一种通过人工智能和物联网的智能交通设计方法与流程

1.发明涉智能交通领域,尤其涉及一种通过人工智能和物联网的智能交通设计方法。


背景技术：

2.现有的交叉路口的信号灯控制方法有固定配时控制、感应式控制和自适应控制。由于在城市交通系统中，到达交叉路口的车辆具有随机性、复杂性的特点，想要建立准确的数学模型来描述它很困难。在实际应用中固定配时控制与感应式控制的效果不能完全令人满意。以scoot为代表的自适应控制系统能够根据实时交通状况自适应的调整信号配时，控制效果较好，但其控制精度受下游停车线断面流量图式的预测精度的影响，对我国复杂的交通形式没有起到很好的效果。
3.模糊数学针对的研究对象通常是那些包含非定量信息的不确定性系统，它能利用模糊集的概念将不确定信息定量的表示，并以接近人的形象思维方式进行定性分析和推理。因此模糊数学在解决交通系统问题上有很好的效果。


技术实现要素：

4.为了克服现有技术存在的缺点与不足,本发明提供一种通过人工智能和物联网的智能交通设计方法。
5.本发明所采用的技术方案是，该方法采用单交叉口交通信号灯的模糊控制器，根据排队车辆数的多少来控制交通，利用交通灯的相位选择控制器和绿灯延时模糊控制器，相位选择控制器根据当前各红灯相位车流量的大小，以及持续红灯时间来选择下一绿灯相位；绿灯延时模糊控制器根据当前绿灯相位和下一绿灯相位的车流量大小决定绿灯延时时间。
6.本发明中，所述相位选择控制器包括相位选择控制器的输入、输出，相位选择控制器的相位选取规则。
7.所述相位选择控制器的输入、输出，当前第i红灯相位的排队车辆数为ai(i＝1，2，3或1，2，4或1，3，4或2，3，4)，持续红灯时间为bi(i＝1，2，3或1，2，4或1，3，4或2，3，4),持续红灯时间表示，该红灯相位由最近一次绿灯切换为红灯的时刻一直到此刻所经过的时间；选择出的下一绿灯相位的相位数为c；当前共有3个红灯相位，要选择出一个下一绿灯相位，相位选择控制器有6个输入，即3个当前红灯相位的排队车辆数和持续红灯时间；有1个输出，即选择的下一绿灯的相位数。
8.本发明中，所述相位选择控制器的相位选取规则如下：
9.规则一：if bi≥120 then c＝i；
10.规则二：if bi≥120 and bj≥120and ai》aj then c＝i(i≠j)；
11.规则三：if bi≥120 and bj≥120and ai＝aj and i《j then c＝i(i≠j)；
12.规则四：if bi＜120 and bj＜120 and bk＜120and ai＞aj then c＝i(i≠j≠
k)；
13.规则五：if bi＜120 and bj＜120 and bk＜120 and ai＝aj＝ak then c＝i(i≠j≠k)；
14.根据检测到的当前各红灯相位的车辆数，以及红灯相位的持续时间，确定出下一绿灯相位。
15.本发明中，所述绿灯延时模糊控制器包括绿灯时长及延时时间上限、输入输出及模糊化、模糊控制的规则库、模糊推理与逆模糊化。
16.所述绿灯时长及延时时间上限设绿灯时长包括最短时间t1和绿灯延时时间t2；司机能够接受的红灯等待时间上限为180s，每一相位的最大绿灯时间为60s，t1取20s，t2∈[0，40]s；出现这样的极端情况：4个相位的排队车辆都很多，但3、4相位的车辆数始终没有相位1、2的车辆数多,假设相位1、2的绿灯时间都为60s，经过120s后，3、4相位的司机持续等待红灯的时间为120s，假设此时相位3、4的车辆数仍然比相位1、2的车辆数少，若相位3此时切换绿灯相位，时间为60s，那么相位4的司机持续等待红灯的时间为180s，达到司机持续等待红灯时间上限；每当切换相位前要先检测是否有红灯相位已持续等待120s，若已等待120s，则必须选择该相位作为下一绿灯相位。
[0017]
本发明中，所述输入输出及模糊化；模糊化接口是将输入的变量转化为[0,1]上的模糊量，当前绿灯相位排队的车辆数为m1，下一绿灯相位排队的车辆数为m2；规定模糊化接口的输入变量m1和m2的取值范围为[0，40]，将论域划分为11个等级，即11个模糊论域{0，1，2，3，4，5，6，7，8，9，10}；它的量化因子k1＝k2＝0.25，真实值m相对应的模糊论域值m＝[m/4]([x]表示不大于x的最大整数)；m1、m2的模糊语言值选取{x1，x2，x3，x4，x5，x6，x7}，分别代表很少、少、较少、中等、较多、多、很多。选取正态分布函数作为模糊子集的隶属函数；绿灯延时时间为t，规定输出变量t∈[0，40]s，将论域划分为11个模糊论域{0，1，2，3，4，5，6，7，8，9，10}；它的量化因子k＝0.25；真实值t相对应的模糊论域值t＝[t/4]；t的模糊语言值取值{y1，y2，y3，y4，y5，y6，y7，y8，y9}分别代表极短、很短、短、较短、中等、较长、长、很长、极长。选取正态分布函数作为模糊子集的隶属函数。
