区域交通流协调控制方法
第11卷 第3期2011年6月
交通运输工程学报
JournalofTrafficandTransportationEngineering
Vol111 No13Jun.2011
文章编号:1671-1637(2011)03-0112-06
区域交通流协调控制方法
梁 超,范炳全,韩 印
(上海理工大学管理学院,上海 200093)
摘 要:根据Agent技术和模糊控制方法,提出了区域交通流协调控制方法。以路段拥挤度和绿灯持续时间为输入变量,以绿灯修正延长时间为输出变量,确定了变量数据的获取方式以及变量之间的对应关系,设计了协调控制器。根据下游交叉口配时的不同方案,制定了不同的模糊控制规则,修正了控制策略,并运用MATLAB进行仿真。仿真结果表明:采用Agent技术和模糊控制方法后,平均总延误为1271431s#km
-1
-1
,下降了约919%;路段平均流量密度为181828veh#km;
-1
-1
路段平均流量为9597veh#h;平均车速为171798km#h明显降低,交通状况明显改善。
,提高了约613%。可见,路网密度
关键词:交通控制;区域交通流;协调控制;模糊控制;Agent技术中图分类号:U491.112 文献标志码:A
Coordinationcontrolmethodofregionaltrafficflow
LIANGChao,FANBing-quan,HANYin
(SchoolofBusiness,UniversityofShanghaiforScienceandTechnology,Shanghai200093,China)
Abstract:Onthebasisofagenttechnologyandfuzzycontrolmethod,acoordinationcontrolmethodofregionaltrafficflowwasproposed.Sectioncongestiondegreeandgreenlightdurationweretakenasinputvariables,greenlightpscorrectionprolongtimewastakenasoutputvariable,theacquiringmethodsofvariabledataandthecorrespondingrelationshipsamongthevariablesweredetermined,andacoordinationcontrollerwasdesigned.Accordingtodifferentschemesoftimeassignmentsatdownstreamintersections,variousfuzzycontrolruleswereformulated,controlstrategywascorrected,andcorrespondingsimulationwascarriedoutbyMATLAB.Simulationresultshowsthatafterusingthecontrolmethod,averagetotaldelayis1271431s#km-1,anddecreasesbyabout919%.Averagesectiondensityis181828veh#km-1.Averagesectionflowis9597veh#h-1.Averagespeedis171798km#h-1,andrisesbyabout613%.Itcanbesignificantlyseenthatwiththemethodsectiondensitydecreases,andtrafficconditionisimproved.7tabs,3figs,14refs.
Keywords:trafficcontrol;regionaltrafficflow;coordinationcontrol;fuzzycontrol;agenttechnology
Authorresumes:LIANGChao(1966-),male,doctoralstudent,com.cn;FANBing-quan(1942-),male,professor,
+
+
86-21-55275273,lcra307@yahoo.
86-21-55275273,[email protected].
