內容提要：一、模糊掌握二、單點穿插口的模糊掌握〔一〕單點穿插口的一級模糊掌握〔二〕單點穿插口的兩級模糊掌握〔1〕交通強度優先的穿插口模糊掌握〔2〕考慮關鍵及非關鍵車流的穿插口模糊掌握三、單個穿插口模糊掌握的改進

一、模糊掌握1965年扎德(Zadeh)首先提出模糊集〔Fuzzyset〕的概念，被公認為模糊數學的創始人。消失模糊數學后，人們將準確的數學描述領域推廣到與人的心理有關的領域，并借助模糊數學理論處理各種簡單的問題。1977年，Pappis和Mamdani將模糊掌握應用到單個路口信號掌握，此后，模糊掌握在交通掌握中得到了廣泛的應用，已經成為最常見的信號掌握的智能方法。模糊掌握理論建立在模糊數學根底上。模糊數學的重要概念：模糊集合模糊集合定義為：給定論域X中的一個模糊集A，是指對任意x∈A，都為其指定一個μA〔x〕∈[0，1]與之對應，這個數稱為x對A的隸屬度。這意味著做出一個映射：μA：X→[0，1]，x→μA〔x〕式中，稱μA為A的隸屬度函數，μA〔x〕為x對A的隸屬度。由模糊集合的定義可知，論域X上的模糊集A完全由隸屬度函數μA〔x〕來刻畫。μA〔x〕的取值范圍為閉區間[0，1]，u的大小反映x對于模糊子集A的附屬程度：μA〔x〕的值越接近1，表示x附屬于A的程度越高；μA〔x〕的值越接近0，則表示x附屬于A程度越低。

[例]冷熱的概念經典集合的特征函數模糊集合的隸屬度函數

MembershipFunction

屬于“冷”的隸屬度函數屬于“舒適”的隸屬度函數屬于“熱”的隸屬度函數模糊掌握的根本原理模糊掌握系統的設計：變量的模糊語言變量的根本論域模糊推理規章：if…then…模糊規章表給出隸屬度函數編程由于模糊掌握系統中語言型規章和模糊概念的使用，使得模糊掌握本身相對于常規掌握而言有獨特之處：〔1〕不需要知道被控對象的數學模型；〔2〕模糊掌握系統具有極好的穩定性和魯棒性；〔3〕模糊掌握器設計簡潔、調試便利。設計一個模糊掌握器必需解決以下三個問題：〔1〕準確量的模糊化，把語言變量的語言值化為適當論域上的模糊子集。〔2〕模糊掌握算法的設計，通過一組模糊條件語句構成模糊掌握規章，并計算模糊掌握規章打算的模糊關系。〔3〕輸出信息的模糊判決，完成由模糊量到準確量的轉化〔去模糊化〕。二、單點穿插口模糊掌握從掌握論的角度對城市單點穿插口信號燈的掌握建立模糊掌握模型，是通過仿照交通警察指揮疏導交通的決策過程而建模。〔一〕單點穿插口的一級模糊掌握〔1〕相位設計：穿插口的進口均設左轉、直行和右轉3個車道,其4個相位設置見圖

〔2〕掌握方案設計：選擇將排隊長度(放行相位排隊長度P和下一相位排隊長度Ps)作為綠燈長度的掌握量。依據實際需要,設置最短綠燈時間tGmin為15s,最大綠燈時間50s。掌握算法如下:Step1:將通行權給相位i,且令tGi為最短綠燈時間tGmin。Step2:在綠燈時間tGi馬上完畢時,檢測放行相位及下一個相位車道上的車輛排隊長度。設其分別為Pi和Pi+1。Step3:推斷,假設Pi=0,或Pi≤m且ΔPi=Pi+1-Pi≥n(m,n為依據交通量狀況確定的常數)或者綠燈積存時間tGi=tGmax,則將通行權給下一相位,并回到step1;否則連續。Step4:將Pi和Pi+1送入模糊掌握器,確定綠燈延長時間ei。并推斷,假設tGi+ei≥tGmax,則令tGi=tGmax。否則令tGi=tGi+ei,回到Step2。〔3〕模糊掌握算法設計：變量的模糊語言：輸入變量：放行相位排隊長度P={VS,S,M,L,VL}下一相位排隊長度Ps={VS,S,M,L,VL}輸出變量：綠燈延長時間e={NS,VS,S,M,L,VS,N}變量的根本論域：放行相位排隊長度P：{0,1,2,3,4,5,6,7,8,9,10}下一相位排隊長度Ps：{0,1,2,3,4,5,6,7,8,9,10}綠燈延長時間e：{0,1,2,3,4,5,6,7,8,9,10}模糊掌握規章：建立模糊掌握規章是:當主列隊長或是很長時,增加綠燈時間,選取的輸出以放行、削減車輛等待為主;而當主列隊較短時,選取的掌握量以防止綠燈時間鋪張為動身點。通過總結試驗和專家閱歷,建立模糊掌握規章見表,共5×5=25條掌握規章。給出隸屬度函數：依據專家閱歷,輸入變量各個模糊子集的隸屬度函數取高斯型曲線,其輸出比較光滑。模糊推理及反模糊化：解模糊化的方法常用的有：重心法、最大隸屬度法。重心法(加權平均法)：重心法是指取模糊集隸屬函數曲線同根底變量軸所圍而積的重心對應的根底變量值作為清晰值的方法。公式u*=(∑(uiμi))/(∑(μi))其中:u*為清晰化輸出量;ui為輸出變量;μi為模糊子集隸屬度;I為模糊子集數。

