基于多傳感器信息融合的路口控制器設(shè)計(jì)

1、基于多傳感器信息融合的路口控制器設(shè)計(jì)孔亞廣1 郭斯羽21杭州電子科技大學(xué)，杭州，310037ygkong2湖南大學(xué)電氣與信息工程學(xué)院，長沙，410082摘 要： 本文針對交通數(shù)據(jù)含有大量噪聲和不確定因素，單純依靠某一類傳感器進(jìn)行數(shù)據(jù)采集無法獲得準(zhǔn)確數(shù)據(jù).給出利用多傳感器數(shù)據(jù)融合實(shí)現(xiàn)交通流數(shù)據(jù)采集的兩層結(jié)構(gòu)。在第一層，將來自不同信息源的數(shù)據(jù)組合成一個(gè)新的信息流；在第二層，則利用模糊神經(jīng)網(wǎng)絡(luò)來預(yù)測車輛排隊(duì)長度。在此二層結(jié)構(gòu)基礎(chǔ)上，設(shè)計(jì)基于車輛排隊(duì)長度的交叉口多相位模糊控制器，并通過某典型路口的采集數(shù)據(jù)驗(yàn)證該方法的可行性。關(guān)鍵詞： 多傳感器數(shù)據(jù)融合 模糊神經(jīng)網(wǎng)絡(luò) 多相位模糊控制器 排隊(duì)隊(duì)長urban

2、 traffic controller using multi sensors data fusion kong yaguangp1p and guo siyup2pp1pinstitute of information and control, hangzhou dianzi university, 310037,hangzhou , china p2college of electrics and engineering, hunan university,410082,changsha ,chinaemail:ygkongabstract: there are massive noise

3、s and uncertainty factor in traffic data. it is difficult to obtain accurate data from one sensor. three layers structure to realize the traffic data acquisition based on multi sensors data fusion is given in this article. in the first layer, data from different data source is integrated to an unifo

4、rm data stream; in the second layer, fuzzy neural network is used to predict the queue length and traffic time. in the third layer, multiphase fuzzy controller for intersection based on queue length is designed. feasibility of such method is proved by the simulation of one typical intersection. keyw

5、ords: multi sensors data fusion , fuzzy neural network, multi phase fuzzy controller, queue length1. 引言作為一個(gè)理想的城市區(qū)域自適應(yīng)交通信號控制系統(tǒng)，人們希望它具有如下功能：(1) 對交通條件的變化如偶發(fā)性擁擠、事件、事故及交通需求的增加等具有自適應(yīng)性，也就是說系統(tǒng)能夠在線優(yōu)化配時(shí)方案并進(jìn)行實(shí)時(shí)控制；(2) 能夠利用動態(tài)交通分配進(jìn)行信號控制；(3) 能夠?qū)崿F(xiàn)特定線路上的公交或特種車輛優(yōu)先控制；(4) 具有自學(xué)習(xí)功能，通過對已有控制動作的學(xué)習(xí)，逐步提高控制性能；(5) 具有容錯能力，即使檢測或通

6、信出現(xiàn)故障，系統(tǒng)也不至于失控。 基金項(xiàng)目：國家自然科學(xué)基金重點(diǎn)項(xiàng)目60434020作者簡介：孔亞廣（1976），男，博士 郭斯羽（1975），男，博士目前已有大量學(xué)者將模糊控制技術(shù)1-4、神經(jīng)網(wǎng)絡(luò)技術(shù)5-7、遺傳算法8-9等人工智能技術(shù)應(yīng)用于智能交通控制領(lǐng)域，并取得了一定成果。文獻(xiàn)1提出了一種兩級模糊控制方法。該方法能夠?qū)崟r(shí)響應(yīng)交通需求，依靠安裝在路口上游的環(huán)形線圈測量車流量并估計(jì)排隊(duì)長度，以此來決定是否延長或終止現(xiàn)行的信號相位。在決策過程中采用了兩級模糊控制方法：第一級用觀測數(shù)據(jù)來估計(jì)現(xiàn)在的綠燈方向和紅燈方向的交通強(qiáng)度；第二級由該交通強(qiáng)度來確定是否延長或終止現(xiàn)行的信號相位。文獻(xiàn)2，3設(shè)計(jì)了一