收稿日期:2011-01-09
基金项目:国家自然科学基金项目(51008196);上海市重点学科项目(S30504);上海市科委重点科技攻关项目(10dz1510700)作者简介:梁 超(1966-),男,浙江台州人,上海理工大学管理学博士研究生,从事智能交通系统研究。:),,
第3期 梁 超,等:区域交通流协调控制方法113
0 引 言
传统的控制方法对于缓解路口交通拥堵问题,保持交通流尽量畅通起到了一定的作用,但传统控制系统的设计与分析是建立在已知系统精确数学模型的基础上,而对于巨型复杂系统一般无法获得精确的数学模型,或根本无法用传统的数学模型来表示,更谈不上获得良好控制性能与及时有效的决策。对巨型复杂控制系统而言,单纯依赖于数学模型无法描述人在整个系统控制、管理和决策过程中所体现出的主动性、灵活性,所以使得单纯基于传统方法的人机协调很难奏效,其控制效果与期望值相比还有一定的差距,因此,一些先进的控制理论和方法特别是Agent技术开始应用于交通控制领域。美国等国家目前正在研究基于Agent技术的智能交通控制系统,主要原理是在城市交通网络中,用于对所属的网络区域实现信号灯控制
[2]
[1]
人工智能研究中认识论与方法论上的进步[4]。
近年来兴起的多Agent技术正是一种能够有效整合传统交通控制系统和交通信息诱导系统的技术,为智能化交通管理提供了一个新的思路,且得到交通研究人员越来越多的关注。
运用多Agent技术和先进的交通仿真软件,构建适用于中国城市混合交通特点的智能交通控制系统,有效地整合传统交通控制系统和交通信息诱导系统,提升城市交通管理的现代化水平。
2 区域交通流协调控制方法
2.1 控制方法
采用Agent技术对交叉口信号自主控制后,交通信号将被分散控制,可以跳出单点交叉口的局限,联系相邻路段的信号灯色和交通流量,修正单交叉口信号的控制方案。在修正时,主要考虑本交叉口对下游交通拥挤度的影响,同样,本交叉口的上游路段的交通压力也在上游交叉口缓解。如此,路网中就会出现各个交叉口每个相位都会对下游交叉口/负责0的节点群,虽然这种/负责0关系仅仅出现在本交叉口某一方向绿灯时间即将结束的时刻,但却覆盖了下游全路段范围内的车流信息。这与交叉口单点控制时,考虑上游近停车线附近路段一段时间的交通信息可以达到一种平衡,另一方面,与单点控制时照顾上游交通量驶出停车线而尽量延时相比,协调控制器输出的修正绿灯延长时间是为了保证下游的交通通畅,抑制绿灯时间的延长。这一正一反的矛盾统一后就可以达到一种平衡。2.2 协调控制流程
协调控制流程见图1。
[5]
。本文应用
Agent技术针对交通时变性特征,同时融合模糊控制方法解决交通问题的复杂性与随机性,提出新的区域交通流协调控制方法。
1 Agent技术概述
Agent技术在方法上的创新在于:由于Agent技术所具备的驻留性与自制性,可以存在于一定的环境中,如物理世界、Internet等;能摆脱传统方法的制约,在没有人类指令及其他Agent技术干预下自主、持续地运作;模拟了人类的信念、期望、意图等心智状态和规划、学习等心智活动品质,具有传统人工智能无法具备的人类智能中至关重要的能动性;不再像以往那样,总是被动地接受已经预设好的算法与指令的驱使,而是能够面向陌生的状态与不确定性,积极主动地进行认知与行动。Agent技术将传统理论中的符号主义与行为主义等方法结合起来,能够发挥出仅靠单一方法所不能产生的综合集成能力
[3]
。
Agent技术的主体思想是从整体出发,在以问题层次化、模块化分割解析的基础上,对问题进行从局部到整体、从同层次到跨层次并行不断地分解、重构与实例化,形成1种既有分析又有综合的多元整合求解机制。尤其值得一提的是,每个Agent具有各自不同的知识背景、心智品质、能力及个性,而且不是一成不变的,可以随着情况的变化而不断地进行能动的自我更新,因而Agent技术是更接近于客
图1 协调控制流程Fig.1 Coordinationcontrolflow
114交 通 运 输 工 程 学 报
0L1=A1=e
1-e
-(x-a)
R1
2
2011年
3 协调控制器设计
在协调控制交叉口群时,既要确定当前相位绿灯时间,又不能忽视对相邻下游交叉口的通行能力的影响,本文选择用模糊控制办法模拟人脑的推理来做决策。
