主页 > 案例大全 >

论文案例大全-自动化四雄_陈鸿毅毕业设计

2021-03-12 10:34


   2020年之际,中国的目标全面建成小康社会开始进入了关键时期,那么伴随着中国的经济和城市化的极速发展,越来越多的人外出方式开始了改变,愈来愈多的家庭和企业能够购买各式各样的汽车,因此公路上的车辆数量飞速增长,以及带来的交通问题也开始日益严峻。在中国的许多经济较为发达的城市中,每每到上班高峰期或是法定节假日的时候,交通拥堵随处可见,特别是在一些交通主干道上。而城市的交通主干道大部分是由一个一个的单交叉路口阻成,那么如果政府想要对承受的压力日趋严重的交通系统进行改善,研究和使用更为高效的城市交通信号模糊控制系统是不可避免的。改善交通系统,不仅可以减少市民的出行时间,提高人民幸福感,还可以减少汽车尾气排放,改善空气质量,维护环境健康。所以这是未来交通发展的必经之路。

 

  论文首先对于交通信号控制系统开展了功能需求上的仔细分析,根据实际的功能策略设想为基础设计了控制系统的整体方案,主要介绍了几项系统中应用到的关键技术,重点是对交通信号控制系统中的模糊控制算法进行研究。本课题研究了城市道路交通信号模糊控制系统的问题,重点论述了在单交叉路口中红绿灯的模糊控制模型的智能配时算法。依照城市交通模式上车流量的分布数据,然后设计了模拟实时交通流的交通序列生成算法;得到有效绿灯延时时间和合适的周期长度来建立信号灯的动态控制模型,然后通过模糊控制算法每个周期动态调整优化信号灯配时方案,并基于等待的车辆数量建立延误模型来对模糊控制算法进行测评。

 

  本课题设计的实验数据和测试结果表明,不论在哪种程度的车流量下,该系统总比现有的定时控制系统表现更为优异,显著减少了车辆的平均延误时间,较为成功的缓解了严重的交通压力,达到了课题的预计研究目标。

 

  1.1课题研究背景及意义

 

  城市交通发展建设在一定的程度上密切关系着城市建设与发展的进程,也直接影响到城市的可持续性。近几年来,不少城市随着交通发展的过程中尝试着将城市建设与大数据联系起来,并且并根据这一信息进行相应的调整,以适应居民的出行需求,在最大程度上减少居民在出行过程中所遇到的繁琐流程,尽量提高居民的出行效率。

 

  本课题所研究的城市交通信号模糊控制系统不需要对现有的交通设施做硬件上的更换,只需要将本有的高清摄像头加入数据采集技术,再将采集到的数据用模糊控制算法和信息处理技术等前沿技术高效地结合在一起,发挥每个技术的所长之处,从而能够系统地、智能地、高效地管理城市道路交通,实现交通系统中的每一个单交叉路口更为流畅地放行车辆,而在单交叉路口这一个节骨眼上通顺了,就会使得城市整体交通的通行能力得到非常显著的提升,就如蝴蝶效应一样牵一发而动全身。

 

  因此,研究基于单交叉路口信号灯配时的模糊控制系统是改善城市交通的关键之处,其对于提升城市各项指标的意义非凡。而实现智能化地对单交叉路口的信号灯管控无论从技术难度层面或是更改交通设施规模都不大,能够较为容易地进行研究,并对未来发展完善也较为容易,因此该课题具有良好的发展前景。

 

  1.2国内外研究现状

 

  在19世纪,各国就已经开展了关于交通信号控制系统的研究,而单交叉路口在每个城市交通系统中所占的比重之大,以至于各国学者的关注焦点大部分均在此处。通过中外许多科学家几十年的不懈努力和日积月累下,在关于构建智能化城市交通信号控制系统的学术方面,所需的技术水平越来越接近实际应用需求,比如机器视觉技术、模糊控制算法、神经网络训练技术等等新兴技术都被应用到这个领域,一个又一个科学且高效的交通信号灯控制系统涌现而出。这些城市交通信号配时控制系统大多都能够在当时当地的环境下有效的提高绿灯时确保通过最大交通流,提高资源利用率。

 

  英国研制的一个较为出色的城市交通控制系统叫做SCOOTS系统,该系统核心理念是对多个重要交通参数进行优调,实现交通流的自动疏导。它是由英国交通和道路研究所于1975年开发的,并且成功取得了良好的测试结果。SCOOTS将从静止到控制的道路或公路口作为道路网的节点,在每一个信号周期内,根据这个周期在每个方向上的节点实际交通需求的变化,从车流相关、车流均衡和车流连续的角度来看,调整优化每次绿灯延时时间的变化,与此同时,使用该控制系统的用户还可以根据道路交通实际的需要和战略控制要求,施加带有一定倾向性的人为干预来调控交通流,从而在减少车辆等待时间,提高了交通容量,显著缩短出行时间,取得了较为稳定的效果。经过几十年的发展,SCOOTS系统通过不断地优化和完善,在世界各地许多国家得到应用和推广,在二十世纪80年代初,中国北京、成都、大连等地也引入了SCOOTS系统。

