外文翻译智能交通灯模拟器方案和硬件模糊逻辑实现.docx

外文翻译智能交通灯模拟器方案和硬件模糊逻辑实现.docx

《外文翻译智能交通灯模拟器方案和硬件模糊逻辑实现.docx》由会员分享，可在线阅读，更多相关《外文翻译智能交通灯模拟器方案和硬件模糊逻辑实现.docx（12页珍藏版）》请在冰豆网上搜索。

外文翻译智能交通灯模拟器方案和硬件模糊逻辑实现

毕业设计外文资料翻译

学院：

电子工程学院

专业班级：

自动化091

学生姓名：

学号：

指导教师：

外文出处：

（外文>

附件：

1.外文资料翻译译文；2.外文原文

指导教师评语：

签名：

年月日

基于智能交通灯模拟器的设计和硬件模糊逻辑实现

文章历史：

本研究的目的是开发基于模糊逻辑的交通路口的光模拟器系统和智能交通路口的灯控制器的目的并观察其性能设计。

交通仿真硬件开发，克服困难，在真实的环境中工作，容易验证控制器的性能。

通过建立交通灯模拟研究，结果是不断的持续时间<常规）交通灯控制器和基于模糊逻辑的交通灯光控制器相比，在车的输入是由模拟器。

统计从实现仿真表明，模糊逻辑的交通灯的实验结果控制器大大减少了等待红灯的时间，因为根据控制器的适应交通密度。

很明显，智能灯光控制器有着重要的优势在经济和环境方面。

2009ElsevierB.V.保留所有权利。

1景区简介

大多数的交通路口的信号控制器固定周期式<常规），即，恒定的绿/红相各交通信号周期。

虽然这种操作方式简单，其性能在交通应用中一般较差。

一个合理的选择是不是一个智能控制器的设计固定周期的交通灯控制系统。

因为他们有很多智能交通灯的优点，尤其不能忽视在都市区。

在Zadeh的模糊集理论中的定义1965，这项技术已被广泛应用于工程应用。

一些研究应用模糊集理论的交通信号控制进行了[1–6]。

其中最受欢迎的是通过Pappis和Mamdani提出[1]。

他们为建立一个很好的模型双向交通处各有一个车道的交通流[1]。

这nakatsuyama实现了基于模糊逻辑的交通灯控制的级联1984双向交通路口[2],1993等。

介绍了一个交通灯控制器多车道交通枢纽[4]。

最近，特拉比亚等人。

[6]四车道leftturning带模拟单结交通流的考虑。

目前的研究[7-14]有考虑交通信号控制从不同的角度方面。

这些研究的目的是获得最佳的交通流量达到最小等待时间。

这些研究都是基于软件仿真模型。

其中最重要的方面研究可以归纳如下。

文献[7]，艾拉Bingham使用相同的交叉配置在Pappis和Mamdani模拟[1]。

在她的研究，一个Mamdani型模糊交通信号控制器的参数通过强化学习算法的基础上，确定仿真环境。

目的是减少车辆延迟。

她报告说，该模糊控制器具有在恒定的流量演出成功。

扩展交通信号控制器来解决问题连续的连接和车道。

他们的控制器可以处理高达700M或更长的队列长度。

他们建立了探测器一定的距离来获取交通数据。

为了模拟流率的车辆，他们用一个抛物型方程由于其简单。

他们建立了一个模拟环境模型在现实世界的案例。

他们认为交通两种情况结：

多车道交通枢纽和干线单多车道多交通路口。

他们的控制器使用最大排队长度相关的方向/车道作为输入对于这两种情况下的模糊控制器。

他们假设的长度汽车要比不同[2]。

niittmaki和图伦尼取得更好的结果时，适用卢卡西维兹的多值而不是使用人工defuzzyfication[9]控制。

缪拉，gedizlioglu[10]提出的Mamdani模糊的信号结构控制模型包括一个模糊的相位绿久期模型

图1四个方向和单车道的交通枢纽

模糊的相位序列模型。

他们比较他们的模型使用模拟为一个孤立的四个全副武装的交叉口。

他们输入和输出使用三角形隶属函数参考文献[7–10]。

风扇和刘[11]提出了五分之一个分层模糊神经网络一种单交叉口相位序列的可变的控制器。

他们用BP与预定的控制器的火车训练样本。

他们得出结论：

他们的控制方法能显著降低车辆平均延误基于他们得到的仿真结果。

崇等人。

研究了四种不同的神经模糊架构的性能在一个孤立的四臂简单的交通控制交通灯基于绿色灯区路口交通灯

的模糊神经网络的训练网络进行数据集收集的流量模拟器由操作者控制。

他们报告说，所有的建筑表现很好。

愚人¨cker等人。

给予特别的在一四个方向的交通枢纽行人延误的注意文献[13]。

他们提出了多目标信号控制中的应用模糊逻辑。

模糊逻辑的成员进行了优化遗传算法耦合到VISSIM微观交通仿真与案例在伦敦学习交叉口行人以及车流量高。

迪M特里等人。

[14]开发了一种模糊Mamdani模型估计交通流在一个点上流量测量在这个和其他点使用GA离线的模糊模型参数的整定。

该模型发达的交通流量预测在3分钟的时间间隔。

可以从前面描述的研究段交通灯控制已开发的软件仿真模型。

在本文中，交通仿真系统和交通灯模糊控制器的基础上实现一四定向连接硬件。

从这一点看，这个研究不同于那些如上图所示，使对文学的贡献。

在

这项研究中，一四个方向单路口交通使用如图1所示。

实施交通仿真系统在嵌入式微控制器硬件。

应考虑的关键点控制交通路口交通灯如下。

平均速度车辆从西向东运动在绿色的光是12M/秒的时间需要达到的灯在200M长的那条路探测器被放置的计算公式，假设有在队列中没有车辆使用类似

的近似，在移动车辆从北以南里100Mlength，在12M/秒的平均速度需要8.33秒的长度是一个重要的交通枢纽在确定的绿色光的下限参数为交通灯控制器在上述考虑的时间计算。

