基于WSN的智能交通灯控制系统设计概要_智能交通控制系统设计

基于WSN的智能交通灯控制系统设计概要由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“智能交通控制系统设计”。

收稿日期:2009-06-16 作者简介:田丰(1958—,男,辽宁沈阳人,工学博士,教授,硕士生导师,主要研究方向为计算机测控技术、无线传感器网络等;杜富瑞(1981—,男,山东滨州人,硕士研究生,主要研究方向为无线传感器网络和嵌入式系统。

基于W S N 的智能交通灯控制系统设计 田 丰,杜富瑞

(沈阳航空工业学院计算机检测与控制研究室,辽宁沈阳 110136 摘要:针对多路口的交通信号灯控制问题,提出了基于无线传感器网络的两级组织结构,搭建了交通信

号灯控制平台。利用传感器节点收集的交通信息,结合模糊控制方法,实现了交通信号灯的无线智能控制。仿真结果表明,该控制器是有效的,其控制效果优于传统的控制方法。关键词:无线传感器网络;交通信号灯控制;模糊方法;鲁棒性

中图分类号:TP273+.5;TP18

文献标识码:A

文章编号:1000-8829(200912-0056-04 D esi gn of I n telli gen t Traff i c L i ght Con trol System Ba sed on W SN TI A N Feng,DU Fu 2rui(Computer Detecti on and Contr ol Laborat ory,Shenyang I nstitute of Aer onautical Engineering,Shenyang 110136,China Abstract:For multi 2juncti on traffic signal contr ol syste m ,t w o 2tier organizati onal structure based on wirele sens or net w orks(W S N is p r oposed,and a p latfor m f or traffic signal contr ol syste m with W S N is built.By using the collected inf or mati on about traffic and fuzzy contr ol method,the goal of intelligent contr ol for the traffic

lights is realized.The si m ulati on shows that the contr oller is realizable and better than the traditi onal contr ol methods.Key words:wirele sens or net w orks;traffic signal light contr ol;fuzzy method;r obustne

交通灯控制系统是一个典型的复杂大系统,具有时变、非线性、不易确定数学模型的特点。现有交通灯控制系统主要分为两类:定时控制和感应式控制。定时控制不能适应车流的动态变化,只适用于路面车流量较少的情况;感应式控制易受外界干扰,且在安装过程中,容易造成对道路的损坏。此外,这两种控制方式都只能单独地控制某一点,并不能实时、多点、联测、联动的控制。

无线传感器网络(W S N,wirele sens or net w orks 作为一种新兴的测控网络技术,融合了短程无线通信技术、微电子技术、嵌入式技术等。基于W S N 的交通灯控制系统具有控制精度高、响应速度快的优点。

模糊控制不需要建立精确的数学模型,它把人的感官认识和好的控制策略联系起来,具有很强的鲁棒性。

将模糊控制与无线传感器网络相结合,以W S N 传 感器节点收集的路面信息为输入,经模糊控制器处理, 得到作为输出的控制策略,对交通灯系统实施控制,可以实现交通灯控制系统的智能化、网络化。以下首先针对多路口交通灯控制系统,提出了两级W S N 组织结构,搭建了基于W S N 的交通信息收集和控制平台;然后介绍了多路口交通灯智能控制算法的设计,以及模糊控制器的设计;最后,进行了仿真实验。W S N 交通灯控制平台

在多路口交通信号灯控制系统中,信号灯的周期、绿信比和相位差是控制向量;到达交叉路口的车辆数和各交叉路口停车线前面排队的车辆数是状态向量。详细分

析表明,同时考虑信号灯的周期、绿信比和相位差的优化,将增大计算量,使问题的求解过程变得十分

复杂[1]。针对多路口交通灯控制系统,采用两级W S N 组织结构(见图1,第1级为控制级,负责调整各交叉路口的绿信比;第2级为协调级,负责协调干线各路口周期的确定和各路口之间的相位差。

图2为无线传感器网络交通灯控制系统模型图。路口的交通灯控制节点A1及其相邻路段内的路面检测节点B i(i =1,2,3,4,5和车载节点C j(j =1,2,3,4

图1 两级交通灯控制模型组成控制级。这些传感器器节点自组织成簇:交通灯控制节点作为簇首,路面检测节点和车载节点作为簇成员。簇首A1负责收集簇内路面检测节点的数据,进行数据融合,并与相邻簇首节点进行通信;簇成员节点负责路

面信息的收集。从簇首节点中,选取一个节点作为协调级,称此节点为汇聚节点。汇聚节点以多跳的方式与各簇首节点通信,收集各路口车流量信息, 图2 无线传感器网络交通灯控制系统模型 进行智能处理,协调各路口工作。

针对交通控制系统中信息采集、策略制定、输出执 行的实际需求,引入3类W S N节点:信息收集节点、汇 聚节点和交通灯控制节点。传感器节点是构成W S N 的基本要素,具有采集环境信息、信息处理和无线通信 功能,它们既是数据包传输的发起者,也是数据包的转

发者[1]。信息收集节点负责路面车辆信息的收集,如 车速、交通流量比等,将此数据信息传递给交通灯控制 节点,经数据融合后传递给汇聚节点;汇聚节点根据设 定的目标(如通行量最大、平均候车时间最短等运用 智能控制方法计算出最佳方案,并输出给各路口交通 灯控制节点,控制车辆的通行与禁止,实现多路口的协 调控制。