[0018]
本发明中，所述模糊控制的规则库，规则库是由描述模糊子集之间关系的控制规则构成，基于路口的实际情况，控制规则有49条语句构成。
[0019]
本发明中，所述模糊推理与逆模糊化，模糊关系是由模糊规则中的模糊语句决定的，输入与输出之间的模糊关系有49个，采用mamdani和max-min合成推理方法计算出ri[i＝1，2，
…
，49]；
[0020]
则模糊关系矩阵为：
[0021]
r＝r1∨r2∨
…
∨r49，
[0022]
当输入变量m1、m2分别为模糊论域m1、m2时，由模糊推理合成得到输出变量t的模糊论域：
[0023]
t＝(m1
×
m2)r(3)，
[0024]
最后用最大隶属度法对模糊论域t进行逆模糊化处理，得出绿灯延时时间表。
[0025]
本发明中，所述模糊控制算法，在现行的绿灯相位绿灯时长结束前3s，根据相位选择控制器选择下一绿灯相位，把现行绿灯相位的车辆数和下一绿灯相位的车辆数作为输入送入绿灯延时模糊控制器，若输出的延时时间为0s，则亮黄灯3s切换相位，进入下一绿灯相
位，依次循环；若输出的延时时间大于0s，则判断已经亮灯的绿灯时间加上延时的绿灯时间是否不小于60s，若不小于60s，则延时到60s时强制切换到下一绿灯相位，在57s时亮黄灯3s；若已经亮灯的绿灯时间加上延时的绿灯时间小于60s，则绿灯持续亮到延时时间结束；在绿灯延时时间结束前3s，根据相位选择控制器选择下一绿灯相位，把现行绿灯相位的车辆数和下一绿灯相位的车辆数作为输入送入绿灯延时模糊控制器，得出延时时间，再检测延时时间是否满足要求，依次循环。
附图说明
[0026]
图1为本发明总体步骤流程图。
具体实施方式
[0027]
需要说明的是,在不冲突的情况下,本技术中的实施例及实施例中的特征可以相互结合,下面结合附图和有具体实施例对本技术作进一步详细说明。
[0028]
如图1所示,一种通过人工智能和物联网的智能交通设计方法，该方法采用单交叉口交通信号灯的模糊控制器，根据排队车辆数的多少来控制交通，针对城市交通中到达路口车辆的随机性特点，以及目前交通灯采用的定相位定时长控制器的缺点，引入交通灯的相位选择控制器和绿灯延时模糊控制器，相位选择控制器根据当前各红灯相位车流量的大小，以及持续红灯时间来选择下一绿灯相位；绿灯延时模糊控制器根据当前绿灯相位和下一绿灯相位的车流量大小决定绿灯延时时间。
[0029]
相位选择控制器设计包括相位选择控制器的输入、输出，相位选择控制器的相位选取规则。
[0030]
相位选择控制器的输入、输出，当前第i红灯相位的排队车辆数为ai(i＝1，2，3或1，2，4或1，3，4或2，3，4)，持续红灯时间为bi(i＝1，2，3或1，2，4或1，3，4或2，3，4),持续红灯时间表示，该红灯相位由最近一次绿灯切换为红灯的时刻一直到此刻所经过的时间；选择出的下一绿灯相位的相位数为c；当前共有3个红灯相位，要选择出一个下一绿灯相位，相位选择控制器有6个输入，即3个当前红灯相位的排队车辆数和持续红灯时间；有1个输出，即选择的下一绿灯的相位数。
[0031]
相位选择控制器的相位选取规则如下：
[0032]
规则一：if bi≥120 then c＝i；
[0033]
规则二：if bi≥120 and bj≥120 and ai》a
j then c＝i(i≠j)；
[0034]
规则三：if bi≥120 and bj≥120 and ai＝a
j and i《j then c＝i(i≠j)；
[0035]
规则四：if bi＜120 and bj＜120 and bk＜120 and ai＞a
j then c＝i(i≠j≠k)；
[0036]
规则五：if bi＜120 and bj＜120 and bk＜120 and ai＝aj＝a
k then c＝i(i≠j≠k)；
[0037]
根据检测到的当前各红灯相位的车辆数，以及红灯相位的持续时间，确定出下一绿灯相位。
[0038]
绿灯延时模糊控制器包括绿灯时长及延时时间上限、输入输出及模糊化、模糊控制的规则库、模糊推理与逆模糊化。
[0039]
绿灯时长及延时时间上限设绿灯时长包括最短时间t1和绿灯延时时间t2；因为司机能够接受的红灯等待时间上限为180s，每一相位的最大绿灯时间为60s，所以根据专家经验，t1一般取20s，t2∈[0，40]s。会出现这样的极端情况：4个相位的排队车辆都很多，但3、4相位的车辆数始终没有相位1、2的车辆数多。假设相位1、2的绿灯时间都为60s，经过120s后，3、4相位的司机持续等待红灯的时间为120s，假设此时相位3、4的车辆数仍然比相位1、2的车辆数少，若相位3此时切换绿灯相位，时间为60s，那么相位4的司机持续等待红灯的时间为180s，达到司机持续等待红灯时间上限。所以每当切换相位前要先检测是否有红灯相位已持续等待120s，若已等待120s，则必须选择该相位作为下一绿灯相位。
