使用模糊逻辑控制交通系统中车辆速度

使用模糊逻辑控制交通系统中车辆速度

摘要

本文目的是使用模糊控制来获得理想的车辆速度，它提供了一个控制器来增加或者减少速度。前车和后车有相同的输入变量，比如速度或速度误差，加速度系数α，反映因子P，和减速因子β，且对于最前面的车辆，车辆之间的间隙Xrel是不重要的。输入输出之间的关系将被讨论。本文阐述了一个新方法对于一个由69个车辆组成的闭合回路的密集系统的仿真。这个方法将继续解决拥挤问题。

关键词：模糊控制、ACC（自适应巡航控制）、车辆动力、加速因子、减速因子、反映因子、驾驶行为。

一 介绍

交通系统中一个重要的因素就是维持速度，且不是维持一个车辆的速度，而是一群中所有车辆的速度，且尽可能的减少拥挤来提高能耗效率。

近年，为了提高高速公路和城市内交通的安全和效率，利用无线通信和现代控制技术，在交通模型上已经做了许多努力。交通系统模型可以被根据细节分类，这些细节表示了交通系统，通过考虑不同的交通个体，和在各自流动系统模型中这些个体的描述水平。模型可以是：（1）亚微观的仿真模型，详细描述了车辆个部分的作用及他们与周围环境的相互作用。（2）微观仿真模型，各个实体被区分和跟踪。（3）细观的模型，中等的描述。（4）宏观的模型，描述的更少。

许多研究已经讨论了交通流的动力，通过使用一个微观模型，比如：细胞自动机、动力交通细胞自动机。微观模型描述了交通流中各个车辆的特点，包括驾驶行为和车辆控制行为的详细描述。

图1 论文中使用的交通模型

现在已经有了许多讨论关于在交通系统中控制一个车辆的研究，比如控制车辆的速度、制动系统、自适应控制等等。这里我们试图使用两种方法（独立的和观察交通系统的动力）。一个现在的控制器可以感知到系统，和理想的行为比较，基于输入计算相关的动作，适应系统达到理想的变化。有许多的控制器，比如PID和模糊控制。模糊控制器被使用来设计控制器是因为，驱动条件通常是非线性的，且模糊控制不需要知道被控系统的完整的知识，对于有经验的设计者和专家很容易实施控制算法在模糊控制系统上。

二 基本模型

根据Astrom模型，设计一个车辆系统的动力学，根据公式

m是车的数量。

图2 使用模糊控制的流动系统，且扰动被加到了控制系统中，没有想要的速度作为基准

参考。

α 是加速度

c是阻力常数

v是速度

F是力

A=dv/dt，F作为输入=u；

对于最大的输入u，将其归一化直[0,1]；速度达到稳定的最大速度，使得a=0，c将等于

在归一化的坐标系中，c=0.02，等式即变为

从公式4，我们可以得到系统的传递函数

公式（5）反映出图1中的H（s）正在达到理想的速度通过这个模型。这是使用ACC的原因之一。

图3 ACC流程图

图4 模糊逻辑块图

ACC系统可增强车辆的速度控制并有效的跟踪一个目标车辆，同时继续保持一个正比于时间差的跟随距离；后续车辆通过施加控制在一定范围内的跨越加速度施加到车辆正和负加速度。跟随车辆的控制通过对车辆施加一个在正负范围内变化的加速力实现。

ACC系统将有两种稳态操作模式，（1）速度控制 （2）车辆跟随；图3列出了ACC的方块图和它怎样决策关于人的驾驶行为去控制速度和车辆跟随。

下述的人驾驶模型或人机模型是非线性的，仿真人驾驶模型最简单的方法就是使用模糊控制。

4 模糊控制

图2 显示模糊控制器有五个输入和一个没有参考输出的输出来仿真驾驶过程中的驾驶行为，五个输入分别是车的速度，车与前车的距离、驾驶员、车辆、天气及道路的能够影响车辆速度提高的因素，这些因素被数字化的描述为：加速度因子α，能够影响车辆速度下降的主要参数：减速因子β，车辆动作的反映因子被数字化描述为反映因子p。图4显示了模糊控制的方框图。有五个输入（黄色），一个输出（蓝色），及车辆跟随的规则。

图4中模糊控制器的第一个输入是速度，它有13个函数成员（公式6），高的速度帮助控制速度的升降，这依赖于交通情况的状态。分别的，各成员的曲线表达了速度的一个小部分，比如V1表达了在特定速度下的状态。

第二个输入是车与前车之间的距离Xrel，包含了11个成员函数（公式7），比较高的Xrel帮助提高了控制器的灵敏度，去改变第n个车与第n-1个车之间的距离。

第三个和第五个输入是加速和减速因素α和β，他们每个因素各自包括3个成员函数（公式8，9），α和β代表了加速和减速的程度。当第一个和第二个输入在安全模式里或者他们不影响模糊控制器的输出，α和β之间的比较则有权来影响控制器的输出。这代表了驾驶人、车辆、道路、天气的结合。在速度和间距的匹配过程中α和β的影响更明显。