 

  第二个是应用广泛的TRANSYT系统,该系统不同于其他系统的是,它通过历史经验得到的普遍性的交通流现象,减少了随机性对其他定时系统的影响,它在每一天中的不同的时间段采用不同的交通控制方案。系统通过分析整合历史每一天每一个时间段的车流量数据,通过使用数学函数模型对车流量信息进行建模,分时段地建立多组不同的交通控制方案,在一天中的不同的时间段选取最恰当的交通灯控制方案,吸取了信号灯定时控制策略的优点并有效规避了其最大的缺陷。TRANSYT系统以其巧妙的设计和优异的性能表现在世界各地的许多城市均得到了广泛的应用。

 

  交通信号控制系统的研究与实现在中国直到二十世纪70年代才成熟,许多研究机构开始研究如何合理和智能控制十字路口的交通信号灯,并开始使用计算机技术来控制城市和区域交通干线。与此同时,智能交通工程研究机构在全国各地纷纷成立,众多大学纷纷也开设了交通工程专业这一特色专业。经过许多年不懈地努力,也已经取得了一些研究成果:如研究和开发SUATS自适应交通信号管理系统的上海交通大学,该系统是与TRANSYT系统较为相似,它也能够根据历史经验在不同的时辰、不同的车流量大小下进行信号灯配时的调整,满足交通长时各时段的需求,满足各个时间段分布的车辆通行时长的需求;根据国内城市交通流的特点和共性,由于车流量变化的随机性太大,历史经验并不能每次都很好地反映当时的交通流情况,中国科学院的专家团队为了解决这个缺点,通过将车辆传感器系统埋入城市道路地下,采集路口各个方向的交通流,能够实时获得当前时段确切的交通流数据,使得交通控制系统能够及时的调整信号灯的配时时间,改变的频率较其他系统更为密集和精确,也使得控制效果更为的出色。

 

  从整体上来看,我国的交通信号模糊控制系统的发展由于技术水平限制下略微逊色于其它的发达国家。交通控制技术和理论的发展不够完善,但是该领域所需的技术栈已经越来越成熟,在我国大部分城市现有的交通信号控制系统越来越难以适应交通压力的情况下,研究发展并落实更换更为合适的交通型号控制系统已经迫在眉睫。

 

  1.3课题主要研究内容

 

  仔细研究和分析如今道路交通路况后发现,将模糊控制算法应用在城市交通信号控制系统中,能够使得该系统不仅具备那些根据历史经验为核心规则构建而成的系统的优点,又能够避免城市现有的信号定时控制的缺点,以交通流的变化作为参数,以历史经验作为模糊规则制定的核心,实时地对每个相位的红绿灯进行配时,更为适应当下随机性较大的交通状况。而系统的多个输入参数的获得,将通过机器视觉技术运用多种图像处理算法分析采集,再经过参数模糊化后,由模糊推理输入的模糊控制规则得到具体的交通控制策略,从而对单交叉路口交通灯进行准确地调控,保证单交叉路口交通的畅通。为了确定本课题所研究的交通信号模糊控制系统是否能够达到预期的效果,还需要对系统的功能进行测试和分析。

 

  2单交叉路口模型分析

 

  2.1单交叉路口模型

 

  通常来说,单交叉路口共有四个方向,由东向西方向,由西向东方向,由南向北方向,由北向南方向。以中国城市普遍的交通建设来看,较为普遍的是六车道模型,即每个方向共有三个车道,分别是直行车道,左转车道,右转车道。较为少见的是四车道模型,这时直行车道和右转车道合并,那么右转的车辆就会与直行车辆排在同一队列,本身就极大程度影响了路口的通畅度。而较大的路口比如有八或十车道模型。由于右转车辆不应受到交通灯的影响,所以本课题采用的是六车道模型。

 

  图2.1单交叉路口模型图

 

  如图2.1所示,我们将十字路口的四个方向都安装上高清摄像头,但其实现在的交通系统在大多数的单交叉路口都已经安装上了摄像头,所以我们不必对基础设施做太大的更改,需要做的主要是进行视频拍摄和数据分析采集。将摄像头对准两股车流的出入口线,相机以一定的角度微微倾斜,摄像机应该捕捉到车道的停止线,并观察到足够远的地方。配备摄像头的支架应足够稳定,不影响交通参数检测结果。交通灯应该安装在支架下方,方便司机观测。

 

  2.2信号相位

 