[0040]
输入输出及模糊化，模糊化接口的作用是将输入的变量转化为[0,1]上的模糊量，即要知道模糊集的论域，隶属度函数和模糊集的数量。设当前绿灯相位排队的车辆数为m1，下一绿灯相位排队的车辆数为m2。规定模糊化接口的输入变量m1和m2的取值范围为[0，40]，将论域划分为11个等级，即11个模糊论域{0，1，2，3，4，5，6，7，8，9，10}。它的量化因子k1＝k2＝0.25，真实值m相对应的模糊论域值m＝[m/4]([x]表示不大于x的最大整数)。m1、m2的模糊语言值选取{x1，x2，x3，x4，x5，x6，x7}，分别代表很少、少、较少、中等、较多、多、很多。选取正态分布函数作为模糊子集的隶属函数。
[0041]
设绿灯延时时间为t，规定输出变量t∈[0，40]s，将论域划分为11个模糊论域{0，1，2，3，4，5，6，7，8，9，10}。它的量化因子k＝0.25。真实值t相对应的模糊论域值t＝[t/4]，t的模糊语言值取值{y1，y2，y3，y4，y5，y6，y7，y8，y9}分别代表极短、很短、短、较短、中等、较长、长、很长、极长，选取正态分布函数作为模糊子集的隶属函数。
[0042]
模糊控制的规则库，规则库是由描述模糊子集之间关系的控制规则构成，是人们对该问题的经验和知识的反映。基于路口的实际情况，控制规则有49条语句构成，分别为
[0043]
r1。if m
1 is x
1 and m
2 is x
1 then t is y1[0044]
……
[0045]r49
。if m
1 is x
7 and m
2 is x
7 then t is y9[0046]
模糊推理与逆模糊化，模糊关系是由模糊规则表中的模糊语句决定的，因此由模糊规则表可以看出输入与输出之间的模糊关系有49个，采用mamdani和max-min合成推理方法计算出ri[i＝1，2，
…
，49]
[0047]
r1＝[(x1)1×
(x1)2]
t
×
y1[0048]
r2＝[(x1)1×
(x2)2]
t
×
y1[0049][0050]r49
＝[(x7)1×
(x7)2]
t
×
y5[0051]
以r1的计算为例。其中：[x1]1为输入m1的模糊子集，[x1]2为输入m2的模糊子集，y1为输出t的模糊子集。
[0052]
则模糊关系矩阵为:
[0053]
r＝r1∨r2∨
…
∨r49
[0054]
当输入变量m1、m2分别为模糊论域m1、m2时，由模糊推理合成得到输出变量t的模糊论域：
[0055]
t＝(m1
×
m2)r(3)
[0056]
最后用最大隶属度法对模糊论域t进行逆模糊化处理，得出绿灯延时时间表。
[0057]
模糊控制算法，在现行的绿灯相位绿灯时长结束前3s，根据相位选择控制器选择下一绿灯相位，把现行绿灯相位的车辆数和下一绿灯相位的车辆数作为输入送入绿灯延时模糊控制器，若输出的延时时间为0s，则亮黄灯3s切换相位，进入下一绿灯相位，依次循环。若输出的延时时间大于0s，则判断已经亮灯的绿灯时间加上延时的绿灯时间是否不小于60s，若不小于60s，则延时到60s时强制切换到下一绿灯相位，在57s时亮黄灯3s。若已经亮灯的绿灯时间加上延时的绿灯时间小于60s，则绿灯持续亮到延时时间结束。同上在绿灯延时时间结束前3s，根据相位选择控制器选择下一绿灯相位，把现行绿灯相位的车辆数和下一绿灯相位的车辆数作为输入送入绿灯延时模糊控制器，得出延时时间，再检测延时时间是否满足要求，依次循环。
[0058]
设计的智能交通灯模糊控制器以车辆在路口的平均延误时间为评价标准，使用软件进行仿真。由于在仿真软件在仿真环境下无法用传感器测量到达和离开的车辆数，所以采用模拟产生车辆的方式对到达交叉路口的车辆数进行仿真：设到达交叉路口的车辆数服从参数为1的泊松分布，车辆通过绿灯的速率即离去率s＝2辆/s。相位切换和绿灯延时服从已经给出的智能交通灯模糊控制器。我们假设定相位定时交通灯的相位循环切换，绿灯时间为30s，设定仿真总时间为60min，仿真10次，得到的数据见下表：
[0059][0060]
由仿真结果可以看出，采用相位选择及绿灯延时模糊控制器的智能交通灯的平均车辆延误时间为32.1s，比定相位定时长的交通灯的延误时间37.9s小了5.8s，证明了基于流量控制的模糊控制器的有效性。
[0061]
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解的是,在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种等效的变化、修改、替换和变型,本发明的范围由所附权利要求及其等同范围限定。