第四个输入是反映过程p，他包括了两个成员函数（等式10），p的重要性在于它代表了车辆从0 km/h启动的延迟时间。

图5 模糊控制器中输出与速度和间隔的关系

表1 模糊控制器的规则库

模糊控制器的输出在图4中蓝色部分表示出来，模糊控制器的输出范围从NO12到O12(公式11)，输出成员有25条曲线，每一个输出曲线都是五个输入共同作用的结果。表1描述了模糊控制的基本规则，第一个和第二个输入的一些关系非常明显，比如

，

一些其他的关系需要用比如公式12等来表达。此外，第一个和第二个输入及输出的关系被表示在图5中。为达到一个理想的速度，FLC输出的范围为-142.5-142.5.而不是使用一个比例的控制器。大部分的输出在0附近，且它开始下降通过提高速度或降低Xrel，当Xrel低的时候，FLC的输出达到最小值，特别的，当速度超过60km/h时，增加车之间的间隙，并减少速度，可导致FLC输出的增加。当Xrel达到最大，且速度最小时，FLC的输出达到最大。按照图5显示的那样，控制器主要偏在负数侧来支持制动系统

五 实验

这里展示了两个做过的实验。

图6 图1的阶跃响应

5.1 第一个实验

关于图1，车辆的速度在图6中可见，车的速度是动态车辆的阶跃响应，车的速度没有达到理想的速度。因此控制器即被需要根据交通情形来达到理想的速度且控制车速。

图7 通过使用3个车辆的图2的阶跃响应

图7 显示了这篇论文做的第一个实验，他显示了使用模糊控制的车辆的阶跃响应。这个实验有3个目的:1）确认可以达到理想的速度(2)理解控制器输入对车辆速度的影响（3）测试车辆间的交通动态交互，尤其是从开始到理想的速度。

车辆的速度将由0开始变到理想的速度，最前面的车辆V1和后面车辆的描述是一样的，最前面车辆的间隙Xrel是最大的，这使他改变速度到最大，及比后续的车辆速度大。其他后续车辆速度的变化依赖于几乎从0m开始变化的Xrel，

Xrel的一个变化，定会对控制器的输出和车辆的速度产生影响，可以看到V2一定时间内保持在一个地方，直到恰当条件下它被要求移动。合适的条件依赖于三方面的影响，(1)Xrel （2）α>β（3）反应因子p 为 是。这些方面必须都要有，否则缺少他们中的任意一个，速度都会被保持为0.V3和V2是相同的，且延迟启动的时间是V2和V3的和。此外，后续的车辆都依赖于第一个车辆。最后，做实验的车辆有波动，因为α和β的关系及他们对FLC的影响，和理想速度及人类驾驶比波动非常小。速度波动范围在+-1.5km/h。

表2 正向和负相因素举例

5.2 第二个实验：

这个实验主要的目的是识别天气。

这篇论文设计的FLC可以（1）控制车辆达到Vdes和当出现拥堵时降到要求的速度，（2）仿真车辆的多种交叉（3）仿真真实的高速路单向的交通流。

图8 通过使用闭环控制系统和FLC模拟拥堵

第二个实验有69量车行驶在一个7.5km长的环路中。在这个实验中，开始就设定了一个拥堵来观察动态交通流。另一方面，独立的车辆控制器（FLC）模型和第一个实验中使用的模型相似。

密度ρ是N/L，这里N是车辆的数量，L是单向环的长度，ρ=9.2辆/Km，实验中车辆的长度为7.5m，和细胞自动机模型相似，实验的理想车速是120km/h，这表明需要100m的安全距离，N个车的长度和间隙大约等于一个单向环路的长度。任意一个车辆速度的任意变化都会导致碰撞。α和β的间的关系导致速度的增加。

图8 显示了不同时间内一条环路上的拥堵情况，它显示了实验中交通流中所有的成员车辆，尤其是进出交通流，很明显交通流会变的密集随着时间延长。可以看到，在实验的开始，有一个准备拥挤区域，随着时间的增加，那个区域戏剧性的减少直到最后消失。此外，图9显示了实验中一个车辆的位置和速度，车辆的位置曲线表示它什么时候进入拥堵及什么时候驶出拥堵。此外，它可以同时显示车辆的位置和速度。车辆速度的变化非常明显，且主要发生在速度由理想状态到低速时或由0增加到理想速度时。

两个实验都展示了一个车辆怎么显示它的下一个车辆，每一个车辆都跟着他前面的车辆，加速或者减速都依赖于与前车的间距是增加还是减少。启动的延迟在图7中很明显，且在图8中更明显，因为持续的拥堵是延迟启动的影响的一个方面。图9显示了在拥堵区域车辆运动和速度下降到0及速度从0开始增加花费的时间的形状。

图9 仿真期间车辆的速度和位置，通过使用闭环控制系统和FLC

6 结论

根据Astrom模型，第一级车辆传递函数已经在这篇论文中使用，论文描述了ACC的流程图，解释了三个车辆有静止启动到理想速度的FLC模型，一个带有FLC的闭环控制系统被使用来仿真一个微观模型。