  由于我们所选择的是六车道的道路模型,那么右转车辆带来的影响便可以忽略不计。所以我们需要制定行进方向是左转和直行的车辆的交通相位,由于本文采用的六车道模型将使用的是四个不同相位的控制策略,如图2.2所示。相位顺序默认从第一相位开始换至第四相位,也可以由其他相位开始。四个相位循环完为一个周期,循环所花费时间即是周期长度。以此,各相位的绿灯延时时间设置是配时系统要解决的关键问题。那么,对于某一个相位的车流量,允许的最大的绿灯时间取决于调控目标与系统控制策略之间的平衡,并且与此同时还要考虑到停车区域可用于给车辆排队的空间、路口放行能力、车流量的大小和别的相位司机可接受的等待通行时间等不可避免的因素,根据交警经验和以往交通系统的经验一般绿灯的通行时间不超过60s,红灯的持续时间不能超过120s,而黄灯时间则一般由路口允许的最高车速所决定,本文取的是3s。

 

  我们期望能够找到一个信号灯时间的配时方案和信号周期与当前路口实时车流量有关,使得当前十字路口的各相位的车辆的平均等待时间最短,并通过模糊控制系统实时调控当前信号周期内的相位的绿灯时间或下一个相位的红灯等待时间。

 

  图2.2单交叉路口四相位平面图

 

  2.3系统需求分析

 

  城市道路上存在大量的单交叉路口,若是某几个单交叉路口发生了拥塞的情况,对于附近的其他单交叉路口或是其他路口都会有一定的影响,特别是当附近的路口通行方向较少,疏导能力天然不足的时候,就容易发生更为严重的交通堵塞,因此我们需要研究一个城市交通信号模糊控制系统来优化这些单交叉路口的车辆交通模式。目前,我国大多数城市仍在实行传统的交通管制模式,其主要有单阶段和多阶段的时间控制模式。由于当下城市的交通流量是随机变换和不稳定波动的,定时控制或是分不同时段采用不同的策略都不太符合目前的交通流情况,总是出现红灯等待时间偏长,绿灯通行时间要么严重不足车流量需求,要么浪费严重时间。例如较为严重的情况是,某车辆上一个周期已经在等待通行,当当前相位放行后,却因为队列过长,并不能在有效的绿灯时间内通过路口,导致还要再等一个周期的时间,不论是对于司机的个人情绪还是当前路口的通行都造成了严重的影响,严重情况下可能还会影响到别的路口。

 

  针对目前单交叉路口交通信号灯控制策略中存在的问题,本课题所研究设计的交通信号模糊控制系统,主要通过信号灯上安装的高清摄像头获得视频流,再运用机器视觉图像识别处理得到几个具有关键影响的交通参数,输入参数通过模糊控制算法处理后,得到每个相位绿灯延时时间,实现每个相位绿灯通行时长的合理分配,提高该路口的通行能力。如果我们能通过该课题所研究的城市交通信号模糊控制系统解决城市交通网中大部分单交叉路口的交通问题,我们就相当于将城市整体的交通堵塞问题缩小到每一个小地方上,每个路口都嫩给保持交通畅通,那么城市整体的交通指标就能得到有效的提升,还能够显著减少汽车尾气的排放量,提高空气质量,保持城市环境的优美舒适,大到还能缓解全球变暖的问题,具有很好的研究意义。

 

  3交通信号模糊控制算法研究

 

  3.1机器视觉车辆检测技术概述

 

  俗话说万事开头难,对于一个控制系统来说,获得输入参数是系统开始的第一步,也是很重要的一步,前有中国科学家通过往城市地底埋入车辆传感器的方式获得交通流参数,但是经过多年的发展,这种方法已经不适用当下的城市建设,不论在采集精度或是设施建设方面都有着难度与偏差。随着信号传输能力的快速发展与高清摄像头的出现及普及,建立于数字图像处理的机器视觉技术开始蓬勃发展和普及,其利用计算机优秀的运算处理能力代替人类的大脑,摄像头代替人类的眼睛,由此进行环境的信息采集,再通过信号传输技术传输到后台计算机进行数据分析处理。本课题也采用机器视觉技术来获得可靠的实时的交通数据,通过单交叉路口红绿灯上的高清监控摄像头来拍摄监视方向的路况视频,再将视频传入后台计算机解析从而获得车辆的特征信息。本课题选用的是基于OpenCV的机器视觉技术,OpenCV提供了丰富的视觉处理算法,相较于其他的计算机视觉软件处理更为迅速,API接口更为丰富和操作简单,同时提供了大量语言的接口,轻量且高效。我们通过过滤掉噪音的图像预处理和图像灰度变化,当图像质量不高时,可以通过直方图均衡化来增强图像质量,其完全依靠图像像素的处理扩大图像中不同物体特征之间的差别,从而丰富信息量,加强图像识别效果。如何检测运动中的车辆信息,我们通过帧差法实现,使用帧差法检测运动中的车辆,帧差法是最为常用的运动目标检测和分割方法之一。强化不同物体特征差别后,我们使用边缘检测法对实际是否存在车辆进行验证,二维平面与三维空间的映射由摄像机标定实现。通过一系列的计算机处理后,我们将得到各个相位的车辆队列长度j,上一周期该相位的车流量k以及上一周期的平均车速p三个重要交通参数作为本课题设计系统的输入参数。

