智能交通控制的課程設計

1、<p>　　智能交通控制系統(tǒng)設計</p><p>　　院 系 ： 信息工程學院 </p><p>　　專 業(yè) ： 交通工程 </p><p>　　學 號 ： </p><p>　　學生姓名 ： </p>

2、<p>　　指導教師 ： </p><p>　　課程題目 ：基于遺傳算法的高速公路入口匝道控制與仿真</p><p><b>　　摘 要</b></p><p>　　隨著社會經(jīng)濟的快速發(fā)展和汽車的普及，高速公路交通擁擠已經(jīng)成為困擾世界各國政府嚴重的社會問題，由于高速公路交通系統(tǒng)的非線性和時變特性

3、，所以，一直以來怎么解決高速公路的擁堵成為了不少交通設計的重點，本文根據(jù)高速公路的特點，提出了人口匝道控制，并對其進行計算和仿真，通過用MATLAB軟件進行系統(tǒng)仿真，仿真結果表明，該入口匝道控制的遺傳算法，具有優(yōu)越的動態(tài)和穩(wěn)態(tài)性能，能使主線交通流密度保持為設定的期望密度，使車輛行駛更有效率和更安全，該方法應用于高速公路入口匝道控制中效果良好！</p><p>　　高速公路匝道控制方法</p><

4、;p><b>　　一、匝道的定義</b></p><p>　　匝道就是可以將兩條高速公路銜接的特殊道路。在高速公路系統(tǒng)中，連接作用是匝道的主要作用之一，相比高速公路基本路段，匝道有很多不同之處：</p><p>　　(1) 匝道的寬度和長度是有限的；</p><p>　　(2) 與匝道相連接公路的設計速度應高于匝道的設計車速；</p

5、><p>　　(3) 由于匝道是兩條車道的連接，車輛都會由于換道而頻繁出現(xiàn)加減速現(xiàn)象</p><p><b>　　二、匝道控制概述</b></p><p>　　匝道控制的策略有分散策略和延遲策略，要實施匝道控制策略，以下條件是必須考慮的：</p><p>　　(1) 入口匝道控制的潛能</p><p>

6、;　　(2) 入口匝道上足夠的交通容納量</p><p>　　(3) 固有的交通模式</p><p>　　(4) 公眾的接受程度</p><p>　　三、入口匝道控制的基本方法</p><p>　?。ㄒ唬┤肟谠训蓝〞r控制</p><p>　　在定時控制中，通常會采用兩車并行調節(jié)方式，因為它不容易造成司機的混亂，保障了車

7、輛的安全運行。</p><p>　　匝道調節(jié)率r(輛/小時)的計算公式為：</p><p><b>　　(1)</b></p><p>　　(輛/小時)為匝道下游容量，(輛/小時)為匝道上游交通需求。匝道調節(jié)周期長度C(s)為：</p><p><b>　　(2)</b></p>&l

8、t;p>　　n為每個調節(jié)周期允許進入的車輛數(shù)，n=1, 2, 3。匝道調節(jié)率還要受下列約束：</p><p><b>　　(3)</b></p><p>　?。ǘ┤肟谠训栏袘刂?lt;/p><p>　　(1) 交通需求-通行能力控制</p><p>　　記離散時間下標k=1, 2, …及時間段T，則r (

9、k)表示時間段[kT, (k+1)T]內的調節(jié)率，其計算公式為：</p><p><b>　　(4)</b></p><p>　　式中為匝道下游容量，qin(k-1)為時間段[(k-1)T, kT]內的匝道上游交通需求，oout(k)為匝道下游占有率測量值，ocr為占有率的臨界值，rmin為預定的調節(jié)率下限值。</p><p><b>

10、;　　(2) 占有率控制</b></p><p>　　占有率控制的原理：實時測量高速公路匝道的上游或下游的占有率，通過測量的數(shù)據(jù)來估算下游剩余容量Δqc，再來確定入口匝道的調節(jié)率。為此需要建立交通量和占有率的關系，關系如圖1所示。</p><p>　　圖1 交通量-占有率關系</p><p>　　下游的剩余容量與實際占有率的關系如圖2所示。</p&