IIi=1i=1最大隸屬度法：這個方法就是對模糊決策得出的模糊集U的隸屬度最大的元素。max作為掌握輸出的準確值，即Ifμ(umax)=max(μ(u1)，…，μ(un))Thenu=umax該種模糊掌握缺點：1.此方法在相位固定的根底上再給出最優的當前相位綠燈延時。這明顯是存在了肯定的人為誤差因素的，當固定的下一相位車流很小甚至為零時，依據這種掌握規章，要給出至少是最小綠燈時間，而且中間還包括綠燈轉換所消耗的黃燈時長，假設下兩相位或是更后的相位有很大的車流量，那么就必定會造成車輛平均延誤較大了。2.僅依據單穿插口的相位的關鍵車流(同一相位中交通流量比大的一股車流)來打算交通信號配時,而無視了兩相位的非關鍵車流對信號配時的影響。〔二〕單點穿插口的兩級模糊掌握〔1〕交通強度優先的穿插口模糊掌握第一級為觀測級，其次級為決策級。觀測級模糊掌握器作為決策級模糊掌握器的輸人，觀測級中的綠信模塊依據車道信號檢測器檢測到的交通信息推斷當前綠信方向的繁忙度，并將其傳遞給決策級，紅信模塊依據車道信號檢測器檢測到的交通信息推斷當前紅信方向的交通狀況，打算紅信方向的緊急度，選擇紅信模塊最緊急的相位將其傳遞給決策級。決策模塊依據輸人的紅信和綠信相位的緊級度，通過模糊推理得出當前綠燈的延長時間。模糊推理的輸入輸出變量輸入變量：qr和tr輸出變量：Urqr是一個車道兩檢測器之間的車輛數，tr是一個車流方向自上次綠燈完畢以來紅燈持續的時間。這兩個變量反映了當地交通狀況。Ur是交通流緊迫度，它反映了一個交通流的交通狀況。輸入輸出變量的模糊語言={很少，少，中等，多，很多}；={很短，短，中等，長，很長}；={很低，低，中等，高，很高}。紅燈相位選擇模塊變量論域和比例因子qr的根本論域{0,1,2,3,4,5,……,30}；tr的根本論域(0,120)；Ur的根本論域(0,6)。模糊掌握規章〔FuzzyControlRules〕Urqr

tr

很少少中等多很多很短很低很低很低低中等短很低很低低中等高中等低中等中等高很高長中等高高很高很高很長很高很高很高很高很高綠燈相位觀看模塊該模塊以綠燈相位交通流數據作為輸入：綠燈交通流數據選擇綠燈相位剩余車輛數(qg)和綠燈相位經過最小綠燈時間后的綠燈延長時間(tg)。產生的綠燈相位繁忙度(Bt)作為輸出。假設綠燈相位包含多于一個交通流，那么使用各交通流的最大剩余車輛數，綠燈延長時間是一樣的。Btqg

tg

很少少中等多很多很短低低中等高很高短很低低低中等高中等很低低低中等高長很低很低低低中等很長很低很低很低低低決策模塊輸入：候選相位(Pr)，相位緊迫度(Up)和繁忙度(Bt)輸出：當前綠燈延長時間ePr是由紅燈相位選擇模塊選出的相位，Up是此相位的相位緊迫度。Bt是綠燈相位觀測模塊輸出的綠燈相位繁忙度。e是當前綠燈相位延長時間。Pr不參與模糊推理。

〔2〕考慮關鍵及非關鍵車流的穿插口模糊掌握掌握過程是:依據檢測器檢測到的各方向車輛到達信息,定兩相的關鍵車流和非關鍵車流.對兩相的關鍵車流的車輛到達狀況實施模糊掌握,即經過模糊化、模糊掌握規章、模糊判決得到有通行權相位的綠燈延長時間初值es;對兩相的非關鍵車流的車輛到達狀況實施模糊掌握,得到綠燈延長時間的修正時間Δes.從而得到掌握策略,即綠燈延長時間e+Δes(這里要求0≤e