 

  3.2队列长度检测

 

  检测交叉口车辆排队长度的过程中,主要任务是检测该车道车辆排队长度。使用模型识别的方法来检测一辆车是不合适的,因为大型车辆会挡住后面的小型车辆。所以我们采用的是摄像机标定技术来实现拍摄图像与现实空间中物体之间的线性替换,我们以停车线为车辆队列队首,检测该方向上的每一条车道,选取排队队列最长的那一条车道,测量其队尾所在的像素值,通过像素的数量和三维现实空间进行换算。

 

  综上所述,我们先进行图像预处理后,使用中值滤波法除去噪声产生的干扰,通过直方图均衡化来提高图像质量,提取将要处理的车道的图像信息。通过摄像机标定技术得到实际的当前相位车辆队列长度。

 

  3.3车流量及车速检测

 

  除了车辆队列长度的参数外,我们还需要得到上一个周期通过该相位的车流量和平均车速这两项数据作为系统输入参数。虚拟线圈检测法和目标跟踪检测法是目前较为高效的检测方法。但是目标跟踪检测法的计算较为复杂,对数据实时性的要求较高,本系统不适合应用此方法。虚拟线圈检测法的原理是在采集到的交通流视频中,设置虚拟线圈,对线圈内的区域进行数学建模,利用背景差分法判断车辆的存在性,从而判断线圈内是否有车辆经过,就能得到车流量的数据和车辆的平均行驶速度。

 

  4系统模糊控制算法研究

 

  4.1模糊控制思想

 

  目前,城市单交叉路口的交通信号控制方法大多延用了分不同时段定时控制或者实时感应控制。这两种控制方法分别是通过对单交叉路口历史交通数据进行采集分析,然后设置合适的多套配时方案,根据每一天中的特殊时段将选用合适该单交叉路口的控制方案,并合理地对单交叉路口各个相位的信号灯配时;或是通过感应装置检测车流量进行实时控制,但精度已经跟不上需求。多时段配时控制的策略虽然简单可行,然而,由于单交叉路口各个方向交通流的随机性较大,分析历史经验或是构建数学模型都很难对其进行归纳分析,无法适应实际生活中实时变化大的交通流状况,若要根据当前道路状况车流量等对配时策略进行实时地人为调整较为艰难。而在实际应用上,实时观察单交叉路口各个相位的交通情况的工作可以由交警完成,然后由交警来疏导各个方向上的车流量,其所采用的控制思想便是模糊控制思想,利用人脑的经验判断进行的较为符合实际的控制。就是这样一种通过总结专家经验和大量历史信息的控制方法就称作模糊控制算法,能够赋予机器以人的推理能力对被控制的对象进行准确地管理,相较于定时控制和感应控制,模糊控制更为适合于对单交叉路口信号灯的管理,时效性较定时控制更好,精度较感应控制更高,并集两者所长设计,显著改善了单交叉路口的交通质量。

 

  模糊控制是一种依靠模糊推理和模糊语言形成模糊规则的控制思想,它能够模拟出人类专家的思维和判断能力,基于模糊数学的思想和理论建立更符合实际的控制策略。大多数复杂的情况下,因为影响因素太多,传统数学模型并不能很好的抽象问题。而模糊控制算法利用模糊集合以及隶属度函数来抽象地描述模糊概念,从实际控制经验过渡到模糊控制是由人类专家的历史经验建立的,并以口语化变量来描述物理量的变化过程,选择合适的物理论域。模糊控制算法的整体处理流程如下:首先将输入参数采集设备所采集到的输入参数通过尺度变换和确定隶属度函数从而转化为系统可以识别的模糊量,通过基于知识的模糊推理能够符合知识库中历史数据信息及人类专家经验得到的控制规则得到模糊输出量,再经由清晰化处理得到精确量,得到的精确量将作为模糊控制系统的输出数据。

 

  4.2模糊控制结构设计

 

  本课题所设计的城市交通信号模糊控制系统能够根据高清摄像头实时拍摄的视频图像,经由计算机分析处理得到的系统所需的输入车流量参数信息,配合基于专家经验制定的模糊控制规则,设置待通行相位合理的绿灯延时时长,实现对单交叉路口车流量的有效管理。考虑到城市的道路交通经验,我们所设计的城市交通信号模糊控制系统中模糊控制器的设计应该遵循的原则有:首先是每个周期内每个相位有且只能有一次通行权,并且通行顺序是确定的不能随意更改,最大程度上保证每个周期内每个相位的车辆都可以获得绿灯通行,避免司机埋怨情况;其次是将要通行相位的绿灯延时时长在上一个相位红灯时长快结束时就要确定,随后无特殊情况不能轻易变动,特别是在绿灯通行期间,因为如今带有倒计时交通信号灯的控制系统越来越多,这种方式更为适用。本课题所设计的单交叉路口模糊控制器结构如图4.1所示。