11、gt;<p>　　圖2 剩余通行能力-占有率關系</p><p>　　由圖2可以大致的看出它們之間的關系，再根據(jù)經(jīng)驗公式，可估算下游剩余容量如下：</p><p><b>　　(5)</b></p><p>　　于是調節(jié)率的確定方法為：</p><p><b>　　(6)</b><

12、;/p><p><b>　　(3) 反饋控制</b></p><p>　　下面給出一個反饋控制策略，稱為ALINEA控制律。</p><p><b>　　(7)</b></p><p>　　式中KR >0為調節(jié)器參數(shù)，od為匝道下游期望的占有率值，一般取ocr.</p><p&

13、gt;　　下面給出另外一種連續(xù)型反饋控制律。</p><p><b>　　(8)</b></p><p>　　式中K為反饋增益，qout(t)和qin(t)分別為高速公路的流出和流入車流量。</p><p>　　下面來推導該控制系統(tǒng)的動態(tài)方程。根據(jù)車輛守恒關系可得出：</p><p><b>　　(9)<

14、/b></p><p>　　式中ρ(t)為車輛密度。由于車輛密度在實際中難于直接測量，常用時間占有率o(t)代之。兩者之間的關系可用下式表示：</p><p><b>　　(10)</b></p><p>　　式中η為一常數(shù)，μ表示高速公路的車道數(shù)，為平均有效車長。記，將式(10)代入式(9)可得：</p><p>

15、;<b>　　(11)</b></p><p>　　如果系統(tǒng)式(11)采用控制律式(8)，則 </p><p><b>　　(12)</b></p><p>　　此式正是入口匝道控制器的目標。</p><p><b>　　證明如下：</b><

16、;/p><p>　　將式(8)代入式(11)得： </p><p><b>　　(13)</b></p><p><b>　　定義：</b></p><p><b>　　(14)</b></p><p>　　并考慮到ocr為常數(shù)，則由式(13)得：</

17、p><p><b>　　(15)</b></p><p><b>　　式(15)的解為：</b></p><p><b>　　(16)</b></p><p>　　由式(16)可知，當時，，再根據(jù)式(10)和式(14)便可得到式(12)的結論。式(12)表明，入口匝道控制器的控制目

18、標是使交通密度逼近于期望的交通密度，這里期望的交通密度選取為臨界密度.</p><p>　　（三）入口匝道集中控制</p><p>　　集中控制就是當改變某個入口匝道調節(jié)率時，就會影響高速公路的交通量，從而改變了其它匝道的調節(jié)率。高速公路控制系統(tǒng)采用的性能指標很多，這里討論的性能指標是：入口匝道容許交通量之和達到最大。</p><p><b>　　遺傳算法

19、</b></p><p>　?。ㄒ唬┻z傳算法的特點</p><p>　　遺傳算法是解決有關搜索問題的常用算法，各種通用問題都可以很好地使用遺傳算法。搜索算法有以下共同特征：</p><p>　　(1)首先組成一組候選解；</p><p>　　(2)候選解的適應度一般是依據(jù)某些適應性條件來測算的；</p><p&

20、gt;　　(3)根據(jù)適應度選擇對遺傳算法有用的候選解，放棄其他對遺傳算法無用的候選解；</p><p>　　(4)將所選擇的候選解進行某些專業(yè)性的操作，從而產(chǎn)生新的候選解。</p><p>　?。ǘ?遺傳算法的應用關鍵</p><p>　　遺傳算法在應用中最關鍵的問題有如下3個：</p><p><b>　　(1)串的編碼方式&l

