【正文】 智能交通信號(hào)燈 Intelligent traffic lights 摘要：信號(hào)控制是一種必要的措施以確保的質(zhì)量和安全 ,交通循環(huán)?，F(xiàn)在的信號(hào)控制的進(jìn)一步發(fā)展具有極大的潛力來減少運(yùn)行時(shí)間、車輛、事故成本和整車排放。檢測的發(fā)展和計(jì)算機(jī)技術(shù)改變了交通信號(hào)控制從定時(shí)開環(huán)規(guī)定自適應(yīng)反饋控制。目前的自適應(yīng)控制方法 ,像英國、瑞典 MOVA SOS)和英國 (孤立的信號(hào) (areawide 又控制 ),采用數(shù)學(xué)優(yōu)化與仿真技術(shù)來調(diào)整信號(hào)波動(dòng)的時(shí)間觀察到的交通流實(shí)時(shí)的。優(yōu)化是通過改變時(shí)間和周期長度的綠色的信號(hào)。在 areawide 交 叉口控制偏移是之間也發(fā)生了變化。已經(jīng)開發(fā)為幾種方法確定最優(yōu)周期長度和最小延遲在十字路口 ,但基于不確定性和嚴(yán)格的交通信號(hào)控制的本質(zhì) ,全局最優(yōu)是不可能找到的。 1． 引文： 由于越來越多的公眾意識(shí)的環(huán)境影響道路交通許多當(dāng)局現(xiàn)在所追求的政策來 :，管理供求 ?擁擠，影響模式和路徑選擇 ?。貫徹“三個(gè)代表”重要思想 ,提高公共汽車 ?有軌電車和其他公共服務(wù)車輛 。設(shè)施提供更好的、更安全 ,騎自行車和行人的道路使用者等脆弱 。降低汽車排放 ?、噪聲和視覺入侵 。為所有道路改善安全 ?用戶群。 在自適應(yīng)交通信號(hào)控制的彈性增強(qiáng)的增加的數(shù)量在 周期層疊的綠色階段 ,從而使數(shù)學(xué)優(yōu)化非常復(fù)雜和困難。因?yàn)檫@個(gè)原因 ,自適應(yīng)信號(hào)控制在大多數(shù)情況下不是建立在精確的優(yōu)化上 ,而是建立在綠色的擴(kuò)展原理。在實(shí)踐中 ,遵循的均勻性是最主要的交通信號(hào)控制安全的原因。這一規(guī)定的限制的周期時(shí)間和相位的安排。因此 ,在實(shí)踐中是交通信號(hào)控制的針對(duì)性的解決方案和調(diào)整的基礎(chǔ)上由交通規(guī)劃者。現(xiàn)代可編程信號(hào)控制器以大量的可調(diào)參數(shù)是非常適合這一過程。對(duì)于好的結(jié)果 ,一個(gè)經(jīng)驗(yàn)豐富的策劃人和微調(diào)領(lǐng)域中是必要的。模糊控制已經(jīng)被證明是成功的 ,在這些問題中 ,精確的數(shù)學(xué)建模是困難的或不可能的 ,但一名有經(jīng)驗(yàn)的 人可以控制的工藝操作。因此 ,交通信號(hào)控制是一種適合于任務(wù)特別為模糊控制。事實(shí)上 ,最古老的文化之一的潛力的例子是一個(gè)模擬的模糊控制在一個(gè) intersection 交通信號(hào)控制的兩個(gè)單向的街道。即使在這個(gè)非常簡單的情況下 ,模糊控制是至少在作為一個(gè)良好的傳統(tǒng)的自適應(yīng)控制。一般而言 ,模糊控制是發(fā)現(xiàn)在復(fù)雜問題都優(yōu)于用多目標(biāo)決策。在交通信號(hào)控制多種交通流競爭來自同一時(shí)間和空間 ,而且不同的優(yōu)先選擇往往不同交通流或車輛組。此外 ,優(yōu)化標(biāo)準(zhǔn) ,包括幾個(gè)同時(shí)喜歡平均和最大車輛和行人延誤、最大隊(duì)列長度和百分比停止的車輛。所以 ,它很可 能是很有競爭力的模糊控制在復(fù)雜真實(shí)的十字路口的地方傳統(tǒng)的優(yōu)化方法的使用是有問題的。 