 

  图4.1模糊控制器结构图

 

  由图可知,本模糊控制系统为三输入单输出的单级模糊控制器,系统的输入变量三个分别为:相位车辆队列长度j;上一周期该相位的车流量k;上一周期的平均车速p。输出变量为:等待允许通行相位的绿灯延时时长t。j,k,p先通过控制系统的模糊化后,模糊控制系统再将其作为输入参数,结合由专家经验事先设定好的模糊规则进行推理,推理后得到模糊化的输出数据,最后还需通过最后一道程序,系统的清晰化操作得到准确的绿灯延时时间t。

 

  4.3单交叉路口模糊控制器的设计

 

  本课题借助MATLAB R2019b中的模糊控制工具箱(fuzzy)完成设计。我们需要设计出具体的模糊控制器方案,我们需要手动设置每个输入输出参数的物理论域和模糊论域,然后设置每个参数对应的隶属度函数,手动添加由专家经验得来的模糊控制规则,最后将输出参数反模糊化。

 

  (1)模糊控制器的结构设计

 

  综上所述,本系统的核心部分单交叉路口模糊控制器是由相位车辆队列长度j、上一周期该相位的车流量k、上一周期的平均车速p共三个输入变量和等待允许通行相位的绿灯延时时长t一个输出变量构成。如图4.2所示是本系统结构图。

 

  图4.2模糊控制器的结构设计图

 

  (2)变量模糊论域范围设置

 

  进行模糊推理之前我们所需要处理输入变量,将输入变量进行满足模糊控制的尺度变换从而确定取值论域,设置相应的隶属度函数。根据单交叉路口各个相位的专家经验和实际道路交通数据,最终设置车辆队列长度j模糊论域、上一周期该相位的车流量k、上一周期的平均车速p、当前相位绿灯延时t的物理论域和模糊论域范围如下所示:

 

  车辆队列长度j的基本论域为{0,1,2,3,4,……,96},模糊论域为{0,1,2,3,4,……,96}。

 

  上一周期该相位的车流量k的基本论域为{0,1,2,3,4,……,96},模糊论域为{0,1,2,3,4,……,96}。

 

  上一周期的平均车速p的基本论域为{0,1,2,3,4,……,48},模糊论域为{0,1,2,3,4,……,48}。

 

  当前相位绿灯延时t的基本论域为{0,1,2,3,4,……,36},模糊论域为{0,1,2,3,4,……,36}。

 

  (3)设置隶属度函数

 

  隶属度函数是属于模糊评价函数,用来描述模糊控制系统中多种影响因素变量的模糊概念,隶属度函数曲线就是将每个影响因素的模糊论域范围内的所有数值在0与1之间的曲线上进行映射,是一种十分有效的客观抽象方法,不同的人建立的隶属度函数又不太相同,但是处理结果大同小异,所以带有一定的主观性。在生成隶属度函数前,我们还需划分每个变量因素的模糊子集,划分方案如下所示:

 

  车辆队列长度j共划分为5个模糊子集,用符号语言表示为:{非常短(VB),比较短(B),中等(M),比较长(C),非常长(VC)};

 

  上一周期该相位的车流量k共划分为5个模糊子集,用符号语言表示为:{非常少(VF),比较少(F),中等(M),比较多(N),非常多(VN)};

 

  上一周期的平均车速p共划分为3个模糊子集,用符号语言表示为:{比较慢(S),中等(M),比较快(L)};

 

  当前相位绿灯延时t共划分为7个模糊子集,用符号语言表示为:{非常短(VZ),很短(Z),比较短(LZ),中等(M),比较长(LY),很长(Y),非常长(VY)};

 

  我们还需要选择合适的函数类型来刻画数值分布曲线,众多类型其中高斯型的稳定性较其他类型更为稳定和平滑,能够较为精确地刻画出每个变量因素的隶属度函数,与本课题所需要描绘刻画的几个参数适配性较高,因此本课题的四个变量的隶属度函数均设置为高斯型。其表达式如下:

 

  (3.1)

 

  上式中隶属度函数的曲线宽度由标准差决定,而曲线的具体位置则由变量c控制,三个输入参数j、k、p以及输出参数t的隶属度函数如图4.3-4.6所示。

 

  图4.3车辆队列长度j的隶属度函数

 

  图4.4上一周期该相位的车流量k的隶属度函数

 

  图4.5上一周期的平均车速p的隶属度函数

 

  图4.6当前相位绿灯延时t的隶属度函数

 

  (4)设置模糊控制规则

 