21、t;/b></p><p>　　問題編碼是其本質。一般用二進制編碼問題的各種參數(shù)，從而便有子串的構成；然后用子串拼成“染色體”串。串長度及編碼形式極大的影響算法收斂。</p><p>　　(2)適應函數(shù)的確定</p><p>　　適應函數(shù)(fitness function)通常也稱對象函數(shù)(object function)；一般可以把問題的模型函數(shù)作為對象函數(shù)

22、；但有時需要另行構造。</p><p>　　(3)遺傳算法自身參數(shù)設定</p><p>　　遺傳算法的自身參數(shù)有3個，即交叉概率Pc、變異概率Pm和群體大小n。</p><p>　　二、 遺傳算法的步驟</p><p>　　遺傳算法計算優(yōu)化的操作過程就如同生物學上生物遺傳進化的過程，主要有三個基本操作（或稱為算子）：選擇（Selection）

23、、交叉（Crossover）、變異（Mutation）。</p><p><b>　　流程圖如圖3所示。</b></p><p>　　圖3 遺傳算法流程圖</p><p>　　模糊邏輯與遺傳PI密度控制器設計</p><p>　　一、 高速公路交通流模型</p><p>　　類比交通流和流體流動，

24、引出一個傳統(tǒng)交通流模型，該模型的流量-密度關系是非線性的。如圖4所示的一段高速公路，主線的車道數(shù)為λ，入口匝道的車道數(shù)為1。</p><p>　　圖4 高速公路入口匝道</p><p>　　我們可以假定在時間段k內,車輛從上游以流量輛∕(小時 · 車道)流入和從入口匝道以輛/小時流入。車輛再以流量輛∕(小時 · 車道)從其下游流出。通過守恒定律，在這段高速公路上 k+1

25、時的車輛數(shù)N(k+1)為：</p><p><b>　　(17)</b></p><p>　　交通密度的定義為,其中是這段高速公路的長度。式(17)現(xiàn)在可以根據(jù)交通密度寫為：</p><p><b>　　(18)</b></p><p>　　交通流基本圖是交通流量及交通密度之間的關系，基本圖的多種形

26、式已經(jīng)提出,所有這些形式都具有一些共性特征：(a)當密度為零，流量也為零；(b)有一個最大的密度(通常稱為堵塞密度)對應于擁堵的交通(流量也是零)；(c)當交通流最大時存在一個交通密度(通常稱為臨界密度)。</p><p>　　美國學者紐厄爾提出了一個流量-密度三角關系:</p><p><b>　　(19)</b></p><p>　　為自由

27、流動的速度,是在一個方向阻礙交通流移動的波速，是阻塞密度，是臨界密度。</p><p>　　Green-shield提出了一種流量-密度拋物線關系：</p><p><b>　　(20)</b></p><p>　　Kotsialos提出了一種流量-密度指數(shù)關系：</p><p><b>　　(21)</

28、b></p><p>　　l> 0，m> l，其中l(wèi)，mR，是合適的參數(shù)。</p><p>　　根據(jù)關于平均速度建模的具體假設，流體-動力模型可分為一階和高階模型。一階模型的平均速度可以單獨的作為一密度函數(shù)(即使在非平穩(wěn)非齊次情況下),即和,因此，只有一個動力學方程(交通密度)描述交通演化。高階模型把平均速度作為獨立變量和使用一個(或多個)額外的動力學方程(動量或速度方程

29、),用兩個(或兩個以上)的獨立變量形成一個方程組。</p><p>　　一個離散一階宏觀交通流模型是由方程式(2)結合一個基本圖構成。一階模型為交通仿真和控制研究提供了一種簡單的、容易加工的框架,在交通瓶頸和交通峰的進展中，描述這樣的交通現(xiàn)象為沖擊波,在啟動和停止交通路口上，一階模型提供了一個良好的定性結果。</p><p>　　二、混合控制器的控制結構</p><p&