协调模糊控制器采用2个输入1个输出的控制结构,2个输入变量分别为本交叉口与下游交叉口之间的路段拥挤度和本路口主线相位的绿灯持续时间,1个输出变量为协调控制器对绿灯的延长时间修正值。这也反映了路网协调控制思想,即每个交叉口立足于本交叉口的利益,以各自主体产生的控制策略为主,协调控制器仅对主体控制器的结果做修正。
3.1 变量模糊化3.1.1 路段拥挤度
选取下游路段拥挤度作为输入变量,是用来表征下游路段上的车辆拥挤状态。交叉口之间的路段容量因为受到路段的长度、宽度、车道数、平均车速等因素的影响而各不相同,单纯以车辆数目作为输入变量缺乏普遍性
[5-6]
x1[a1x1>a1
(2)(3)
-(x-a)2
R1
式中:x1为X的隶属度函数变量;路段拥挤度隶属度函数的参数R1和a1见表1。
表1 路段拥挤度参数值
Tab.1 Parametervaluesofroadcongestiondegrees参数R1a1
Z0.110.00
VS0.120.17
S0.110.37
M0.110.58
L0.090.80
VL0.101.00
3.1.2 绿灯持续时间
路口的绿灯持续时间原本是指从绿灯最近1次起亮到判断时刻的持续时间长度,一般绿灯持续时间的长短对处于不同时段的不同交叉口是不同的,也就是说绿灯持续时间的评价具有动态性和相对性。动态性指某个周期初始确定的绿灯时间对于前1个周期的绿灯持续时间可能过长或过短,绿灯时长的频繁大范围波动容易造成交通流的不稳定,乃至产生拥堵;相对性指同样的时长对于流量小的交叉口可能过长,但是对于别的交叉口就会太短,而模糊协调控制面向所有的交叉口必须具有普遍的适应性。本文对绿灯持续时间做了标准化处理
[7]
,因此,本文定义路段拥挤度
作为模糊控制器的1个输入变量。以路段的长度为被除数,以路段上现有的车辆排队长度为除数得到的比值称为路段拥挤度X,路段拥挤度X受到上下游交叉口交通信号的影响,并且与路段上下游进入和流出的车辆数和速度有关,虽不能详细描述车辆在路段上的分布,但是可以通过2端的信号控制来减少车辆在交叉口处的等待延误。通常每个交叉口的绿灯方向的下游路段有2个,所以要选择路段拥挤度大的一个作为协调输入用的路段拥挤度。
路段拥挤度X为连续值,论域为[0,1]。当X无限趋向于1时,信号控制系统将发出命令,禁止上游路段向该路段输入车辆。
定义路段拥挤度X的模糊语言值为{零,很小,小,适中,大,很大},对应的符号表示为{Z,VS,S,M,L,VL}。
用1个偏小型半降正态分布隶属度函数S1、1个偏大型正态分布隶属度函数L1和1个中间型正态分布的隶属度函数A1划分论域,3种隶属度函数分别为
S
。
基于本交叉口该方向上绿灯总持续时间(包括初始绿灯时间和绿灯延长时间),计算标准绿灯时间S为
S=0.4t1+0.3t2+0.2t3+0.4t4
总持续时间。
将本周期该方向上的绿灯持续时间t0除以标准绿灯时间S,得到的比值j为
j=
0(5)(4)
式中:ti为本交叉口前i个周期中该方向上的绿灯
标准化处理后的绿灯持续时间T为
T=min{j,1}
(6)
这样即可确保绿灯持续时间T总是小于1,而且也是连续的,论域为[0,1]。定义绿灯持续时间T的模糊语言值为{很小,小,适中,大,很大},对应的符号表示为{VS,S,M,L,VL}。
与路段拥挤度X相同,用1个偏小型半降正态分布隶属度函数S2、1个偏大型正态分布隶属度函
)
数L2和1个中间型正态分布的隶属度函数A2划
第3期 梁 超,等:区域交通流协调控制方法
1
S2=
e
-(x-a)
R2
2
115
x2[a2x>a
2
3.2 模糊控制规则
(7)
根据对下游主通行方向的灯色不同,本文分别定义了2套控制规则,反应了下游主通行方向的灯色Sn
(8)(9)
对绿灯修正延长时间的影响。为了方便区分,将Sn为绿灯时适用第1套控制规则输出记为E1,将Sn为红灯时适用第2套控制规则输出记为E2[7-9]。3.2.1 下游主通行方向灯色为绿灯
当Sn为绿灯时,交叉口的绿灯延时一方面随着目前下游路段交通量压力的增加,对该交叉口的绿灯时间抑制作用越强;另一方面交叉口的当前相位绿灯时序时间相对于之前绿灯持续时间,只允许有
VL0.1001.000
2
L2= A2=e
1-e
