|
- UID
- 872339
|
为了缓解交通压力，降低修路资金投入，减少车辆延误，节能减排，建设和谐的交通环境，设计智能交通信号控制是建设资源节约型社会的必然选择。
现有交通信号控制系统主要分为两类：定时控制和感应式控制。定时控制不能根据车辆的流量自适应地动态调节延时时间，可能会造成车辆延误时间长及不必要的拥塞等情况：感应式控制可以根据车流的状态采用不同的控制模式，但目前的研究大部分只能单独地控制某一点，并不能实时、多点、联测、联动的控制。
本文设计了一种基于无线传感器网的智能交通控制，利用传感器节点采集交通信息，智能交通控制终端根据采集到的交通信息，选择合适的路口控制模式，调整各交叉路口的绿信比，协调干线各路口周期的确定和各路口之间的相位差，自适应地控制车辆通行时间，从而保证车辆通行质量，实现交通信号控制的智能化、网络化。
1 路口控制模式
传统的路口控制模式是定时控制，先进的路口控制模式有模糊控制、绿波带模式、夜间模式和急停模式。模糊控制模式是根据随机的车辆流量智能完成模糊增减交通信号控制时间。绿波带模式在单向车辆高峰期时，将各个路口间红绿灯起始点亮时间延宕一定量来保证车辆一路畅行。夜间控制模式可在夜晚车辆流量为零负荷的状态使用，仅使用黄灯警示开车司机，减少能源和时间的消耗。急停模式可为紧急车辆开辟通行空间，在紧急车辆方向开启绿灯，别的方向开启红灯。本设计提出在不同的时段采用不同的控制模式，在9:00～11:30，14:30～17:30和20:30～24:00时段采用模糊控制模式；在5:30～9:00，11:30～14:30和17:30～20:30时段采用绿波带模式；在0:00～5:30时段采用夜间控制模式；在检测到紧急车辆时采用急停控制模式。具体时段的设置可以根据具体的区域或车辆流量，由信号机重设或修改。选择多种控制模式可以实现交通控制的合理化，从实际上缓解交通路口的压力。
2 智能交通控制设计
2.1 基于多Agent的智能交通控制模型
多Agent系统(MAS)一直是人工智能领域的研究热点，MAS具有主动性、层次性、动态性和可操作性等优点田。在MAS中，协作不仅能提高单个Agent以及由多个Agent所形成系统的整体行为性能，增强Agent与多Agent系统解决问题的能力，还能使系统具有更好的灵活性。国内外研究表明。与传统建模方法(如还原论方法、归推理方法等)相比，MAS建模可以较好地刻画复杂系统特性。MAS建模主要用于表现复杂情况(个体有复杂的、不同的行为，并存在交互)，多Agent复杂适应系统的建模是复杂系统建模的一种重要方法，多Agent间的交互和协作是多个Ag-ent个体在开放、动态环境下，在资源有限的情况下实现多个目标的关键。
交通信号控制系统是一个典型的复杂大系统，具有时变、非线性等特点，它是由许许多多关系密切而复杂的不同领域、不同功能的子系统按不同层次综合集结而成的。目前，各种交通子系统接自身的优化目标运作，不考虑与其他系统的集成与协作，使得交通系统难以达到最优。综合分析与协调各交通子系统，是智能交通的发展趋势。本文构建了基于多Agent的智能交通控制模型，控制模型如图1所示。
图1中，智能交通控制模型中各Agent的功能如下：
1)交通管理Agent帮助建立起其他Agem之间的通讯链接，还负责系统管理多Agent的增加和删除等。
2)数据管理Agent数据采集Agent利用传感器节点对路面的车辆流量等状态向量信息进行采集；数据处理Agent将收集到的车辆信息数据进行计算处理，计算出各交叉路口交通控制的各种控制向量；数据传输Agent向智能交通控制数据库传输数据，并与其他数据源进行交流；数据备份与恢复Agent将智能交通控制数据库中的数据进行备份和还原。
3)智能交通控制Agent时刻确定Agent获取控制时间段；模式选择Agent生成路口控制模式；控制方法Agent将控制任务分解，发送给绿信比Agent、相位差Agent、周期Agent、综合控制Agent，完成单个控制向量的单独控制或多个控制向量的综合控制，同时它还负责从综合控制Agent那里得到最后的控制结果并输出给相应用户。绿信比Agent、相位差Agent、周期Agent是完成控制任务的主体，进行绿信比、相位差和周期控制，然后将结果送给综合控制Agent。综合控制Agent获取绿信比、相位差和周期控制Agent的输出结果并利用综合控制方法将结果汇总，汇总得出各交叉路口智能控制值，生成交叉路口智能控制汇总数据报表，并将最终结果发送给控制执行Agent。控制执行Agent对各交叉路口智能控制结果进行执行。 |
|