7、個(gè)多相位模糊控制器，其輸入為當(dāng)前通行車道上的車隊(duì)長度及該長度與下一相位車道上車隊(duì)長度的差；輸出為當(dāng)前通行相位的綠延時(shí)。模糊推理規(guī)則根據(jù)交通警察的經(jīng)驗(yàn)知識建立。該模糊控制器已在實(shí)際路口應(yīng)用，效果良好。文獻(xiàn)4提出了一種遞階模糊控制方法進(jìn)行干線協(xié)調(diào)控制，其基本思想是：用遞階結(jié)構(gòu)和模糊理論來解決交通干線的實(shí)時(shí)協(xié)調(diào)控制問題。文獻(xiàn)5將神經(jīng)網(wǎng)絡(luò)與模糊控制技術(shù)用于前向動態(tài)規(guī)劃(fdp)算法中，使其計(jì)算速度有了明顯提高，該方法已經(jīng)用在prodyn系統(tǒng)中。文獻(xiàn)6采用了模糊神經(jīng)網(wǎng)絡(luò)方法用于城市干線的協(xié)調(diào)控制。文獻(xiàn)7提出了一種單路口的神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)控制方法。它由兩個(gè)處于底層的神經(jīng)網(wǎng)絡(luò)信號控制器和一個(gè)處于頂層的控制效果

8、評價(jià)準(zhǔn)則組成。文獻(xiàn)8提出了一種新的基于遺傳算法的交通信號配時(shí)優(yōu)化方法，它綜合了基于延誤模型和基于帶寬模型方法的優(yōu)點(diǎn)，能夠同時(shí)對周期長度、綠信比、相位差和相序進(jìn)行優(yōu)化。文獻(xiàn)9提出一種基于免疫遺傳算法的城市區(qū)域交通協(xié)調(diào)控制方法。采用兩層的遞階分布式結(jié)構(gòu)；分階段和分級優(yōu)化控制參數(shù)(周期、相位差和綠信比)，每個(gè)階段長510分鐘，周期。相位差由區(qū)域控制級每個(gè)階段優(yōu)化一次，綠信比由路口控制級每個(gè)周期優(yōu)化一次采用最小化平均延誤時(shí)間和平均停車次數(shù)等為性能指標(biāo)。周期、相位差和綠信比均采用改進(jìn)的免疫遺傳算法進(jìn)行優(yōu)化。本文針對交通數(shù)據(jù)含有大量噪聲和不確定因素，單純依靠某一類傳感器進(jìn)行數(shù)據(jù)采集是無法獲得準(zhǔn)確數(shù)據(jù)，給出

9、利用多傳感器數(shù)據(jù)融合實(shí)現(xiàn)交通流數(shù)據(jù)采集的兩層結(jié)構(gòu)。在第一層，將來自不同信息源的數(shù)據(jù)組合成一個(gè)新的信息流；在第二層，則利用模糊神經(jīng)網(wǎng)絡(luò)來預(yù)測車輛排隊(duì)長度。并在此二層基礎(chǔ)上，設(shè)計(jì)一個(gè)控制層，給出基于車輛排隊(duì)長度的交叉口多相位模糊控制器。2. 系統(tǒng)結(jié)構(gòu)本文研究針對如下交叉路口的基于排隊(duì)對長的多相位智能模糊控制器。圖1：典型平面交叉口路口i為雙向六車道十字型交叉路口，在對某相位放行時(shí)，是否給此相位綠燈延時(shí)，取決于此相位排隊(duì)長度和下面幾個(gè)紅燈相位排隊(duì)長度的綜合比較；根據(jù)其他相位等待時(shí)間排隊(duì)長度來確定下一相位的放行循序，以達(dá)到相序優(yōu)化的目的，最后達(dá)到減少排隊(duì)長度，使車輛的平均延誤能進(jìn)一步減少的目的。為得到

