Urban Intersection Traffic Signal Control Based on Fuzzy Logic

IntroductionTraffic signals are essential in transportationnetwork management.A number of traffic signalcontrol methods have been developed in the past.Recently,a major research focus has been theapplication of artificial intelligence techniques,such as expert systems,fuzzy logic,neuralnetworks,and genetic algorithms for intersectionsignal control.　 Pappis and Mamdani[1] developed fuzzy rules toevaluate the suitability of extending a currentgreen phase by different time durations based on ac…     

基于模糊神经网络的信号交叉口交通量预测

预测精度高,实时性强的交叉口交通量预测算法可以极大地提高城市交通控制的效率。文中提出了基于模糊神经网络的信号交叉口交通量预测方法。该方法以模糊神经网络为核心,应用在线滚动学习模型实现交叉口交通量预测,并应用了交通量微观仿真系统对模型进行检验,仿真结果表明该模型比传统方法精度高,收敛速度快。本模型在城市交通控制系统研究中有巨大的应用潜力。     

城市交通信号三级模糊滑动优化控制方法

提出一种城市交通信号三级模糊滑动优化控制方法.引入非冲突车流的搭接相位构建交通信号三级模糊控制器的模型,并采用滑动时间窗设计滑动优化的框架.根据实时采集的交通数据,采用基于黄金分割的混合遗传算法,在线学习模糊控制器的隶属函数及控制规则参数.在常态及事故不同交通条件下,以典型路口进行Paramics仿真试验.结果表明提出方法的自适应能力好,可快速响应路口交通流的不确定性事件,且在高饱和的交通条件下性能稳定.     

基于模糊神经网络的机械手自适应控制

单纯的神经网络和单纯的模糊系统具有各自的优点和缺点,模糊神经网络是两者的结合,它可吸取两者的优点而达到更优良的性能。这里提出了一种基于模糊神经网络的自适应控制方法。在利用常规控制器提取初始模糊规则的基础上,利用专家经验对初始规则进行补充,最后再利用误差的反向传播算法对参数进行在线的自适应调整。该方法用于机械手的跟随控制,两个模糊神经网络分别用于主回路控制和对象的逆模型,最后得到了优于样本控制器的跟踪控制效果。     

公交优先的交通信号多层模糊控制模型

针对城市交通信号控制及公交优先问题,首先提出了一种基于交通需求强度的单路口多层模糊控制模型。第一层用来判断路口的交通需求强度,第二层主要完成相位优化功能,第三层用来确定各个相位的有效绿灯时间。进而考虑公交优先将模型扩展为公交优先的交通信号多层模糊控制模型,给出了模型结构与控制方法。仿真结果表明,与定时公交优先控制模型相比,该文提出的公交优先的多层模糊控制模型在交通量较大情况下能有效减少公交车辆延误,可应用于未来的信号控制系统中。     

城市交通信号的模糊控制研究

以城市主干道交叉口为研究对象,提出了一种实用的交通流模糊控制算法,该算法包括模糊控制算法和绿灯延时终止算法两部分。在现有的模糊控制算法的基础上,增加了绿灯延时终止算法,从而利用模糊逻辑对绿信比进行了优化。在SDCSTS仿真软件的基础上进行了仿真研究。仿真结果表明该方法的有效性。     

基于GA的交叉路口自适应模糊控制器设计

针对交通领域中模糊逻辑控制器的模糊子集隶属度函数的离散性特点,提出了改进的GA(GeneticAlgorithm)算法,设计了适用于模糊子集隶属度函数编码的带区间范围限制的十进制编码方案,并实现受限分布一致交叉和变异算子.改进的经典赌轮选择法,通过动态确定最优隶属度函数,模糊控制器的控制性能得到提高,避免了病态个体产生,加快了收敛速度.通过一个实例的Matlab仿真结果表明了该方法的有效性.该方法对路口两方向车辆到达率相差较大情况的处理亦收到明显的效果.     

A New Reinforcement Learning Method for Fuzzy Logic Controllers

A new reinforcement method for learning fuzzy logiccontrollers is proposed.The reinforcement learningscheme is composed of two fuzzy logic rule bases:oneacts as an adaptive critic,the other server as a control-ler.The proposed method is tested on the cart-pole sys-tem.Simulation results show that the method has betterlearning performance than Anderson's neural network-based method.     

A Self-Organizing Controller for Dynamic Processes Using Wavelet Networks

ＡＳｅｌｆ┐ＯｒｇａｎｉｚｉｎｇＣｏｎｔｒｏｌｅｒｆｏｒＤｙｎａｍｉｃＰｒｏｃｅｓｅｓＵｓｉｎｇＷａｖｅｌｅｔＮｅｔｗｏｒｋｓＳｈｅｎＦａｎＬｉＺｈｏｎｇｌｉ（ＳｏｕｔｈｗｅｓｔＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ）ＡｂｓｔｒａｃｔＩｎｔｈｉｓ...     