-(x-a)2
2R2
x2[a2x2>a2
-(x-a)2
R2
式中:x2为T的隶属度函数的变量;绿灯持续时间隶属度函数的参数R2和a2见表2。
表2 绿灯持续时间参数值
Tab.2 Parametervaluesingreenlightduration
参数R2a2
VS0.1360.000
S0.1000.250
M0.1200.500
L0.1000.750
连续的小幅度变化,那么相对的绿灯持续时间越长
对绿灯延长时间的抑制作用越大。模糊规则见表4及图2。
表4 绿灯时模糊规则Tab.4 Fuzzyrulesingreentime
TVSSMLVL
X
ZZZZZZ
VSZZZZVS
SVSVSVSSS
MVSVSSSM
LSSSMM
VLMMMML
3.1.3 绿灯修正延长时间
绿灯修正延长时间是模糊控制器的输出变量,实现对单交叉口绿灯延时的修正,通常绿灯延长时间的修正范围与单交叉口延时是相同的,同样是受到交叉口主体的个性限制,不同的交叉口的绿灯延长时间的规模界限不同。也就是说,有的交叉口最多可以延长5s,而换作另1个交叉口可能达到15s,本文取输出经验值为10s,交叉口主体的个性限制协调执行时通过影响系数做适当调整[6]。
绿灯修正延长时间E的论域为[0,10],定义绿灯修正延长时间E的模糊语言值为{零,很小,小,适中,大,很大},对应的符号表示为{Z,VS,S,M,L,VL}。
用1个偏小型半降正态分布隶属度函数S3、1个偏大型正态分布隶属度函数L3和1个中间型正态分布的隶属度函数A3划分论域,3种隶属度函数分别为
1
S3=
e
-(x-a)2
R3
x3[a3x3>a3
x3[a3
-(x-a)
R3
2
(10)
图2 绿灯时模糊规则仿真
Fig.2 Simulationoffuzzyruleingreentime
L3=
1-e
x3>a3
(11)
3.2.2 下游主通行方向灯色为红灯
当Sn为红灯时,所有的抑制作用相对都要减轻,模糊规则见表5及图3。
A3=e(12)式中:x3为E的隶属度函数的变量;绿灯修正延长时间隶属度函数的参数R3和a3见表3。
表3 绿灯修正延长时间参数值
Tab.3 Parametervaluesofcorrectionprolongtimesforgreenlight
-(x3-a3)2
R3
4 控制策略个性化修正
上述控制规则制定虽具有合理性,对所有交叉口具有普遍性,但是无法满足交叉口的个性需求,在,而直接针对规则的10-14]
116
表5 红灯时模糊规则制定
交 通 运 输 工 程 学 报 2011年
对于修正系数A0主要考虑了交叉口的平面设计、路段等级等因素,如位于主干道上的交叉口车流量大,周期时间与绿灯延长时间较长,如果1次绿灯
LSMMLL
VLMMLLVL
Tab.5 Fuzzyruleinredtime
T
VSSMLVL
X
ZZZZZZ
VSZZVSVSZ
SVSSSSM
MSSMML
延长时间最长可达到15s,那么A0为115(整个论域在原有基础上扩大115倍)。
修正系数A1与A0最初是一致的,当考虑了协调力度的区别时,就要在A0基础上再做修正。所谓协调力度是指对主路段方向上的交通流干预的程度,随着主方向路段的不同而不同,也取决连接路段另一端交叉口的设计通行能力级别。如下游路段的交叉口很重要,且距离比较近,则2个交叉口的相关性必然很大,协调的力度就应增加。协调力度大要求抑制作用增大,则A1>A0。
为使B、C能够更加准确,需注意协调力度,在一组同时亮信号灯的方向中,主方向不同,修正系数也会不同。但是由于对输入变量分别做了相对处理,论域都是[0,1],所以不需要再根据主方向加以区分
[13-14]
。
5 仿真结果分析
图3 红灯时模糊规则仿真
Fig.3 Simulationoffuzzyruleinredtime
本文以上海市某地区16个交叉口作为模型验证区域,用微观仿真软件AIMSUN进行模拟验证。
路网性能的评价参数包括总流量、总出行距离、总行程时间、路网密度、路网平均车速与路网总延误时
(13)
-16]间[15。在AIMSUN路网中,将现状控制方案以
控制策略个性化修正通过改变交叉口的最终绿灯延时g起作用。各个交叉口的g为
g=A0e-A1E=