10、各車道的排隊(duì)長度，我們考慮通過模糊神經(jīng)網(wǎng)絡(luò)和多傳感器數(shù)據(jù)融合來實(shí)現(xiàn)對各車道排隊(duì)長度的估計(jì)。一般而言，在a點(diǎn)的三個(gè)車道的排隊(duì)長度與當(dāng)前車道的車輛速度、通行時(shí)間、飽和度以及b、c、d、e點(diǎn)相應(yīng)交通信息有關(guān)，為此，我們建立一個(gè)模糊神經(jīng)網(wǎng)絡(luò)來預(yù)測相應(yīng)車道的排隊(duì)長度。并通過多傳感器數(shù)據(jù)融合來提高交通信息采集的準(zhǔn)確性和容錯能力。其系統(tǒng)結(jié)構(gòu)如下：圖2：系統(tǒng)結(jié)構(gòu)3. 信息融合方法在基于多傳感器信息融合技術(shù)的城市道路交通區(qū)域控制系統(tǒng)中，信息融合環(huán)節(jié)是其核心的部分。它的作用是將車輛傳感器送來的信息進(jìn)行綜合分析、計(jì)算和推理，得出道路的車流量、車流速度、排隊(duì)長度以及事故狀態(tài)等交通信息。按圖1所示，在路口i和i+1之間

11、，分為n段，每個(gè)區(qū)域的三條車道兩端均裝有環(huán)形線圈檢測器，用以檢測每條車道的交通參數(shù)，同時(shí)在其對面安裝一個(gè)攝像頭監(jiān)控這三條車道的排隊(duì)狀況和車輛速度。由于路況特征、車流分布、車輛中途進(jìn)出和交通事故等因素影響，單一傳感器所測得的交通參數(shù)往往不能真實(shí)反映實(shí)際的交通狀態(tài)，因此需要用多個(gè)傳感器進(jìn)行測量。數(shù)據(jù)融合的目的是依據(jù)較充分的傳感器資源，減少測量的不確定性，以獲得更準(zhǔn)確、可靠和豐富的測量結(jié)果。同時(shí)，由于采用了多傳感器數(shù)據(jù)融合處理，當(dāng)系統(tǒng)中的某些傳感器失效時(shí)，可依賴其他正常傳感器提供的信息，通過數(shù)據(jù)融合計(jì)算獲得準(zhǔn)確的交通信息。設(shè)第i條車道第j區(qū)第k時(shí)段的某個(gè)原始交通信息用表示。令：。同時(shí)令，這里。那么根

12、據(jù)gm(1,1)模型，有。從而可得對的估計(jì)： (1)而參數(shù)可通過最小二乘算法可估計(jì)。那么當(dāng)時(shí)段t1發(fā)生傳感器故障時(shí)，該區(qū)域當(dāng)前時(shí)段的交通信息可通過（1）式得到。而第i條車道在第k時(shí)段的某個(gè)交通信息的平均值則可通過。如果某個(gè)時(shí)段存在故障，則用相應(yīng)的估計(jì)來代替。通過埋設(shè)的環(huán)形線圈和攝像頭，可以直接得到車輛的速度、車流量、飽和度、通行時(shí)間和排隊(duì)隊(duì)長?；谏鲜鰯?shù)據(jù)融合方法，可以得到車輛在圖1所示的各點(diǎn)ae的車輛速度v、車流量q、飽和度o、通行時(shí)間t和排隊(duì)隊(duì)長l。4. 控制器設(shè)計(jì)當(dāng)交通流較大且變化較劇烈時(shí)，感應(yīng)控制是減少車輛延誤的有效方法。不少文獻(xiàn)將模糊技術(shù)應(yīng)用到單交叉口的信號控制，仿真結(jié)果顯示出明顯的