一类非线性系统的模糊自适应控制器设计

针对一类非线性系统，构造了具有高斯隶属度函数的T-S函数逼近器．根据逼近误差和控制要求，运用Lyapunov稳定性理论设计了一种模糊自适应控制器．该控制器不仅可以调节模糊规则参数，同时也能调节隶属度函数的参数．将这种模糊自适应控制器应用到倒立摆系统的跟踪控制，仿真结果表明，它具有良好的控制性能，从而验证了该方法的有效性．     

自动送钻实验系统的优化加权模糊控制

针对自动送钻实验系统 ,设计了一种带优化加权因子的模糊控制器 ,以 ITAE积分性能指标为寻优目标函数 ,通过对误差和误差变化的加权因子的优化来获得系统的最佳模糊控制规则 ,并将其控制效果与一般模糊控制器的效果进行了仿真比较 .结果表明 ,一般模糊控制器作用于自动送钻实验系统时 ,由于超调量太大 ,系统难以正常工作 ;带优化加权因子的模糊控制器可使系统的超调量降到 4% ,调节时间为 1 7s,稳态误差小于 0 .1 % ,其他性能指标均满足要求 ,大大改善了系统的动态性能     

一种基于模糊CMAC自学习模糊逻辑系统及其在控制中的应用

把HCMA（Hyperball Cerebellar Model Articulation Conroller)与模糊逻辑理论有机结合起来，形成FHCMAC（Fuzzy HCMAC)，它便于从输入输出数据中提取模糊规则，直接用作控制器。可以将FHCMAC看作用基函数网络实现的模糊逻辑系统，兼有HCMAC神经网络和模糊逻辑两者的优点，即可以较容易表达定性或模糊的经验知识，又具有很好的学习性能，应用仿真实例验证了其有效性，该方法可应用于难以获取模糊规则的吻合。     

基于规则自校正模糊控制器的交流伺服系统

提出了一种规则自校正模糊控制器,并将其用于交流伺服系统的控制中,设计了一种在线的模糊推是算法,使得模糊控制规则可以得到实时在线的调整。仿真结果表明基于规则自校正模糊控制器的交流伺服系统的性能较一般模糊控制交流伺服系统有了较大的改善。     

机器人模糊学习控制

针对机器人轨迹跟踪控制问题,提出一种模糊学习算法,并设计出结构合理的模糊学习控制器,该控制器通过自身从过去趋向的学习能力可自动调整其模糊控制规则。将这种方法用于一个两自由度机械手的控制,仿真结果显示控制效果良好,所提出的控制器比惯用的模糊控制器展示出更良好的应用前景。     

模糊神经网络PID控制器在污水处理中的应用

为建立实时响应快、动态调节性能大、鲁棒性强的污水处理自动控制模型,结合模糊逻辑推理控制、神经网络控制及常规PID（Proportion Integration Differentiation）
控制技术,设计了模糊神经网络Fuzzy-PID污水处理控制器。仿真结果和实际应用显示,采用该控制器后,整个控制系统的收敛性、鲁棒性以及动态响应性等均有了很大的改善,
系统具有较强的稳定性和自适应性。     

城市交通信号三级模糊优化控制与仿真

针对多数交通信号模糊控制方法极少关注交通流的不确定性,提出一种城市交通信号三级模糊优化控制器及其Paramics仿真方法. 综合考虑交通需求强度、相位优化和延长时间决策等控制机理,提出三级模糊控制器的结构,并引入搭接相位设计相位优化的机制,遵循交通信号控制基本原则,提出三级模糊控制算法,最后,采用COM组件的混合编程技术构建三级模糊控制的Paramics仿真平台,并以深圳市黑点路口进行实验,在不同交通条件下对提出的模型进行效用评价;结果表明提出的控制器性能良好,在高强度的交通状况下性能稳定,控制效果符合交通管理者的控制目标,且具备快速响应交通流不确定性的能力.     

模糊神经网络模型参考自适应控制及其应用

提出一种模糊神经网络的自适应控制方案，给出了一种模糊神经网络模型和快速的优化学习算法（ＦＬＡ），通过网络的在线自学习不断修正模糊神经网络控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新，经仿真结果和倒立摆控制表明，这类自适应控制具有良好的控制性能。     

一类特殊路口的多相位模糊交通控制

模糊控制不需建立被控对象的精确数学模型,特别适用于具有较大随机性的城市交通控制。对一类特殊路口的交通流进行了分析,确定了相应的信号配时方案。提出了以当前相的主队列和后继相的主队列共同决定信号配时的模糊控制方法,阐述了模糊控制器的整个设计过程。以通过交叉口的平均车辆延误为性能评价指标进行了仿真实验,仿真结果表明模糊控制优于定时控制。     

Optimization of Adaptive Transit Signal Priority Using Parallel Genetic Algorithm

Optimization of adaptive traffic signal timing is one of the most complex problems in traffic control systems. This paper presents an adaptive transit signal priority (TSP) strategy that applies the parallel genetic algorithm (PGA) to optimize adaptive traffic signal control in the presence of TSP. The method can optimize the phase plan, cycle length, and green splits at isolated intersections with consideration for the performance of both the transit and the general vehicles. A VISSIM (VISual SIMulation) simulation testbed was developed to evaluate the performance of the proposed PGA-based adaptive traffic signal control with TSP. The simulation results show that the PGA-based optimizer for adaptive TSP outperformed the fully actuated NEMA control in all test cases. The results also show that the PGA-based optimizer can produce TSP timing plans that benefit the transit vehicles while minimizing the impact of TSP on the general vehicles.     

基于神经网络模糊控制器的铣削过程智能控制

提出了一种新颖的神经网络模糊控制器,其模糊控制表由神经网络替代．控制器通过在线学习能自适应被控对象的变化,控制性能良好．将该控制器用于铣削过程控制,使铣削力在加工条件变化过程中始终保持相对稳定,从而提高了铣床的加工效率,并能保证加工质量,保护刀具．还给出了试验结果．