A0e-BE1A0e-CE2
Sn为绿灯Sn为红灯
式中:e为绿灯延长时间(s);A0、A1均为对单交叉口
控制器输出的绿灯延长时间修正系数;B、C分别为对E1、E2的修正参数。
及基于Agent技术的模糊控制策略分别仿真10次
并取平均值,得到小汽车、货车、公交车3种交通方式各自的各项仿真结果见表6。2种控制策略的结果分析,见表7。
表6 仿真结果Tab.6 Simulationresult
指标
定时控制
延误/(s#km-1)
模糊控制定时控制
密度/(veh#km-1)
模糊控制定时控制
流量/(veh#h-1)
模糊控制定时控制模糊控制
小汽车均值139.771125.73917.26417.[1**********]16.81517.979
0.4890.357标准差6.3474.395
均值152.951142.7730.7830.[1**********].95115.606
0.5190.428货车
标准差8.4936.633
均值174.329159.3641.0071.[1**********].92215.889
0.5440.237
-1
公交车
标准差9.1193.411
均值141.355127.43119.05418.[1**********]16.66617.798
总体
标准差6.4434.353
行程车速/(km#h-1)
0.4880.346
从表6、7中可以看出,基于Agent技术的区域
多交叉口信号集成控制系统拥有明显的优势,总路程距离、总行程时间、总延误、停车次数及停车时间中:总延误为1271431s#km,下降了919%,平均车速为171798km#h-1,提高了617%。通过对比2种控制策略下的路网密度分布情况,也可以看出
第3期 梁 超,等:区域交通流协调控制方法
表7 分析结果Tab.7 Analysisresult
评价指标总路程/km总行程时间/h
停车次数/[次#(veh#km)-1]
停车时间/min
定时控制21266.41167.22.7144.7
模糊控制20872.71055.42.6112.7
117
mult-iagentapproachtocooperativetrafficmanagementandrouteguidance[J].TransportationResearchPartB:Method-ological,2005,39(4):297-318.
[6] 韩 印.基于多智能体的道路多交叉口信号集成控制仿真系
统及信息诱导技术研究与开发应用研究报告[R].上海:上海理工大学,2009.
HANYin.Studyreportonmult-iintersectionsignalintegrat-edcontrolsimulationsystembasedonagentsandinformationguidancetechnology[R].Shanghai:UniversityofShanghaiforScienceandTechnology,2009.(inChinese)
[7] 高海军,俞国军,李振龙.基于Agent的城市交通信号控制[J].
控制与决策,2004,19(7):737-740.
GAOHa-ijun,YUGuo-jun,LIZhen-long.Agent-basedurbantrafficsignalcontrol[J].ControlandDecision,2004,19(7):737-740.(inChinese)
[8] ROOZEMONDDA.Usingintelligentagentsforpro-active,
realtimeurbanintersectioncontrol[J].EuropeanJournalofOperationalResearch,2001,131(2):293-301.
[9] TAYLORJAMESC,MCKENNAPG,YOUNGPC,etal.
MacroscopictrafficflowmodellingandrampmeteringcontrolusingMATLAB/Simulink[J].EnvironmentalModellingandSoftware,2004,19(10):975-988.
