一种通过人工智能和物联网的智能交通设计方法与流程

技术特征：
1.一种通过人工智能和物联网的智能交通设计方法，其特征在于,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。2.如权利要求1所述的一种通过人工智能和物联网的智能交通设计方法，其特征在于，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；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a
i
(i＝1，2，3或1，2，4或1，3，4或2，3，4)，持续红灯时间为b
i
(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。3.如权利要求2所述的一种通过人工智能和物联网的智能交通设计方法，其特征在于，所述相位选择控制器的相位选取规则如下：规则一：if b
i
≥120then c＝i；规则二：if b
i
≥120and b
j
≥120and a
i
>a
j then c＝i(i≠j)；规则三：if b
i
≥120and b
j
≥120and a
i
＝a
j and i<j then c＝i(i≠j)；规则四：if b
i
＜120and b
j
＜120and b
k
＜120and a
i
＞a
j then c＝i(i≠j≠k)；规则五：if b
i
＜120and b
j
＜120and b
k
＜120and a
i
＝a
j
＝a
k then c＝i(i≠j≠k)；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。4.如权利要求1所述的一种通过人工智能和物联网的智能交通设计方法，其特征在于，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；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。5.如权利要求4所述的一种通过人工智能和物联网的智能交通设计方法，特征在于，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。6.如权利要求5所述的一种通过人工智能和物联网的智能交通设计方法，特征在于，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。7.如权利要求6所述的一种通过人工智能和物联网的智能交通设计方法，特征在于，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r
i
[i＝1，2，
…
，49]；则模糊关系矩阵为：r＝r1∨r2∨
…
∨r49，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：t＝(m1
×
m2)r (3)，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。8.如权利要求1所述的一种通过人工智能和物联网的智能交通设计方法，特征在于,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。

技术总结
本发明公开了一种通过人工智能和物联网的智能交通设计方法,通过设计了一种单交叉口交通信号灯的模糊控制器，它是根据排队车辆数的多少来控制交通的，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，引入了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，该方法能有效提交交通的效率。通的效率。通的效率。


技术研发人员：江银
受保护的技术使用者：江银
技术研发日：2021.10.15
技术公布日：2022/1/14