  设置好隶属度函数后,接下来需要设置具体的模糊控制规则。本系统共有三个输入变量一个输出变量,那么推演得到输出变量的模糊规则数量就由三个输入变量的模糊子集数量相乘决定,不同的变量会推理得到不同的结果,由此可得模糊控制规则总共可以有75个。然后我们根据历史交通数据吸取了专家经验教训结合上当前实际路况信息得到模糊控制系统的模糊规则具体如下表4.1所示一一对应:

 

  表4.1绿灯延时模糊规则表

 

  P=S P=M P=L

 

  j

 

  k VB B M C VC VB B M C VC VB B M C VC

 

  VF VZ Z LZ M LY VZ VZ Z M LY VZ VZ Z M M

 

  F Z LZ LZ M LY VZ Z LZ LY LY VZ VZ LZ M M

 

  M Z LZ M LY Y Z LZ M LY Y Z LZ M LY LY

 

  N M M LY Y VY LZ M M Y VY LZ M M LY Y

 

  VN LY LY Y VY VY M LY Y Y VY M LY LY Y VY

 

  如表所示,每一条模糊规则语句都描述了当三个不同状态下的交通参数,一一对应的绿灯延时时间。考虑到单交叉路口车流量的不确定性受到的影响较大,模糊控制器在对单交叉路口信号灯进行控制的过程中会遭遇各种干扰,由此应该尽量包含各种交通状况以完善模糊控制规则,并且每一条模糊规则语句的设定都应该处于并列的语法关系,这样才能使每一个影响因素对控制策略的影响相差不大,可以呈现最好的效果。

 

  (5)模糊推理及反模糊化

 

  对于模糊控制模块三输入一输出的模糊控制器将釆用“if-and-and-then”并列型的模糊推理方法来建立的75条模糊控制规则为:

 

  R1:如果j是J1 and k是K1 and p是P1,则t是T1

 

  R2:如果j是J2 and k是K2 and p是P2,则t是T2

 

  R2:如果j是J3 and k是K3 and p是P3,则t是T3

 

  R75:如果j是J75 and k是K75 and p是P75,则t是T75

 

  按表4.1所示模糊控制规则,将75条模糊规则添加进模糊规则窗口,如图4.7所示。

 

  图4.7模糊规则制定窗口

 

  对一般情况当三个模糊输入变量为:j是J and k是K and p是P,经过模糊推理过程我们可以得到用模糊集合T表示输出结果如下:

 

  (4.2)

 

  (4.3)

 

  (4.4)

 

  如图4.8所示是模糊控制规则观察窗口,由图可得观察窗口中的四个序列分别代表不同情况下的的输入变量j、k、p和输出变量t,红线代表当前变量的具体取值,通过移动红线相对应的输入的交通参数数值将会改变,这样我们就可以通过移动红线使之处于不同的位置来模拟不同的交通参数组合进行测试,在最后一个输出序列中就可以得到当前交通参数组合下能够得到多少具体的绿灯延时时间输出。

 

  图4.8模糊控制规则观察窗口

 

  以上是我们经过基于专家经验的模糊控制规则开始模糊推理后,由模糊后的交通参数推理得到的依然是一个模糊的绿灯延时时间。这是不符合实际需要的,在现实的单交叉路口状况下,我们应该得到一个确切的输出值作为绿灯延时时间,所以我们还需完成模糊控制系统的最后一步程序,对模糊输出值进行反模糊化处理。清晰化处理有多种方法,本课题采用的是加权平均法得到精确值更符合实际,即

 

  (4.5)

 

  式中,为模糊输出值,

 

  我们通过输出曲面观察器可以观察到如图所示4.9的曲面图。该曲面图能够客观清晰地反映了当前相位绿灯延时t随车辆队列长度j、上一周期该相位的车流量k及上一周期的平均车速p的变化情况。曲线图也反映了正确地控制策略:若当前相位排队等待的车辆较多,系统会适当延长绿灯时长,尽量保证等待车辆均可以通过该路口;若当前相位排队等待的车辆较少,尽量不增加绿灯的延时时间,以求尽快切换下一个相位,使别的通行方向的车辆得到疏导,有效提高交通资源使用效率。

 

  图4.8模糊控制系统输入输出曲面图

 

  5系统软件程序设计

 

  5.1软件开发环境介绍

 

  本课题使用MATLAB 2019b版本进行开发。MATLAB是一款基于数学计算的先进编程软件,为各种数据集的处理提供了各种强大的数组计算功能。MATLAB基于数组和矩阵进行数据处理,即有强大的数值计算能力又具备可视化的简易操作。虽然MATLAB是基于面向矩阵开发的编程语言,但它也具有加入了对C++、JAVA等其他面向对象的计算机高级编程语言的编程特性和对他们的接口支持。在MATLAB数据处理的同时,其还提供了各种各样的图形用户界面(GUI)工具为用户开发各种应用程序。MATLAB经过全球众多使用者的多年使用经验,在全球许多国家的大学中,已经成为线性代数、数理统计、数字信号处理、自动控制理论、时序分析、动态系统仿真等大学高级课程的基本教学工具,成为攻读相关专业学位的大学生、硕士生、博士生必须掌握的基本常用软件。并且在国家设计研究所和工商业部门,MATLAB能够广泛用于研究和解决各种工程建模仿真等问题。

