當(dāng)前，人工智能與模糊邏輯理論在交叉口信號(hào)控制系統(tǒng)中的應(yīng)用成為研究的熱點(diǎn)。但是，使用人工智能方法將會(huì)帶來(lái)不可忽視的問(wèn)題——信號(hào)控制算法的計(jì)算復(fù)雜性與計(jì)算耗時(shí)特征對(duì)硬件要求過(guò)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(shí)際應(yīng)用的可行性。

　　針對(duì)上述問(wèn)題，本文以城市單點(diǎn)信號(hào)交叉口的信號(hào)優(yōu)化控制作為重點(diǎn)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(duì)具有時(shí)變特性的交通流模式的識(shí)別，并進(jìn)一步利用減去聚類算法構(gòu)建起用于識(shí)別交通流模式的模糊決策系統(tǒng)；針對(duì)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(hào)配時(shí)方案，另一方面基于極大熵原理建立交叉口的交通流估計(jì)模型，用于在線交通流OD估計(jì)。

　　在線執(zhí)行算法階段：根據(jù)OD估計(jì)結(jié)果，利用建立好的模糊決策系統(tǒng)在線檢測(cè)、判別當(dāng)前交通流模式，并動(dòng)態(tài)地將當(dāng)前的信號(hào)切換到相應(yīng)的最優(yōu)配時(shí)信號(hào)。由于整個(gè)算法體系的計(jì)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(shí)方案——在線交通流模式識(shí)別——在線信號(hào)配時(shí)動(dòng)態(tài)切換”的途徑具備可行性，能夠完成信號(hào)的自適應(yīng)調(diào)整，實(shí)現(xiàn)單點(diǎn)信號(hào)交叉口的優(yōu)化控制。

　　本文所依托的面向單點(diǎn)信號(hào)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(shí)時(shí)采集信號(hào)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(chǎng)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(wú)線數(shù)據(jù)交互，具有較好的可行性與可靠性：在200米的無(wú)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(shí)相對(duì)于交通流量監(jiān)測(cè)過(guò)程可以忽略。對(duì)于本文的研究而言，單點(diǎn)信號(hào)交叉口的控制策略僅需要獲取交叉口各個(gè)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(duì)交通數(shù)據(jù)采集與傳輸?shù)膶?shí)時(shí)性要求。

　　基于這樣一個(gè)事實(shí)：?jiǎn)吸c(diǎn)信號(hào)交叉口各個(gè)流向的交通流量具有時(shí)變特征；同時(shí)，在一定時(shí)間段內(nèi)（如全天、整個(gè)星期、整個(gè)月份、季度或者年度），交通流的時(shí)變模式會(huì)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(lái)設(shè)計(jì)信號(hào)配時(shí)方案，在一定程度上可實(shí)現(xiàn)信號(hào)配時(shí)的動(dòng)態(tài)優(yōu)化。本文提出的信號(hào)控制策略的執(zhí)行過(guò)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(jì)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(guò)程：由于在離線階段，建立一個(gè)合理的最優(yōu)配時(shí)方案庫(kù)依賴于建模數(shù)據(jù)的全面性——能夠充分反映該信號(hào)交叉口的交通流模式在時(shí)間序列上的變化規(guī)律，因此，需要通過(guò)VII系統(tǒng)獲得該路口長(zhǎng)時(shí)段的交通流數(shù)據(jù)。

　　Step2.構(gòu)建動(dòng)態(tài)交通流OD估計(jì)模型：?jiǎn)吸c(diǎn)信號(hào)交叉口的動(dòng)態(tài)OD矩陣（Origin-Destination Matrix）定義為一定時(shí)間間隔內(nèi)每個(gè)進(jìn)口車輛分配到每個(gè)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(shí)別：本文首先采用SOM神經(jīng)網(wǎng)絡(luò)對(duì)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(jì)結(jié)果。

　　Step4.建立每一個(gè)交通流模式的最優(yōu)信號(hào)配時(shí)方案：根據(jù)第三步驟獲得的交通模式識(shí)別結(jié)果，本文將交通流模式數(shù)據(jù)導(dǎo)入交通信號(hào)配時(shí)設(shè)計(jì)軟件Synchro6.0，利用該軟件對(duì)每一類交通流模式進(jìn)行最優(yōu)信號(hào)配時(shí)，并記錄每個(gè)交通模式對(duì)應(yīng)的最優(yōu)信號(hào)配時(shí)方案，建立起該單點(diǎn)信號(hào)交叉口的最優(yōu)信號(hào)配時(shí)方案庫(kù)。

　　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(duì)單點(diǎn)信號(hào)交叉口進(jìn)行實(shí)時(shí)地檢測(cè)與信號(hào)優(yōu)化控制，具體過(guò)程如下所述：

　　Step1.實(shí)時(shí)檢測(cè)交通流量參數(shù)：通過(guò)VII系統(tǒng)實(shí)時(shí)獲得交叉口各個(gè)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(jì)：在線求解基于極大熵原理的交通流OD估計(jì)模型，從而獲得實(shí)時(shí)的交通流OD矩陣；

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

　　Step4.執(zhí)行最優(yōu)配時(shí)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(hào)，從該交叉口最優(yōu)信號(hào)配時(shí)庫(kù)中調(diào)用并執(zhí)行對(duì)應(yīng)的最優(yōu)信號(hào)配時(shí)方案，從而完成交叉口的信號(hào)優(yōu)化控制。

　　仿真測(cè)試結(jié)果

　　綜上所述，模糊決策系統(tǒng)和信號(hào)最優(yōu)配時(shí)方案庫(kù)的構(gòu)建過(guò)程在離線階段完成，這種方法較好地規(guī)避了控制程序計(jì)算耗時(shí)大的缺點(diǎn)。此外，離線階段的信號(hào)優(yōu)化配時(shí)過(guò)程除了可以利用Synchro6.0軟件實(shí)現(xiàn)，還可以引入專家經(jīng)驗(yàn)，對(duì)配時(shí)方案進(jìn)行人工調(diào)整。

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

　　（1）在實(shí)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(shí)現(xiàn)車路信息的采集、傳輸過(guò)程；

　?。?）控制策略采用了神經(jīng)計(jì)算原理與模糊決策技術(shù)，對(duì)強(qiáng)時(shí)變的交通模式具有自適應(yīng)性；整個(gè)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(jì)、模式識(shí)別以及最優(yōu)信號(hào)匹配任務(wù)，在線程序的計(jì)算耗時(shí)較小，可以滿足信號(hào)控制的實(shí)時(shí)性要求。

　　本課題下一步的研究重點(diǎn)包括：將本文設(shè)計(jì)的信號(hào)自適應(yīng)優(yōu)化控制策略拓展到多個(gè)信號(hào)交叉口的協(xié)同控制過(guò)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?guó)智能交通年會(huì)優(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(wàn)篇深度好文， 等你來(lái)看……