30、gt;　　在交通流控制系統(tǒng)中，基于反饋的方法已經(jīng)研究和實施了很長時間,如知名ALINEA，它不能完全取代現(xiàn)有的基于模糊邏輯和遺傳PI的反饋控制算法，相反,我們尋求反饋組合與智能控制，因此我們可以保留現(xiàn)有反饋回路的功能，如魯棒性。模糊邏輯與遺傳PI混合控制器如圖5所示。</p><p>　　在圖5中闡述的控制系統(tǒng)是一個閉環(huán)系統(tǒng)。輸出的交通體系、交通密度,與預期的交通密度相比，生成一個新的跟蹤誤差和完成一個反饋周期。

31、用控制系統(tǒng)的術語講,交通密度稱為一個狀態(tài)變量,是一個輸出變量，匝道調節(jié)率r(k)是一個控制變量，高速公路流入量qu(k)是一個擾動輸入,因為它可以不受控制的影響。</p><p><b>　　qu(k)</b></p><p>　　e(k) e(k) r(k-1) +</p><p

32、>　　- + z(k) </p><p><b>　　r(k)</b></p><p><b>　　- Δe(k)</b></p><p>　　e(k-1)

33、 </p><p>　　圖5 模糊邏輯與遺傳PI混合控制器</p><p>　　三、遺傳算法的PI參數(shù)優(yōu)化</p><p>　　遺傳算法一般都有四個部分組成：(a)一個種群個體,代表了一個可能的解決方法；(b)一個適應度函數(shù),我們可以判斷一個人是否處于好的狀況中；(c)選擇算子,以決定如何從現(xiàn)行的人

34、口選擇優(yōu)秀個體來創(chuàng)造下一代；(d)交叉和變異算子,在同一時間內保持當前的某些信息，同時探索新領域的搜索空間。遺傳算法的優(yōu)化步驟如下：</p><p>　　(1)確定優(yōu)化參數(shù)和編碼模式</p><p>　　優(yōu)化參數(shù)是PI參數(shù),編碼模式是實數(shù)代碼。</p><p>　　(2)隨機生成的初始種群</p><p>　　初始種群是比例系數(shù)Kp和積分系數(shù)

35、Ki的基因碼。</p><p>　　(3)適應度函數(shù)的評價</p><p>　　適應度函數(shù)把程序問題和遺傳算法連接起來，每條染色體將譯成PI參數(shù)。每個候選PI控制的性能是通過它的適合性來進行評價的，性能指標是系統(tǒng)性能的測量定量。對高速公路匝道控制,一個好的PI控制應快速地減少期望交通密度和實際交通密度之間的誤差,一個性能指標定義為：</p><p>　　PI控制的誤

36、差越大，適應度函數(shù)越小，因此,對每個后選PI控制，適應度函數(shù)是確定的。</p><p><b>　　(4)選擇算子</b></p><p>　　選擇是一種方法,隨機從種群中選擇個體根據(jù)他們的適合性,適合性越高,個體被選入下一代的機會就越多。除了輪盤賭選擇,我們采用一個特別的選擇算子(精英算子),以避免選擇、交叉和變異，并且可以簡單把最適合的PI控制從上一代無改動的傳給

37、下一代，精英算子能確保最佳的PI控制沒有失蹤的可能性。</p><p><b>　　(5)交叉算子</b></p><p>　　交叉算子主要負責遺傳算法的全局搜索特性，交叉算子通過結合父本與母本所包含的信息產(chǎn)生新的個體，也就是將父本與母本的適應度值相結合，再用離散重組的方法來產(chǎn)生后代的適應度值。</p><p><b>　　(6)變異

38、算子</b></p><p>　　變異算子是用來注入新的遺傳基因到個體，變異算子是增加種群多樣性的第二個因素，實際變量的變異就是隨機產(chǎn)生的適應度值以較低的概率添加到變量上。在這里,變異率是根據(jù)適應度值進行動態(tài)改變的，適應度值越大,變異率越小。</p><p>　　重復步驟(3)第(6),直到滿足條件的優(yōu)化。通常,適應度函數(shù)達到最大值，遺傳算法終止，優(yōu)化問題達到最優(yōu)化。</