2．模糊邏輯：介紹了模糊邏輯 ,并成功地應(yīng)用于大范圍的自動(dòng)控制任務(wù)。最大的好處模糊邏輯是有機(jī)會(huì)模型與不確定的模糊決策。此外 ,模糊邏輯有能力理解語言指令和控制策略的基礎(chǔ)上產(chǎn)生的先驗(yàn)的溝通。這一點(diǎn)在利用模糊邏輯來控制理論的基礎(chǔ)上 ,是模仿人類專家控制的知識(shí) ,而不是為了構(gòu)建過程本身。的確 ,模糊控制已經(jīng)被證明是成功的 ,在這些問題中 ,精確的數(shù)學(xué)建模是困難的或不可能的 ,但一名有經(jīng)驗(yàn)的操作員可以控制的過程。一般而言 ,模糊控制是發(fā)現(xiàn)在復(fù)雜問題都 優(yōu)于多目標(biāo)決策。 目前 ,有大量的基于模糊推論系統(tǒng)技術(shù)。不過它們當(dāng)中的主要部分 ,受含糊不清的根基 。即使它們大都是古典數(shù)學(xué)方法表現(xiàn)更好 ,他們還帶有黑色的盒子 ,如德模糊化 ,這是很難證明數(shù)學(xué)或邏輯的。例如 ,如果 然后模糊規(guī)則 ,它們?cè)诤诵牡哪：评硐到y(tǒng) ,經(jīng)常報(bào)道的工作方式 ,是 Ponens概括規(guī)則推理機(jī)制的經(jīng)典 ,但隨便起來就不是這樣的 ,這之間的關(guān)系 ,這些規(guī)則和多值邏輯是任何已知的復(fù)雜和人工。此外 ,專家系統(tǒng)的性能應(yīng)相當(dāng)于人類專家 :它應(yīng)該得到同樣的結(jié)果 ,專家給 ,但提醒當(dāng)控制問題是如此模糊 ,專家是不確定適當(dāng)?shù)男袨椤，F(xiàn)有的模糊 專家系統(tǒng)很少滿足這第二種情況。 １ 然而 ,很多研究觀察 ,模糊推理的方法是基于相似。 Kosko,舉個(gè)例子 ,寫的模糊隸屬??代表的相似性定義對(duì)象特性的 imprecisely。以這句話嚴(yán)重 ,我們學(xué)習(xí)系統(tǒng)的多值等價(jià) ,即模糊相似度。原來 ,從 Lukasiewicz 多值邏輯的定義 ,我們能構(gòu)建出一個(gè)模糊推理方法的表演 ,依賴于專家知識(shí)推理和只在定義的邏輯概念。所以 ,我們不需要任何人造的解模糊化方法確定 (如重心 )決定最后輸出的推斷。我們基本的觀察是 ,任何的模糊集的生成一個(gè)模糊相似度 ,這些相似之處可以結(jié)合到一個(gè)模糊關(guān)系 ,變成了一個(gè)模 糊相似度 ,太。我們把這稱為誘導(dǎo)模糊關(guān)系總模糊相似度。如果 然后模糊推論系統(tǒng)實(shí)際上是選擇 :比較了每一個(gè)問題的 IFpart 規(guī)則庫以一實(shí)際輸入值 ,找到最相似案例和火相應(yīng)的 THENpart。如果它并非是獨(dú)一無二的 ,使用一個(gè)標(biāo)準(zhǔn)賦予了一位專家來進(jìn)行?；诙嘀颠壿?Lukasiewicz welldefined,我們展示如何使用該方法可以正式實(shí)施。 假設(shè)和原則模糊交通信號(hào)控制交通信號(hào)控制是用來最大限度地提高效率的現(xiàn)有交通系統(tǒng)。然而 ,交通系統(tǒng)的效率 ,甚至可以模糊。通過提供時(shí)間分離的權(quán)利的方式接近流動(dòng) ,交通信號(hào)產(chǎn)生深刻影 響了效率的交通流。它們能操控的優(yōu)勢或者劣勢的車輛和行人的 。取決于權(quán)利的分配方式。因此 ,正確的應(yīng)用、設(shè)計(jì)、安裝、操作和保養(yǎng)維護(hù) ,交通信號(hào)的關(guān)鍵 ,是安全、高效有序的交通十字路口的運(yùn)動(dòng)。 在交通信號(hào)控制的 ,我們都能找到某種中不確定性的許多層面。