单路口Elman神经网络信号模糊控制研究.docVIP

单路口Elman神经网络信号模糊控制研究 　　摘要：信号控制的力度决定了交叉路口车辆的延误时间，文中以单交叉路为研究对象，以减少车辆延误时间为目标，在传统的定时控制基础之上，提出是用ELMAN神经网络对交叉路口进行控制，通过仿真结果表明，能有效改善车辆的平均延误时间。 　　关键词：ELMAN神经网络；定时控制；交叉路口 　　中图分类号：TP183文献标识码：A文章编号：1009-3044(2012)23-5682-03 　　Research of the Fuzzy Signal Control Based on Elman 　　MAO Hong-ge, HUANG Guo-fan 　　(School of Software, Nanyang Normal University, Nanyang 473061, China) 　　Abstract：Dynamism of signal control decide the delay of car on single intersection., this paper takes a single intersection as research object, as a target the delay of car decreased. based on fixed time control ,it use ELMAN neural control the signal, the result indicate that delay of car decrease effectively. 　　Key words: ELMAN neural network; fixed control; single intersection 　　交通拥挤是城市交通的重大问题之一，在大城市尤其明显。交叉路口信号的有效控制是解决交通拥堵问题的关键因素，目前，国内各大城市交通信号灯控制是基于定时的，定时控制在有些交通流量情况是有效的，但遇到大量车流量的、繁忙的交叉路口已不能满足实际需要；有些路口车流十分稀少的时候，驾驶员可以看到另一绿灯相位没有车辆通过，仍然要等待转换相位才能通行。这种信号控制方法增加了车辆在交叉路口的延误时间，对于交通拥堵问题没有得到有效解决，为了缓解交通拥挤、减少污染和提高能源利用率等问题，这就需要寻找智能的信号控制方法，我国的交通研究者最近几十年也做了大量有关的研究，其中徐冬玲、刘智勇[1, 2]等学者提出了模糊神经网络控制方案，在模糊控制中，模糊规则一旦给出，运行过程中是一成不变的，不具备学习能力，神经网络具有自适应学习能力，目前大多研究是基于BP算法的。BP算法是静态前馈神经网络，是将动态的交通问题变为静态空间建模问题，ELMAN神经网络具备映射动态特征的功能，从而使系统具有适应时变特性的能力。因此，考虑到交叉路口的动态特性，采用ELMAN神经网络进行信号控制。 　　 1 ELMAN神经网络 　　Elman网络是J. L. Elman于1990年首先提出来的,它是一种典型的局部回归网络。Elman网络可以看作是一个具有局部记忆单元和局部反馈连接的前向神经网络。Elman神经网络一般包括：输入层、中间层(隐含层)、承接层和输出层，其结构如图1所示。输入层起信号传输作用，输出层起线性加权作用。在这种网络中,除了普通的隐含层外,还有一个特别的隐含层,称为承接层;该层从隐含层接收反馈信号,每一个隐含层节点都有一个与之对应的关联层节点连接。承接层的作用是通过联接记忆将上一个时刻的隐层状态连同当前时刻的网络输入一起作为隐层的输入,相当于状态反馈。 　　 　　Elman神经网络具有BP神经网络的优点，同时它是通过一种承接层的延迟和存储连接到隐含层的输入的自连方式，这就增加了网络动态处理信息的能力，从而可以动态的自适应的处理交叉路口复杂路况的事物。 　　 2基于ELMAN神经网络模糊信号控制 　　文中以单交叉路口交通信号控制为研究对象，在图2中，有东、西、南、北四个车流方向，每个相位只考虑直行的情况，其它的忽略不计。 　　 　　车辆的延误模型采用的是希腊学者C.P.PAPPIS[3]提出的单路口两相位模糊控制算法。此模糊算法是根据红灯方向的车辆等待数，与绿灯方向检测到达的车辆数，决定当前方向绿灯在7秒，17秒，27秒，37秒，47秒的延时是否进行、或转向。 　　引入模糊变量T，A，Q，E，分别表示时间、绿灯方向车辆的到达数、红灯方向车辆的等待数、绿灯延时。模糊变量的赋值表见文献[3]. 　　2.1网络的创建 　　2.1.1网络的输入 　　神经网络中，输入的元素分别是时间T、绿灯方向车辆的到达车辆A、红灯方向车辆的等待数Q、当前绿灯时间G（第