绿色和红色的光的持续时间应改变在每个周期的队列中车辆数目为了保持在队列中的车辆的数量在最小的。

例如，一个20–120S期时间的限制可能会选择绿色的光。

然后绿色光的持续时间可以一步到最高水平从提高一步最小的考虑在开始每个队列长度相。

当有队列中的相位周期没有车应立即终止让车辆通过在另一个方向。

的增加量测定每个阶段的周期，可以根据调整完毕队列长度。

然而，与额外的阶段的总持续时间增量不能超过最大水平。

传统的交通灯，车辆的长度不被考虑到灯的时间。

然而真正的长度如4，4.2辆，4.和8M，已被用于模拟最近在文献[8]的研究。

在最近的研究中，用传感器确定车辆数在每个车道的长度车辆约为计算合适的时间光的相位循环。

在本文中，模糊逻辑控制智能交通灯模拟应用，块结构这是在图2中给出的。

该系统考虑了实际车辆的长度和利用线圈检测器数目的确定在每个车道的车辆。

本研究的目的是控制交通流和交通自适应最小等待时间结。

由于本研究是一个硬件实现的，它应该已在实际交通环境中进行。

然而，这是决定在硬件仿真的环境下工作，因为在真实的交通工作包含高风险和有许多困难如需要在线观察和测量的多样性确切的结论。

图2实现路口交通灯的控制系统的块结构

2交通路口的硬件模拟器的设计

为了设计的智能交通灯模糊逻辑模拟器，可以模拟任何交通枢纽，条件的真实的环境和仿真应该是相同的最好的实际交通近似。

真实的环境数据可以通过将检测器在交通路口的车道在适当的获得从探测器的时间间隔和信号记录长时间达到一个更好的近似周期。

如果信息采集系统是不可能成立的交通枢纽考虑下，一个现实的交通模式应该得到的从交通流的观测。

这有两个选择解；利用交通流仿真软件或硬件产生的交通数据模拟器。

第二个选择本文的研究。

最常见的交通连接四个方向一，在图1中可以看到。

一个方向是具有重交通荷载比其他主要动脉方向。

在我们的模拟系统–东西的方向选择作为主要的动脉。

北南方向–中等动脉其中有一个稍微轻交通流。

在我们两个单片机硬件仿真器，用于四个方向的交通流。

其中一个是用来生成车辆前描述和其他属性用于模拟车辆的前进或目的在车道。

另外两个微控制器是用于模糊逻辑/传统的红色和绿色的交通灯控制。

在我们的实现，一个总的十微控制器是用于上述目的。

硬件实现的模糊逻辑控制器具有四个输入变量为每个队列长度方向NQ，平方，意商和情商的模糊逻辑输出控制器是红/绿灯时间

单独的模糊逻辑控制器用于红色和绿色灯。

输出该控制器是一个模糊的感觉通过使用输入确定变量。

模糊逻辑控制器的设计过程开始与这是输入变量的模糊集的确定队列长在一起。

交通路口的排队长度限制值，如200M，很难精确地确定由于一些实际应用中的队列长度探测器可以放置在每个车道是有限的。

探测器在20或50M的间隔在每个车道取决于应用程序的要求。

在这项工作中的检测器硬件模拟器是放置在第四十，第八十五，第一百二十，第一百六十在东第一百九十M，西向车道的长度200根据相关车道软件模拟器。

在相同的方式中，探测器被放置在第三十，第五十第九十M的南北方向的车道。

在这个系统中，队列的长度被确定通过软件的使用这些探测器。

探测器的位置显示了图1。

该电路的原理图，图3是在，是的用于生成和模拟车辆常见的硬件每个方向的车道。

在汽车驾驶模拟器电路，该在左边的微控制器用于生成车辆，时间和类型的车辆如汽车，公共汽车，卡车，公共汽车或长度的5，7，9和13M，分别。

包括间隙长度车辆之间。

车辆发生器根据计划产生的车辆下面描述的。

如果队列是不完整的，的在右边的微控制器产生一个触发信号的微控制器的左侧，它可以生成一个通知车辆。

如果左边的微控制器产生的车辆，然后在右侧微控制器版本的车辆车道。

这个过程继续以类似的方式。