39、p><p><b>　　仿真研究</b></p><p><b>　　一、仿真結果</b></p><p>　　（一）用三角形隸屬度函數(shù)的仿真結果</p><p>　　高速公路流入qu如圖6所示,遺傳算法優(yōu)化過程的性能指標如圖7所示，最優(yōu)PI參數(shù)為Kp=255.6222,Ki= 102.5405。實際交

40、通密度和匝道控制率分別如圖8和圖9所示。</p><p>　　從圖6,圖8和圖9我們可以看出,當qu是一個階躍函數(shù)時，和r都存在一個短暫過渡期,一個短暫過渡期后，和r進入穩(wěn)定狀態(tài)。當qu為1650、1500、1680、1500、1600、1480、1580、1470、1620、1500、1590、1680輛∕(小時·車道)時,相應的穩(wěn)態(tài)值r分別為425.3345、878.3345、336.3345、87

41、8.3345、542.3345、918.3345、600.3345、946.3345、498.3345、878.3345、542.3345、336.3345輛/小時，穩(wěn)態(tài)值為34.16輛∕(千米·車道),與理想的交通密度一致。</p><p>　　圖6 高速公路的流入曲線</p><p>　　圖7 優(yōu)化過程的性能指標</p><p>　　圖8 實際交通密度

42、曲線</p><p>　　圖9 匝道調節(jié)率曲線</p><p>　　（二）用高斯隸屬度函數(shù)的仿真結果</p><p>　　高速公路流入qu如圖10所示,遺傳算法優(yōu)化過程的性能指標如圖11所示，最優(yōu)PI參數(shù)也為Kp=255.6222,Ki= 102.5405。實際交通密度和匝道控制率分別如圖12和圖13所示。</p><p>　　從圖10,圖1

43、2和圖13我們可以看出,當qu是一個階躍函數(shù)時，和r也存在一個短暫過渡期,一個短暫過渡期后，和r也進入基本穩(wěn)定狀態(tài)。當qu為1650、1500、1680、1500、1600、1480、1580、1470、1620、1500、1590、1680輛∕(小時·車道)時,相應的穩(wěn)態(tài)值r分別為372.3345、800.3345、289.3345、800.3345、478.3345、845.3345、515.3345、890.3345、4

44、16.33450、800.3345、478.3345、289.3345輛/小時，穩(wěn)態(tài)值為32.06輛∕(千米·車道),與理想的交通密度相差很大，故不采用高斯隸屬度函數(shù)。</p><p>　　圖10 高速公路的流入曲線</p><p>　　圖11 優(yōu)化過程的性能指標</p><p>　　圖12 實際交通密度曲線</p><p>　　圖

45、13 匝道調節(jié)率曲線</p><p>　　比較圖8與圖12可得，用三角形隸屬度函數(shù)比用高斯隸屬度函數(shù)具有更好的穩(wěn)態(tài)性能，而且能達到期望交通密度，故在模糊控制中使用三角形隸屬度函數(shù)。</p><p>　　與模糊邏輯控制或人工神經(jīng)網(wǎng)絡相比，模糊邏輯和遺傳PI混合控制具有誤差小、反應速度快的優(yōu)點。具有更好的動態(tài)性能和穩(wěn)態(tài)性能,并且能夠沿著高速公路的主線達到理想的交通密度,此外,遺傳算法能夠很簡單

46、地找到PI參數(shù)的最優(yōu)值。</p><p><b>　　心得體會</b></p><p>　　通過這次課程設計，使我更加扎實的掌握了有關課程設計方面的知識，加強了我們動手、思考和解決問題的能力.，學到的理論知識要聯(lián)系實際多動手，多思考才能鞏固，也使我明白了以后這方面的知識還要多多去學習和鞏固，這次設計由于是第一次做，引用了不少師兄的資料，也望老師原諒！</p>