　北京航空航天大學(xué)交通科學(xué)與工程學(xué)院 周建山 田大新 韓旭 王云鵬|文

關(guān)注讀覽天下微信， 100萬篇深度好文， 等你來看……