基于模糊控制的智能交通灯监控系统的毕业设计

来源:网络整理 作者:2018年01月09日 14:40

城市道路错综复杂,相互交错,交通灯是城市交通的重要指挥系统。交通信号灯作为管制交通流量、提高道路通行能力的有效手段,对减少交通事故有明显效果。但是车流量是随时变化的,而传统的交通灯模式采用的是定时控制,反而容易造成交通堵塞。因此我们需要根据不同的交通路况设置通行时间,本文采用模糊控制算法,设计了一种智能交通灯监控系统。

1、总体方案

交通灯监控系统是一个分布式、集散型、网络化的监控系统,包括监控中心和若干个智能监测终端,能对独立分布的交通灯进行集中监控和维护管理。每个路口看成一个监控终端,都设有一个采集器和一个GPRS模块,而每个方向上都装有一个控制器。控制器用来直接控制交通灯的状态、时间显示屏以及获得各车道车辆信息;采集器用来获取下属的每个控制器的数据以及发送控制命令。采集器将采集到的数据通过GPRS网络发送到监控中心,在监控中心对数据进行分析,进而实现对路况的监控。在此采用模糊控制算法对车辆数据进行分析,实现对红绿灯的控制。

2、模糊控制算法设计

模糊控制是将人们的长期经验作为控制策略,并将它转化成机器可识别的自然语言,进而实现自动控制。在文中,将人对交通指挥策略语言转化为机器语言所描述的控制算法,使得该算法能够模拟人的思维对各个车道的时间分配问题进行很好地分析,从而实现红绿灯时间的可变控制。对一个十字路口来说一个周期分为四个相位,如图1所示(①:东至西,西至东,西至南,东至北;②:西至北,东至南;③:南至北,北至南,南至东,北至西;④:北至东,南至西)。

基于模糊控制的智能交通灯监控系统的毕业设计

图1  十字路口

2.1、输入和输出变量定义

模糊控制的语言变量是对于输入变量和输出变量而言的,它们是自然语言形式,而不是数值形式给出的变量,选择当前相位等待车辆平均数和下一相位车辆等待平均数为输入变量,当前相位绿灯延时时间为输出语言变量,这样,就选择了一个双输入单输出的二维模糊控制器,如图2所示。

基于模糊控制的智能交通灯监控系统的毕业设计

图2 双输入单输出模型

图中,X1:当前相位总车辆数/车道数(取整);

X2:下一相位总车辆数/车道数(取整);

Y:当前相位绿灯显示时间。

2.2、变量设置

(1)输入量:X1和X2。

等待的车辆平均数目的基本论域确定为[0,Qmax],Qmax是能接受的最大等待车辆平均数目,根据实际情况和路况来定,这里选择40。论域是语言变量的量化档数,将等待车辆平均数的论域确定为{-5,-4,-3,-2,-1,0,1,2,3,4,5},输入语言量的基本论域与离散域转换对照表如表1所示。

表1输入车辆平均数目的基本论域与离散域转换对照表

基于模糊控制的智能交通灯监控系统的毕业设计

(2)输出量:Y,当前相位绿灯延时时间。

将绿灯延时时间的基本论域确定为[Gmin,Gmax],Gmin是可以接受的最小绿灯延时时间,Gmax是可以接受的最大绿灯延时时间,在这里设定Gmin=0s,Gmax=60s。将绿灯延时时间的论域确定为{0,1,2,3,4,5,6,7,8,9,10,11,12}。因为输出量延时时间是连续的,所以有比例因子K=60/12=5,通过比例因子进行反模糊化,从而得到精确的延时时间:

延时时间=K&TImes;模糊集数据

2.3、隶属函数

在文中X和Y的语言变量都选取7个语言值,“很少”—“NB”,“较少”—“NM”,“少”—“NS”,“正常”—“ZE”,“多”—“PS”,“较多”—“PM”,“很多”—“PB”。

根据隶属函数,可以建立相应语言变量的赋值表。隶属函数的确定一般是根据经验或统计进行确定,也可以由专家、权威给出。表2、表3给出输入和输出量各自语言变量的赋值表。

表2  输入量X的语言变量赋值表

基于模糊控制的智能交通灯监控系统的毕业设计

表3  输出量Y的语言变量赋值表

基于模糊控制的智能交通灯监控系统的毕业设计

12下一页全文

本文导航

  • 第 1 页:基于模糊控制的智能交通灯监控系统的毕业设计
  • 第 2 页:模糊 推理

关注电子发烧友微信

有趣有料的资讯及技术干货

下载发烧友APP

打造属于您的人脉电子圈

关注发烧友课堂

锁定最新课程活动及技术直播
声明:电子发烧友网转载作品均尽可能注明出处,该作品所有人的一切权利均不因本站而转移。
作者如不同意转载,既请通知本站予以删除或改正。转载的作品可能在标题或内容上或许有所改动。
收藏 人收藏
分享:

相关阅读

发表评论

elecfans网友

分享到:

用户评论(0