 

  本课题使用MATLAB中的Simulink模块进行仿真。Simulink是MATLAB提供给用户使用的一个可以自制流程的可视化仿真的工具模块,其具有极其丰富的预定义模块库,并且用户可以自行添加自定义的模块。适用面极广,结构与流程清晰,与实际建模相吻合,效率高,常用于动态系统和控制系统的流程设计和仿真。它还提供了众多的API与其他的仿真系统相结合,并且提供仿真流程图到代码自动转换的工具。

 

  5.2系统主程序

 

  (1)Simulink模块图

 

  参照图4.1多参数单级模糊控制器结构图,使用三个随机产生数据的输入模块分别代表车辆队列长度j,上一周期该相位的车流量k,上一周期的平均车速p,中间使用Fuzzy Logic Controller(模糊逻辑控制器),将之前在fuzzy中完成的模糊控制器模块应用其中,一个输出代表解模糊化后的绿灯延时t。

 

  图5.1 Simulink仿真模块图

 

  运行程序,得到多组模拟交通流数据下的绿灯延时仿真波形图如图4.2所示:

 

  图5.2绿灯延时t仿真波形图

 

  (2)C语言源程序

 

  图5.3 C语言代码图

 

  (3)程序流程图

 

  本课题所设计的城市交通信号模糊控制系统工作流程如下:启动交通模糊控制系统初始化,向前端摄像头发起摄像请求,通过高清摄像头获取视频流,通过机器视觉处理图像,经由计算机进图像数据分析得到待所监控的通行相位的三个交通参数分别是车辆队列长度j,上一周期该相位的车流量k,上一周期的平均车速p。将获得的交通参数经过系统的模糊化处理,然后通过基于专家经验制定的模糊规则进行推理,得到模糊化的绿灯延时时间,通过加权平均法的反模糊化操作得到当前相位应该设置多少准确的绿灯延时时间。如图5.3和5.4所示是具体的系统程序和算法流程图:

 

  图5.4主程序流程图

 

  图5.5控制算法流程图

 

  6仿真结果及性能分析

 

  6.1仿真结果

 

  表6.1三种不同交通流情况下的系统仿真结果

 

  车流量车辆平均延误时间(s)及相对改进率

 

  定时控制模糊控制相对改进率

 

  低峰期30.1 26.8 10.9%

 

  中峰期36.8 31.5 14.4%

 

  高峰期45.1 37.8 16.2%

 

  6.2性能分析

 

  本课题设计的城市交通信号模糊控制系统的性能测试以车辆在单交叉路口的平均等待时间作为性能分析的评测指标依据。如果结果显示车辆平均在路口等待的时间越长,说明该交通信号模糊控制系统的交通控制效果越差,相反的则越好。从表6.1所示,在三种车流量情况下系统的测试性能结果可知,无论是在高峰期还是中低峰期的交通流情况下,现有的传统控制系统基于定时控制交通信号配时下十字路口的车辆平均等待时间在两者之间都是最长的,而模糊控制系统下的十字路口的车辆平均延误总小于定时控制,性能更为出色。

 

  由性能测试数据对比可知,当城市交通状况处于高峰期时车辆平均延误降低了16.2%,中峰期降低了14.4%,低峰期降低了10.9%,车辆排队等待时间减少5~8s。分析可得基于模糊控制算法的交通控制系统的交通信号控制性能是最佳的。

 

  结论

 

  课题总结:

 

  课题首先通过对现有的城市交通系统进行优缺点分析,明确提出要解决的问题,明确课题研究需求和目标。本课题以图像处理技术、模糊控制算法作为设计核心思路,设计出解决于单交叉路口信号实时配时问题的城市交通信号灯模糊控制系统,目的是以期对单交叉路口信号灯时间分配进行优调,以小见大地改善城市整体道路交通问题。本课题先是通过高清摄像头拍摄单交叉路口的车流量视频图像,经过基于OpenCV机器视觉的图像识别处理算法后分析得到多个关键交通参数作为系统的输入,经过模糊化与模糊规则推理,再进行解模糊化后得到绿灯延时时间,从而对单交叉路口四个相位的交通灯进行实时调控。

 

  (a)主要研究成果:

 

  (1)顺利设计了基于MATLAB的城市交通信号模糊控制系统的整体实现方案。方案的设计主要通过实地观察十字路口信号灯的变化和交警的指挥经验,从理论和实际验证其可操作性和对实际需要的影响,选取合适的功能模块类型,完成整体系统的方案设计。

 

