基于模糊神经网络交通控制子区动态划分.pdf

No．1 第22卷第1期 广西工学院学报 VoI．22 TECHNOLOGY MaL20ll 2011年3月 JOURNAL0FGUANGⅪUNIVERSITYOF 文章编号1004-6410(201 1)01-0082-05 基于模糊神经网络交通控制子区动态划分 谢颖a，李春贵b，闫向磊a，张宏磊8 (广西工学院山电子信息与控制工程系．b．计算机工程系，广西柳州545006) 擒要：提出将模糊神经网络方法应用于交通控制子区动态划分，利用神经网络的学习能力自动寻找模糊推理规则， 根据实时的交通流量、距离和最佳信号周期，预测输出城市相邻道路交叉口之间的协调系数，根据协调系数大小划分 交通控制子区．用MATLAB进行仿真实验。实验结果证实该方法可行，比用BP神经网络方法实现更加快速、有效． 关键词：模糊神经网络；交通控制子区；动态划分；BP神经网络 中图分类号：TP391 文献标志码：A O引言 交通控制子区的动态划分是根据实时交通状况。采用某一种控制策略，做到控制区域的自行组合、拆 分．划分交通控制子区一方面可以提高交通控制方案的灵活性，因城市的功能性布局，不同路段的交通特 性存在很大差异。将路网划分成不同的控制子区，有利于对交通特性悬殊的区域实施不同控制方案；另一 方面可以增强系统的可靠性，一台计算机(或一个控制中心)处理数据的能力有限，将路网划分为多个交通 控制子区，并使用不同的计算机来控制不同的子区，从而可减少实时处理的数据量，提高系统的实时性及 运行效率． 国内外学者对交通控制子区动态划分的主要研究有：尚德申【l】等指出交通控制子区动态划分的饱和 度原则、周期原则和距离原则；莫汉康【2】等给出了诱导条件下的交通子区动态划分，并指出子区划分的主 要原则有周期原则、流量原则和距离原则；李瑞敏【3】等提出了协调系数的概念，给出了用模糊逻辑来具体 划分交通控制子区的方法，国外SCATS系统使用合并指数的定义合并子区等． 模糊人工神经网络技术结合了神经网络和模糊理论的优点，集学习、联想、识别、自适应于一体呻】，本 文在前人工作的基础上提出将模糊神经网络方法应用于交通控制子区的动态划分。并用MA，11AB进行了 仿真实验．实验结果表明该方法较其它算法更加准确、有效． I协调系数与子区动态划分 1．1协调系数 表明相邻交叉口之间的关联程度越高协调控制需求越强． 在进行多交叉口协调控制时，为了提高控制区域的总体交通效益，把交通关联度较为密切的若干相邻 交叉口组合在一起来划分交通控制子区，采用针对该部分区域路网交通流运行特征的控制策略，并在简化 战略控制参数间相互影响的基础上，采用共同的信号周期进行控制，从而使多交叉口整体优化后的控制输 出方案能够更好的适应该区域范围内交通需求状况的实时变化． 收稿日期：2011-01-．05 基金项目：广西科技计划项目(挂科攻0992006-13)资助． 通信作者：李春贵．教授．博士，研究方向：人工智能．智能交通研究，E-ma／!：蛔_镭8l@6啦．∞眈 万方数据 第1期 谢颖等：基于模糊神经网络交通控制子区动态划分 83 根据实时的交通特性计算得到交通关联度CF，CF的大小决定是否将相邻交叉口划分为同一子区，实 现路网交通控制子区动态划分． 1．2协调系数的影响因素 交叉口之间的距离、交通流量、交叉口最佳信号周期是交通特征的主要体现，国内众多学者指出交通 控制子区的划分原则主要有距离原则、流量原则、周期原则阳】，即协调系数的影响因素主要有流量、距离 和周期． 流量因素：两相邻交叉口的车流量差很小时。说明两交叉口的交通流特性相似，应划为同一子区协调 控制；相邻交叉口的车流量都较大时，交通拥挤程度高，协调控制需求强，CF值大，也应划分在同一子区． 距离因素：当相邻交叉口之间的距离大于某一值时，到达下游交叉口停车线的车流已