车辆生成程序发送车辆逐一放入根据预计划里。

车辆类型他们之间的时间间隔，已在三个不同的设计类型取决于一天的时间，已经适应了日期的统计特性。

三种不同的交通密度是研究：

早上，中午和晚上。

在各个方向的车辆交通流模式的产生独立。

例如，在西方车辆生成模式在上午的方向比完全不同在晚上北方向。

在表1中，样品的车辆傍晚的交通流在东部方向生成模式显示。

汽车的产生程序不断产生30的车辆根据预定的顺序为每个生成周期。

的车辆产生的序列是相同的常规和模糊基于逻辑的交通灯控制器。

那是，车辆的序列完全相同的两种类型的控制器，可以的结果进行比较。

这样的结果的控制技术可以相互比较。

在文献中的相关工作已被研究和被观察到的车辆进入交通路口的不完全相同，因交通流的变化循环，从而使结果无与伦比的。

在比较的过程中实时交通流，车辆模型不匹配，即使交通是观察到的一天的同一时间，由于车辆是不相同的不同类型的。

此外，一些性能标准无法获得完全由于等待时间的车辆在红灯不能精确测量。

在这项研究中，的以前的作品所用软件为消除硬件上的车辆产生，因此传统的模糊基于逻辑的交通灯控制器下的精确评价相同条件下。

单片机在右手边，在图3的地方由汽车发电机产生的车道和移动的车辆他们的未来取决于队列的队列。

此外，它控制车辆的速度在队列。

如果绿色灯亮时，排在队伍前面的车辆穿过交通枢纽。

如果不是，车辆排队形成等起点。

如果在它的前面有车，进入队列等待直到前面移动车辆。

队列中的车辆开始移动当灯变绿，当汽车穿过交通路口，车辆计数器增加一个。

如果有在车辆前面没有队列，它的速度被选择为12M/秒内城市交通流的标称速度值。

一个整型值选择用于计算目的的缓解。

在车辆的速度队列为8M/秒时，车辆。

如果有没有排队，车辆通过200M泳道16和在8。

100M里如果有一个队列或红灯亮时，车辆在队列中开始慢下来，等到灯变绿，这意味着他们再多车道的名义期限。

例如，如果车辆通过通道70的，这意味着它等了54秒。

较长的等待时间是不可取的。

当车辆的数量在队列中的增加，等待时间的重要性变得更加重要。

主要的交通灯控制器的目标是尽量减少等待时间车道和车辆通过数最大化交通枢纽。

主要性能指标是平均等待时间每车辆和车辆的数量通过主干线。

图3每个方向的汽车驾驶模拟器的硬件原理图

图4交通灯的时间控制器电路图

表1一个样品的车辆生成模式

3模糊逻辑控制器的设计

模糊逻辑控制器的设计是为了控制红色和绿色的光系统中的交通灯的时间。

控制器基本上确定的主要动脉的红色和绿色的光的持续时间采用模糊逻辑。

对红、绿色光的持续时间二次动脉是那些主要的对立动脉。

如果绿色的光照时间为50s的主要动脉，然后红灯持续时间为50s的二次动脉等。

一个模糊的有两个输入和两个输出逻辑控制器的设计交通灯的控制。

两个独立的微控制器的应用对由于有限的绿色和红色的光的持续时间的计算可用的单片机程序存储器。

模糊逻辑控制器电路图如图4所示，在q1i，q2i，q3j，q4j对应于检测器的东，西，南、北车道分别。

原则上，大动脉的绿色光的持续时间控制器，二次动脉相同。

输入的模糊逻辑控制器的东西–队列长度北南方向的方向和–。

在交通路口在这项研究中模拟有各个方向的两个队列相反，最长的一个被选择作为输入模糊逻辑控制器。

这些输入的模糊化，通过模糊集由三个隶属函数即“短/短”，“'middle/中间”和“长/长”，如表2中定义。

隶属函数的多种类型中的一个，最能应用于模糊数学方法规划是线性的。

在这样的背景下，详细的比较的隶属函数

他还强调，使用线性或分段线性MFS给计算效率高。

因为这个原因，所有的输入磁场作为三角MFS考虑实施容易在这项研究中，微控制器。

该MFS参数被考虑到环的位置确定在车道检测器。