  (2)成功拍摄路口交通流视频并完成数据分析采集。本课题设计的城市交通信号模糊控制系统的输入参数由基于十字路口现有的高清摄像头,通过OpenCV机器视觉技术对拍摄的交通流视频图像进行数据的分析处理和采集。其中运用摄像机标定技术,以停车线为队列首部位置,以最长车道的尾部作为队列的尾部位置,通过统计像素的数量换算得到实际车流量的排队长度;运用虚拟线圈检测法设置虚拟线圈,对线圈内的区域进行数学建模,利用背景差分法判断车辆的存在性,从而判断线圈内是否有车辆经过,就能得到车流量的数据和车辆的平均行驶速度。

 

  (3)模糊控制算法的研究与实现。本课题为实现目的的策略是于交通控制系统中添加上模糊控制算法的应用,通过设计隶属度函数,制定适当的模糊规则,将摄像头采集到的交通数据进行一系列的模糊算法处理得到相比定时控制更优的方案,对交通管理起到优化的效果。

 

  (b)主要研究结论:

 

  本课题所研究的基于MATLAB的城市交通信号模糊控制系统,通过最终系统的性能测试与实验数据对比显示,相较传统的基于定时控制或是感应控制的交通控制系统,更为出色地减少了车辆的平均延误时间,实现了交通信号灯的更优配时方案,达到了课题预期目标。

 

  未来工作展望:

 

  本课题设计能够较为出色地实现交通信号模糊控制系统的关键交通参数采集、模糊控制算法的制定、协调控制信号灯,也通过MATLAB性能仿真验证了本课题所设计的城市交通信号模糊控制系统具有优异的可靠性和时效性。但是在现如今的更为复杂的交通管理上,系统缺乏了自主学习和自主训练的能力。基于现有的设计,想要更上一层楼,要实现更好地普及与应用,我们可以基于以下两点方面进行进一步的开发设计:

 

  (1)加入神经网络算法

 

  通过基于模拟神经系统结构与人类思维逻辑建立的算法结构便称作神经网络算法,其模仿大量的神经元通过之间相互的连接形成自适应的非线性动态系统,系统自主学习能力以及算法的数据处理分析能力通过相互之间的作用来实现。神经网络还能够对环境的变化具有高效的自发适应性,其通过模拟人类的学习准则,对正确和错误进行归纳,减少犯错的可能,那么经过大量样本数据进行学习、训练后,从而达到判断给出最优解决策略的目的。而建立在模糊数学和模糊逻辑的基础上发展得来了模糊控制算法,它使模糊控制系统能够模仿人的判断能力、推理能力、感知能力对难以用传统数学模型描述的数据问题提出类似人类执行的解决方法。模糊控制算法通过总结吸取历史信息与专家经验教训,为参数变量设定选用恰当的隶属度函数模型,制定合适的模糊控制规则,经由计算机处理后得到类似人类专家能给出的控制策略。由此,基于模糊控制系统的基础上融汇添加神经网络算法便得到了经典的模糊神经网络控制系统,它能够兼并发挥模糊控制与神经网络算法的优势,使得系统的整体控制性能再上一层楼。神经网络算法与模糊控制算法的融会贯通,兼收并蓄地使整个模糊神经网络控制系统不仅具有神经网络算法的自适应与计算能力,还能够拥有模糊控制算法的模糊推理和反模糊化的能力。通过大量学习、训练采集到的样本数据库,能够自适应地不断优化调整神经网络的阈值,持续修正神经元的各项参数,不断调整输入输出的隶属度函数的模糊论域分布和更新更为合适的模糊控制规则,使得整个模糊神经网络控制系统更加与实际生活的工程项目适配。所以加入神经网络算法后将使整个控制系统得到更好地提高完善,可以自动地训练生成合适的隶属度函数与模糊控制规依据系统采集到的样本数据,使整个智能交通信号模糊控制系统可以不断适应随机变化的交通流,能够有效地进一步提高单交叉路口的通行效率。

 

  (2)加入更多的影响因素

 

  本课题所研究的城市交通信号模糊控制系统是基于四车道四相位的路口模型与相位模型进行展开研究。其中影响到绿灯延时时间的因素仅考虑了排队长度、车流量、平均车速,但是在实际生活应用中,影响因子并不仅仅只有这三个因素。除了这三个影响因素外,我们首先应该还要考虑到人行道行人的影响,这对于绿灯通行时间的影响是不可避免和忽略的;其次本课题中排队长度和车流量的检测并没有将小型机动车与非机动车考虑在内,这也会一定程度上影响到绿灯延时时间;再者是在一些特定情况下的红绿灯控制方案,例如某一相位上出现车祸、天气情况异常糟糕使得能见度极低等情况,都会使得交通信息的检测偏差极大,严重影响本课题设计的模糊控制方案对于信号灯的控制。



知网查重福礼


微信扫码关注公众号登录

x
客服QQ 返回顶部