13、優(yōu)越性。本文基于如下考慮：在某一相位的放行過程中除了盡可能消除當(dāng)前的車隊(duì)隊(duì)長外，交警還會考慮其他相位車道的車隊(duì)長短與車隊(duì)的等待時(shí)間，然后綜合考慮是否把通行權(quán)交給下一個(gè)相位，以達(dá)到盡可能減小十字路口平均排隊(duì)長度與車輛的平均延誤時(shí)間的目的。對于單交叉口，需要調(diào)整的是兩個(gè)參數(shù)，即周期與綠信比。周期一般根據(jù)飽和度來調(diào)整，而綠信比是根據(jù)車輛排隊(duì)長度來控制?？刂颇繕?biāo)是使交叉口前的車輛排隊(duì)長度盡可能短?？刂品桨傅淖儞Q間隔不能太小，否則方案變換可能引起進(jìn)一步的交通阻塞。因此，在一個(gè)階段（通常為7個(gè)周期左右）內(nèi)，交叉口周期保持不變，各交叉口的綠信比實(shí)時(shí)調(diào)整，本階段的周期由上階段交叉口的車流量的檢測值來協(xié)調(diào)確定。

14、而對相序的調(diào)節(jié)，則是在同一周期下按車輛的等待時(shí)間和排隊(duì)長度對各相位劃分優(yōu)先等級，從而得到相序的優(yōu)化。但是對過飽和交通流，只能按相位的信號最大綠燈時(shí)間控制，而相位最小時(shí)間的引入是為了確保此相位已過停車線而來不及通過十字路口的車輛的安全，也是在某相位車輛很少的情況下給行人和非機(jī)動車過街時(shí)間?？刂七^程如下：步驟1：根據(jù)以往的交通量統(tǒng)計(jì)數(shù)據(jù)給出交叉口的最佳周期c、最小周期和最大周期以及各相位的關(guān)鍵度。步驟2：計(jì)算出各相位的最大綠燈時(shí)間和最小綠燈時(shí)間（）。設(shè)j0。步驟3：用模糊控制調(diào)整綠信比，使交叉口前的排隊(duì)長度盡可能的短，從而實(shí)現(xiàn)車輛延誤盡可能的小。步驟3.1：i=0;步驟3.2：給相位i以最短綠燈時(shí)

15、間放行；步驟3.3：在內(nèi)根據(jù)預(yù)測模型預(yù)測相位i及相位i+1的車隊(duì)長度，設(shè)其分別為和步驟3.4：若或且或，則將綠燈轉(zhuǎn)到下一相位，即；若i>m（m為相序中的相位數(shù)目）,則進(jìn)入步驟4，若則回到步驟3.2；否則，繼續(xù)；步驟3.5：根據(jù)值的大小來確定綠燈延長時(shí)間，若小則少量延長綠燈時(shí)間，若大則大量延長綠燈時(shí)間。這一過程由模糊控制算法來實(shí)現(xiàn)。若，則，否則，返回步驟3.3步驟4：，檢驗(yàn)成立否，若成立則到下一步，否則，回到步驟3。步驟5：根據(jù)本階段的交通流量，計(jì)算該交叉口的飽和度和各相位的關(guān)鍵度，根據(jù)飽和度來確定周期增量，從而得到下一個(gè)階段的周期長（，若，則，若則），以保證交叉口的車輛延誤經(jīng)可能小，使交

