引用本文

莫红, 郝学新. 时变论域下红绿灯配时的语言动力学分析. 自动化学报, 2017, 43(12): 2202-2212. doi: 10.16383/j.aas.2017.c160406

MO Hong, HAO Xue-Xin. Linguistic Dynamic Analysis of Traffic Light Timing Design within the Time-varying Universe. ACTA AUTOMATICA SINICA, 2017, 43(12): 2202-2212. doi: 10.16383/j.aas.2017.c160406

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2017.c160406

关键词

红绿灯配时，时变论域，模糊逻辑，语言动力系统 

摘要

城市道路不同时刻的车流量变化很大，建立与车流量变化相适应的红绿灯动态配时模型有利于缓解交通拥堵，减少出行者的等待时间.本文通过综合时变论域、平行控制理论、语言动力系统（Linguistic dynamic system，LDS），提出了一种新的红绿灯控制方法.该方法以红绿灯不同时刻周期时长所形成的序列为时变论域，由各相位的排队长度确定对应的通行序列与时长，得到时变论域下红绿灯配时方案.该方案形成一个由实时车流数据驱动的动态模糊规则库来对红绿灯配时周期及相位通行序列与时长进行动态调整，进而形成红绿灯配时演化过程的语言动力学轨迹，最后通过实例验证该方案的有效性.

文章导读

近年来, 交通系统的理论与方法研究受到了人们的广泛关注[1-3].然而, 交通系统作为一个复杂系统, 行人、机动车辆行为的随机性及不可预测性增加了对其建立精确数学模型的难度, 采用传统的方法对交通系统进行控制很难达到令人满意的效果.尤其是在车辆及行人集中的交叉路口, 各种交通流(机动车、非机动车和行人)反复地合流、分流及交叉, 使得交通状况异常复杂, 所以城市交通拥堵主要集中在交叉口处, 因此, 提高交叉路口的通行效率是缓解交通拥堵的关键之一.

红绿灯是疏导交叉路口交通流的一种有效方法, 合理的红绿灯配时方案有利于提高道路通行能力, 减少交通事故的发生.传统的红绿灯控制大都采用固定信号周期、固定时长和固定相位转换次序的方法, 无法对路口信号进行实时、经济的控制, 因而经常出现“绿灯无车红灯堵”的现象, 在早晚高峰期及节假日尤为明显.

随着计算机交通控制系统、传感器技术、电子技术和智能控制的发展, 通过信息化手段实现的智能交通系统[4] (Intelligent transport system, ITS)管理调度交通资源, 为解决当前道路交通拥堵问题提供了一条有效途径.在智能交通系统中, 先进的信息技术、数据通讯传输技术、电子传感技术、电子控制技术及计算机处理技术等被集成运用于整个地面交通管理系统, 并建立起一种在大范围内、全方位发挥作用的实时、准确、高效的综合交通运输管理系统[5].

针对交通灯配时不合理这一现象, Pappis等在1977年开始智能红绿灯的研究[6], 提出了通过建立模糊规则库或者专家系统对各种交通状况进行控制[7], 并取得了很好的效果. Bi等[8]和Balaja等[9-10]针对路网中多个路口建立二型模糊控制器, 然而二型模糊集合控制器增加了计算的复杂性, 且不适用于单交叉路口. Collotta等[11]通过无线传感器网络(Wireless sensor networks, WSN)收集路口车流数据, 对多相位路口建立多个平行模糊控制器, 分别进行模糊决策. Abbas等[12]提出了一种改进的车流数据收集及红绿灯配时方法, 并通过仿真验证了该方法的优越性.在国内, 陈洪等在Pappis的基础上, 设计了多级模糊控制器[13], Li等讨论了深度增强学习与平行系统理论在红绿灯配时及交通流控制中的应用[14-15], Abdi等研究了模糊集合在交通方面的应用主要针对短时交通流量的预测[16-17]和实时控制计算[18].