[10] 安 实,李 静,崔建勋.面向多智能体的出行前信息下通勤
者出行行为研究[J].中国公路学报,2009,22(3):95-100.ANShi,LIJing,CUIJian-xun.Researchoncommuterpstravelbehaviorfacedtomult-iagentunderpre-tripinforma-tion[J].ChinaJournalofHighwayandTransport,2009,22(3):95-100.(inChinese)
[11] 梁新荣,刘志勇,毛宗源.高速公路入口匝道模糊控制及其仿
真研究[J].系统仿真学报,2005,17(2):444-447.
LIANGXin-rong,LIUZh-iyong,MAOZong-yuan.Fuzzyrampcontrolinfreewayandsimulationresearch[J].JourualofSystemSimulation,2005,17(2):444-447.(inChinese)
[12] 臧利林,贾 磊.城市交通智能控制优化算法[J].中国公路
学报,2006,19(6):97-101.
ZANGL-ilin,JIALei.Urbantrafficintelligentcontrolopt-imizationalgorithm[J].ChinaJournalofHighwayandTrans-port,2006,19(6):97-101.(inChinese)
[13] 吕 斌,牛惠民.随机条件下单点交叉口信号配时优化[J].
交通运输工程学报,2010,10(6):116-120.
LUBin,NIUHu-imin.Signaltimingoptimizationatisolatedintersectionsunderrandomcondition[J].JournalofTrafficandTransportationEngineering,2010,10(6):116-120.(inChinese)
[14] 韩 印,张 楠,马万达,等.右转车辆穿越行人流的延误
模型[J].交通运输工程学报,2010,10(6):121-126.
HANYin,ZHANGNan,MAWan-da,etal.Delaymodelsofright-turningvehiclecrossingthroughpedestrianflow[J].JournalofTrafficandTransportationEngineering,2010,10(6):121-126.(inChinese)
通情况得到良好的改善。
6 结 语
(1)研究了基于模糊控制的协调控制器设计,采
用2个输入1个输出变量设计,并分别给出了隶属度函数。
(2)以下游交叉口信号不同制订了2套不同的模糊控制规则,并利用MATLAB进行了仿真研究。
(3)研究了控制策略的个性化修正,给出了交叉口的最终绿灯延时输出结果的计算方法。
(4)以上海市某地区16个交叉口区域,运用AIMSUN软件对其仿真验证,结果表明基于Agent技术与模糊控制的区域交通流协调控制方法优于传统控制方法。参考文献:References:
[1] 严 飞,潘明阳,曹晓东,等.Agent技术在交通仿真中的应用[J].
电脑开发与应用,2003,16(8):31-33.
YANFei,PANMing-yang,CAOXiao-dong,etal.Applicationofagenttechnologyintrafficsimulation[J].ComputerDevelop-mentandApplications,2003,16(8):31-33.(inChinese)
[2] 曹富禄,苏诗琳,蔡占华,等.基于多Agent技术的城市交通
信号控制系统的研究[J].现代电子技术,2004,27(15):11-12,14.
CAOFu-lu,SUSh-ilin,CAIZhan-hua,etal.Researchofurbantrafficsignalcontrolsystembasedonmult-iagentstech-nology[J].ModernElectronicsTechnique,2004,27(15):11-12,14.(inChinese)
[3] 申徐洲.基于Agent的智能交通控制的研究[D].大庆:大庆
石油学院,2006.
SHENXu-zhou.Researchonintelligenttrafficcontrolbasedonagenttechnology[D].Daqing:DaqingPetroleumCollege,2006.(inChinese)
[4] 孙晋文.基于Agent的智能交通控制策略与可视化动态仿真
研究[D].北京:中国农业大学,2001.
SUNJin-wen.Studyonagent-basedintelligenttrafficcontrolstrategyandvisualdynamicsimulation[D].Beijing:ChinaAgriculturalUniversity,2001.(inChinese)
[5] ADLERJL,SATAPATHYG,MANIKONDAV,etal.A