交通信號(hào)控制的輸入是不準(zhǔn)確的 ,而且這也意味著我們無法處理的交通方式的確切位置。可能性是復(fù)雜的控制 ,并處理這些可能性是一個(gè)極其復(fù)雜的任務(wù)。安全、最小化最大化 ,減少延遲環(huán)境方面的一些目標(biāo)的控制 ,但這是很難處理大家聚在一起 ,傳統(tǒng)的交通信號(hào)控制。 causeconsequence 關(guān)系的解釋也不可能在交通信號(hào)控制。這些都是典型特征的模糊控制。 基于模糊邏輯控制器的設(shè)計(jì)來捕獲的關(guān)鍵因素 ,而不需要控制過程中許多詳細(xì)的數(shù)學(xué)公式。由于這個(gè)事實(shí) ,他們有許多優(yōu)勢 ,在實(shí)時(shí)應(yīng)用。有一個(gè)簡單的運(yùn)算的控制器結(jié)構(gòu) ,因?yàn)樗鼈儾恍枰芏嗟臄?shù)值計(jì)算。他們的 IFTHEN 邏輯推理規(guī)則不需要很多的計(jì)算時(shí)間。同時(shí) ,控制器能夠進(jìn)行了大范圍的輸入 ,因?yàn)椴煌目刂埔?guī)則可適用于他們。如果系統(tǒng)相關(guān)知識(shí)是為代表的 IFTHEN—— 簡單模糊控制器的規(guī)則 ,fuzzybased 可以控制系統(tǒng)具有效率及減輕。的主要目標(biāo)是確保交通信號(hào)控制交叉 口安全系統(tǒng)通過保持沖突交通流分開。最優(yōu)性能的十字路口相結(jié)合的系統(tǒng)工程 ,環(huán)境影響時(shí)間價(jià)值和交通安全。我們的目標(biāo)是優(yōu)化系統(tǒng) ,但是我們需要來決定什么屬性和重量將被用來判斷最優(yōu)。 整個(gè)的知識(shí)的過程中 ,系統(tǒng)設(shè)計(jì)者對(duì)交通信號(hào)控制在這種情況下 ,被控制的能量儲(chǔ)存在規(guī)則知識(shí)庫。有一個(gè)基本的規(guī)則從而影響系統(tǒng)的閉環(huán)的行為 ,因此它們應(yīng)該是獲得了徹底。規(guī)則的發(fā)展是很耗時(shí) ,設(shè)計(jì)師經(jīng)常需要為他翻譯過程知識(shí)轉(zhuǎn)化為合適的規(guī)則。 Sugeno提到的四種方法 ,推導(dǎo)出惡化模糊控制規(guī)則 : 2:控制工程師的知識(shí) 2,3,6,7,11,14] 3。該主算子的來講模糊建模的控制措施 6。髓啟發(fā)式的設(shè)計(jì)規(guī)則 7。往往在線改編的規(guī)則。 通常一個(gè)組合這些現(xiàn)象的一些方法是必要的 ,以獲得較好效果。在常規(guī)控制經(jīng)驗(yàn) ,增加設(shè)計(jì)的模糊控制器 ,導(dǎo)致減少開發(fā)時(shí)間。 項(xiàng)目的主要目標(biāo)是 FUSICOresearch理論分析的模糊交通信號(hào)控制 ,廣義模糊規(guī)則的交通信號(hào)控制使用語言變量 ,驗(yàn)證了模糊控制原理和校準(zhǔn)的隸屬度函數(shù) ,并發(fā)展了一種模糊自適應(yīng)信號(hào)控制器。 vehicleactuated控制的策略 ,如 SOS,MOVA和 LHOVRA是控制算法 ,對(duì)第一代。 ２ 模糊控制算法 ,該算法可以之一的第二代 ,代的人工智能 (AI)。摘要模糊控制是有能力處理多目標(biāo)的、多維的和復(fù)雜的交通狀況 ,如交通信號(hào)。模糊控制的典型優(yōu)點(diǎn)是簡單的流程 ,有效控制 ,提高產(chǎn)品質(zhì)量 。 3． FUSICO： FUSICOproject 塑造出的經(jīng)驗(yàn)的警察。這個(gè)規(guī)則庫的發(fā)展是在 1996 年