另外, 国内还运行着一些自适应信号控制系统, 如SCOOT (Split-cycle-offset optimization technique)与SCATS (Sydney coordinated adaptive traffic system)等, 但由于其控制原理等多方面的限制, 在过饱和状态下的控制效果不佳, 其目前的版本SCOOT MC3[19] (Managing congestion, communication and control)中, 虽然加入了拥堵监控模块, 但也只能处理常发性拥堵, 不能很好地处理异常情况导致的偶发性拥堵.针对实时路况, 一些自适应学习算法也被广泛应用于路口的信号控制, 如Wiering等研究了基于车辆投票的强化学习优化模型, 通过估计每个车辆的等待时间决定配时方案[20], Box等将具有人工干预的监督学习和时间差分强化学习应用于信号配时优化[21-22], 刘脐锺等提出将改进的遗传算法用于区域交通信号的优化控制模型中[23], Bingham使用神经网络调整模糊交通信号控制器的成员函数, 使用强化学习评估神经网络采用行为的效用, 改进了模糊控制的效果[24], 以上研究结果均证明自适应控制效果优于定时控制、感应式控制等.

针对复杂系统建模、分析、控制与管理问题, 国内学者于1995年提出了语言动力系统(Linguistic dynamic systems, LDS)理论.在LDS理论中, 词计算代替常规的数值与符号计算, 以期从语言的层次上解决复杂系统的建模、分析、控制与评估问题, 形成关于复杂系统状态演化的动态描述, 并在2004年提出了平行系统理论[25-26], 构建了平行交通管理系统的体系框架[27].为了有效解决交叉路口红绿灯配时问题, 建立与交通流状况相一致的红绿灯配时方案, 本文通过综合时变论域[28]、语言动力学理论[29]及平行控制理论[26], 提出了平行红绿灯的理论与方法, 来对红绿灯的配时策略进行实时调整, 并提出平行控制策略.本文中, 时变论域理论被用来描述其周期及定义在该周期上的各相位配时的模糊集合.

本文的红绿灯配时具有以下特点:首先, 模糊集合所在论域随时间变化而改变, 以描述红绿灯的配时周期随交通流的变化而改变的情形, 且模糊集合的隶属函数根据周期的变化状况进行实时调整; 其次, 本文配时方案对应的模糊规则库由人工红绿灯在各种交通流状况下, 以出行者平均等待时间最短为目标经过计算实验的结果而得; 再次, 本文的配时方案是实时的, 即在不同的时间, 随着交通流的变化, 配时周期及各相位的时长与交通流的状况相适应; 最后, 本文采用时变论域下的语言动力系统结合平行控制理论来对红绿灯配时的演化过程进行动态描述, 这也是本文独有的.对交通流进行有效的引导和调度, 能够使交通流保持在一个平稳的运行状态, 避免或者缓和交通拥挤, 有利于提高交通流通行效率, 减少交通事故, 降低污染与能源消耗.

本文安排如下, 第1节介绍相关定义与术语; 第2节针对红绿灯配时设计, 给出了基于平行控制的红绿灯系统的结构方案及数据处理流程; 第3节建立了人工红绿灯系统的配时方案; 第4节根据某交叉路口24小时内不同时间段的配时方案进行动态设计及语言动力学演化分析; 第5节为本文小结.

图 1  红绿灯系统结构

图 2  数据处理流程

图 3  路口相位设置

本文针对交叉路口信号配时不合理的现象, 提出了一种基于ACP的平行控制方案, 以实时车流数据为输入, 以相位周期为波动型的连通时变论域, 通过设定时变论域上的模糊集合及模糊规则, 给出红绿灯平行管理控制策略, 根据实时车流数据调整各相位配时, 通过对三叉路口交通流数据实时计算出对应的配时周期及相位时长.在同一天的不同时段内, 当车流量发生变化时, 配时周期及各相位时长也发生改变, 形成交叉路口各相位动态配时方案, 得到对应的语言动力学轨迹.

本文主要针对T型路口的平行红绿灯配时展开探讨, 对于大型交叉路口行人流、非机动车流及机动车流的三元混合交通流中, 如何确定与交通流状况相一致的平行红绿灯配时周期及相位时长是未来的平行交通系统研究的一项重要工作.

作者简介

郝学新

长沙理工大学电气与信息工程学院研究生.主要研究方向为语言动力系统与智能交通系统.E-mail:mohong198@163.com

莫红 

长沙理工大学电气与信息工程学院教授.2004年获得中国科学院研究生院工学博士学位.主要研究方向为语言动力系统与智能计算.本文通信作者.E-mail:mohong198@163.com