这些磁场的数学定义软件程序

该控制器有两个输出时间延长和红绿色灯。

该控制器的输出进行模糊化，通过五单身的隶属函数。

之间的输入映射模糊逻辑控制器的输出空间实现零阶Sugeno型推理系统。

实现模糊推理使用九个模糊规则如表3所示的绿光相位表4红灯相位。

确定输出通过加权平均方法[15]。

最初，红色和绿色的光的持续时间是20秒输出水平的模糊逻辑控制器的变化之间的0和20。

由规则库，根据确定的最大延伸队列长度为20秒。

该模拟器的模糊逻辑的软件在最后3秒的当前的光周期触发；如果持续时间需要延期，期限可以延长到5倍一个阶段。

绿色光的最大持续时间然后可以计算在情商。

<2）。

在扩展的重复5次，的主要动脉的绿色光的最小持续时间为35s可以从式<3）。

3年代在式<3）的最小值从模糊控制器的输出获得。

这个值是选择以允许的最大车辆穿过交通的主要动脉交界处。

最大持续时间为红灯，然后可以计算公式<4）。

红绿灯的最小延伸利用式<5）计算。

红绿灯的最小值持续时间为20s为了把灯为红色的二次动脉尽可能快的时候是没有队列北南方向–。

因此，如果在没有车辆–北南方向，绿色光阶段结束，红灯阶段开始。

表2隶属函数定义的东西–<左）和北–南<右侧）方向

表3绿色光的额外时间的模糊规则表

表4红绿灯的额外时间的模糊规则表

<5）为20的最小的红灯时间的主要原因是达到车辆从主干路过的数目是在最大。

在东–西线的光变绿，北方的–南线光变红，如果有任何车辆在北–南方向移动。

用于微控制器实施的仿真系统已用C编程与PIC单片机的C代码的程序语言都没有文中给出了因为他们太长。

表5开关位置，选择一个三天的时间间隔

图5一张照片的智能交通仿真系统在运行的时候

4结果和结论

在图5中，该模拟器系统的照片所示，它是运行。

仿真系统的设计与实现选择控制器的类型<常规的或模糊的）由一个开关SW3。

因此，它是可能的比较。

该系统可选择三种时间间隔一天通过SW1和SW2开关根据他们的位置在表5中给出。

在实施进行了实验研究基于硬件系统；车辆的等待时间，在在单位时间内，通过的车辆数，响应相对于队列长度的交通灯控制器进行了研究，所得结果已详细评估。

模糊控制器的性能被静态地使用车辆常规的相比这是由软件在硬件构成数据。

在这些测试中，三种不同的一天的时间间隔车辆密度已被视为上述。

的测试的结果列于表6根据控制器的类型与不同的车辆密度，一天的时间间隔。

表包括一个小时的结果比较。

它可以从这些结果：

在早上有传统的交通灯号19%的优势只有总的等待时间，但对于其他的的时间间隔和类别，其性能较差时相对于模糊交通信号控制。

在某些情况下，交通模糊控制器具有48%大优势据信传统的交通信号灯的数量为传递车辆。

它具有优越的性能比传统的66%等待时间的方法在交通密集。

的得到的只是一小时在表6中给出的结果。

一整天，特别是如果有两个或两个以上的车道，优势智能交通灯控制器更加明显。

作为一个结果，它是显然，智能交通信号控制提出了将提供环境和经济的积极贡献人的生命从燃料和时间消耗在交通。

表6智能模糊逻辑和传统的交通灯控制器结合一个小时之间的比较的统计结果

5今后工作的展望和意见

在这项研究中，主要的目的是实现模糊的光基于硬件和比较其性能的持续时间控制与传统的四个方向的交通结。

我们可以总结出本研究的主要贡献研究内容如下：

智能交通灯模拟系统的实现基于硬件。

系统硬件结构适用于比较模糊的光和固定的<传统的）控制。

在最近的研究中，进入交通路口的车辆不完全相同的因为交通流量变化周期周期。

因此，不能得到一些性能标准准确地从等待时间的车辆在红灯不能精确测量。

在这项研究中，我们使用相同的车辆为这两种类型的控制器能够使一个数组结果精确的比较。