16、叉口的飽和度接近0.9?；氐讲襟E2。為了檢驗(yàn)本交通控制器的有效性，以通過交叉口的平均車輛延誤作為評價(jià)指標(biāo)，本文利用軟硬件結(jié)合的仿真方式對本控制系統(tǒng)與多相位定時(shí)控制系統(tǒng)進(jìn)行了比較，仿真結(jié)果如圖所示。圖3：仿真結(jié)果從圖可知：隨著交通流量的改變，本文設(shè)計(jì)的控制系統(tǒng)的改善效果也會發(fā)生顯著變化。在車流量較小的情況下，兩者變化不大，而隨著車流量的增大，單位車輛延誤時(shí)間最大減少可達(dá)60以上，這說明本文的多層控制系統(tǒng)改善效果是相當(dāng)可觀的。5. 總結(jié)本文基于多傳感器數(shù)據(jù)融合和模糊神經(jīng)網(wǎng)絡(luò)預(yù)測車輛排隊(duì)長度，并設(shè)計(jì)基于車輛排隊(duì)長度的模糊控制器。一方面大大提高了系統(tǒng)的可靠性，另一方面也增強(qiáng)的車輛的實(shí)際通行能力，仿真結(jié)

17、果也驗(yàn)證了這一點(diǎn)。參考文獻(xiàn)：1 mohamed b. trabia, mohamed s. kaseko and murali ande, “a two-stage fuzzy logic controller for traffic signals”, transportation research part c,vol.7, pp353-367,1999. 2 l. yu and j. chu, “an lmi approach to guaranteed cost control of linear uncertain time-delay systems,” automatica, v

18、ol. 35, no. 6, pp. 1155-1159, 1999.3 e.f. mulder and m.v. kothare, “title of paper,” in proc. amer. control conf., vol. 5, chicago, il, june 2000, pp. 3239-3243.4 m. young, the technical writers handbook. mill valley, ca: university science, 1989.5 yuh-horng wen,tsu-tian lee, “hybrid models toward t

19、raffic detetor data treatment and data fusion”,pp525-530,2005.6 li xiuping,liu zhiyong,yin zhengqi,wu jinpei, “an approach to intersection intelligent traffic signal control based on multisensor integration and fusion technologies”,information and control,vol.30,no.5,pp460-464,2001. 7 prasad palacha

20、rla,peter c.nelson,virginia p.sisiopiku, “data fusion using fuzzy-valued logic”,pp115-119,1999.8 jose cuena,josefa hernandez and martin molina, “knowledge-based models for adaptive traffic management systems”,transpn. res.-c,vol.3,no.5,pp311-337,1995.9 li cunjun,yang rugui,jin fan, “data-fusion pred

21、iction of traffic information based on artificial neural network”,systems engineering,vol.22,no.3,pp80-83.10 daniel j.dailey, “sensor data fusion within a regional architecture for its applications”,11 prasad v. palacharla,peter c. nelson, “application of fuzzy logic and neural networks for dynamic

22、travel time estimation”,international transactions in operational research,vol 6,pp145-160,1999.12 eiichi taniguchi,hiroshi shimamoto, “intelligent transportation system based dynamic vehicle routing and scheduling with variable travel times”,transportation research part c,vol.3,no.5,pp235-250,2004.

23、13 ganglen chang and chihchiang su, “predicting intersection queue with neural network models”,transportation research part c,vol.3,no.3,pp175-191,1995.14 zhong guowen,zhu jin, “intelligent traffic control system of isolated intersection”,journal of guangxi university(nat sci ed),vol.29,sup.,pp175-1

24、80,2004.15 chen shuyan,chen senfa,wu mingzan, “real-time fuzzy control for multiphase traffic signals in isolated intersection”,systems engeneering-theory and practice, no.1,pp110-115,2003.as of microsoft® internet explorer 4.0, you can applmultimedia-style effects to your web pages using visua

25、l filters and transitions. you can apply visual filters and transitions to standard html controls, such as text containers, images, and other windowless objects. transitions are time-varying filters that create a transition from one visual state to another. by combining filters and transitions with basic scripting, you can create visually engaging and interactive documents.internet explorer 5.5 and later supports a rich variety of optimized filters. click the following button to see a demonstration of many of these filters and how to usetheprocedural surfaces a