以这种方式，传统的和模糊逻辑的交通灯控制器进行评估，在完全相同条件下。

在我们的实验研究系统，等待时间车辆和车辆的单位时间内通过数详细评价。

最简单的模糊控制器的模型使用自实现简单的硬件使用。

另一方面，对智能光的一个主要缺点在这项研究中，实现了控制器的参数模糊控制器通过我们的专业知识，事先确定。

这些参数没有优化的遗传算法在离线/在线参考文献。

[13,14]，通过监督学习作为参考文献。

[11]，由强化学习，如在文献[7]，因为我们的研究等。

实现了基于硬件的系统和运行这些算法是不可能在这项研究中，由于使用的硬件程序存储器容量有限。

未来的智能交通灯系统的工作前景内容如下：

一个可能的问题是布线，适应该系统在真实的交通条件。

这个问题是可以解决的通过使用无线通信设备之间的关联点。

在的情况下的位置和检测器成本导致问题，队列长度可由图像使用相机的每个方向的处理。

然而这些上述将需要额外的或近似不同的硬件。

附录A。

补充资料

在我的在线版，：

10.1016/j.asoc.2009.06.002。

工具书类

[1]C.Pappis，E.Mamdani型，一个交通路口的一个模糊逻辑控制器，IEEE

对系统，人与控制论smc-7／10<1977）707–717。

[2]M.nakatsuyama，H.nagahashi，N.nishizuka相位控制器，模糊逻辑交通功能的单向公路干线，在处理。

第九届IFAC世界国会，科学出版社，牛津，1984，页2865–2870。

[3]T.佐佐木，T.秋山，采用模糊逻辑的快速路交通控制过程中，模糊集和系统26<1988）165–178。

[4]J，A，机器，F.gomide，模糊交通控制：

自适应策略，第二IEEE国际模糊系统II<1993）506–511。

[5]C.NGO，v.o.k.里，利用模糊逻辑控制器的高速公路交通控制，信息科学中的应用：

国际杂志1<2）<1994）59–76。

[6]M.B.特拉比亚，M.S.Kaseko，M.安德，交通两级模糊逻辑控制器信号，运输研究：

C部分7<1999）353–367。

[7]艾拉宾厄姆，在模糊神经网络的交通信号控制的强化学习，欧洲运筹学杂志131<2001）232–241。

[8]C.H.Chou，J.C.腾，对交通路口的信号的模糊逻辑控制器，信息科学，143<2002）73–97。

[9]J.niittyma¨KI，E.Turunen，相似的逻辑推理的交通信号控制，模糊集和系统133<2003）109–131。

[10]你身上的gedizlioglu穆拉特，例如，一个模糊逻辑的多相位信号控制模型孤立的路口，交通研究C：

新兴技术，13<1）<2005）19–36。

[11]十扇，Y.Liu，基于神经网络的可变相位的模糊控制，杂志交通运输系统工程与信息技术8<1）<2008）

80–85。

[12]y.冲，C.老郭，P.LOH，一种新的神经认知建模方法的交通基于模糊神经技术和流量控制，专家系统的应用36<3部分）<2009）4788–4803。

[13]J.：

愚人¨cker，S.Ahuja，m.g.h.铃，城市多目标信号控制连接框架和伦敦的一个案例研究，运输研究C：

新兴技术，16<4）<2008）454–470。

[14]L.迪M特里，T.tsekeris，A.国外，混合自适应模糊规则城市交通流的建模和预测的系统方法，运输研究C：

新兴技术，16<5）<2008）554–573。

[15]J.S.罗杰-张，基于自适应网络模糊推理系统，IEEE交易对系统，人与控制论23<3）<1993）665–685。

[16][梁，交互式多目标交通规划决策模糊线性规划，，亚太运筹学杂志25<1）<2008）11–31。