信息收集节点由路面检测节点和车载节点两部分 构成。路面检测节点用于收集其检测范围内的车辆信 息,它按照一定的距离(一般为50~200m安装在道 路两侧的路灯上;车载节点被安装在每一辆汽车上,用 于收集车辆本身的数据信息(速度和坐标,并将该信 息发送给路面检测节点。路面检测节点按照一定周期 不断地广播消息,消息里面包含本身的I D和自己的坐 标信息。处于监听状态的车载节点接收检测节点发送 的消息。根据无线定位知识[2],车载节点只需收到3 个以上节点发送的消息,就可以计算出自己的坐标与 车速,并将坐标与速度消息传递给附近的路面检测节 点。路面检测节点在收到该消息后,计算出路面行驶的车辆数、车辆所在车道和车辆与路口的距离,以多跳 通信的方式传递给路口的交通灯控制节点。由车速和 距离,交通灯控制节点就可以判断出车辆状态:①它 已经到达路口;②在路口信号灯换相之前到达路口;③ 不能按时到达路口。这样,可以方便地统计出干线路 口间行驶的车辆数QN以及各路口红灯方向排队车辆 数QR。多路口交通灯控制算法设计

文献[3,4]中指出,在交通控制系统中,各路口协 调周期,不能变换太频繁,否则,方案变换引起的交通 延误所带来的损失会大于新方案所带来的效益。设定 循环变量n=6,以6个周期为一个时间段,在此时间 段内,保持控制参数不变。2.1 算法设计

步骤1:汇聚节点根据以往的交通流量数据统计 出干线上各交叉口间的相位差ω i(i=1,2,3,…,n、统一使用的周期T、各个交叉口的绿信比,将此信息发

送给各路口簇首节点,并初始化循环变量n=0。步骤2:各交叉口簇首节点在给定的周期T下,依 据相位差ω i 依次开启干线各路口绿灯信号。在周期

时间末,簇首节点将周期内由W S N检测得到的路口间 行驶的车辆数QN和路口红灯方向排队车辆数QR送 给汇聚节点。汇聚节点用模糊控制规则以周期时间长 度为单位,调整路口之间相位差。

步骤3:令m=m+T,检验m>6T是否成立。若 成立,则到下一步;反之,则回到步骤2。步骤4:汇聚节点根据各路口簇首节点传递过来 的各路口间的交通流量和各交叉口的绿信比,预估下 一阶段的干线道路上各个交通流量比,计算下一阶段 的周期值。回到步骤2。2.2 各控制参数的具体实现 2.2.1 周期的确定

在交通信号控制系统中,为使各交叉口的交通信 号取得协调,各个交叉口的周期需要统一。方法是先

根据单个交叉口的配时方式,计算出各交叉口的周期, 然后从中选取最大周期,作为系统协调周期。周期确 定步骤如下: ①在给定时间段内,根据公式计算出路口j的第 m周期的交通流量比R j m;其计算公式为 R j m=∑n j=1 q j m i s j m i(1 式中,q j m i 为第j路口第m周期的第i相位车道的交通 量;s j m i 为饱和流量;n为相位个数。

②求出所有路口的交通流量比的最大值R j m MAX

R j m MAX =MAX{R j m ,j=1,2,3,…}(2

根据韦伯斯特最佳周期公式 C0= 1.5L+5 1-R j m MAX(3 计算出第m周期的最佳周期。式中,L为相位损失时间(车辆起制动、行人、自行车干扰,可由协调级模糊控制器的输出得到。

③在本段时间结束时刻,计算所有周期时间内周期的最大值为 C MAX=MAX{C m,m=1,2,3}(4 将此周期值作为下一个阶段信号控制的统一值送入协调单元保存起来,作为下一阶段内的周期。

2.2.2 相位差的确定

相位差是控制交叉路口间交通流的重要参数,设定一个好的相位差可以显著地降低车流的等待时间,实现车辆通行的“绿波带”效应。相位差计算公式为

ω=T

+L(5 式中,T 为本路口到下游路口的行驶时间,由无线传感器网络实时检测得到;而损失时间L由协调级模糊控制器输出得到。模糊控制器的设计

相位损失时间L与路口间车辆数目QN和路口的红灯方向停车线前面车辆排队长度QR有很大关系。路口间车辆数目多,红灯方向排队长度QR长,则车辆启制动所耗费时间就越多,相应的相位损失时间L越大;反之,则越少。

设计步骤如下:(1输入输出变量的确定及量化。

输入变量:本路口到下一路口的车辆数QN,路口红灯方向在停车线前排队车辆数QR。QN的论域为{0,1,2,3,4,5,6,7,8},变化范围为0~85,量化因子k1=8÷85=0.09,语言变量为{Z B,Z M,ZS,Z,PS};QR 的论域为{0,1,2,3,4,5,6,7,8},变化范围为0~48, 量化因子k 2 =8÷48=0.17,语言变量为{NB,Z}。

输出变量:路口相位损失时间为L。L的论域为{0,1,2,3,4,5,6,7,8},变化范围为0~60,比例因子k3=60÷8=7.5,语言变量为{NB,NS,Z,PS,P B}。

(2确定输入输出变量的隶属函数(见图3。

(3确定模糊控制规则。

根据专家经验,建立模糊控制规则表。表1中建立了10条控制规则。表1 模糊控制规则表 QR QN NB NM NS Z PS NB NB NS Z PS PS Z NB NS Z PS P B

(4解模糊。

解模糊的常用方法有以下几种:最大隶属度法、中位数法、加权平均法。由于加权平均法比中位数法的计算量要小,比最大隶属度法控制性能优越,因此,在本设计中选用加权平均法进行解模糊运算,得到精确控制量。其计算公式为

L = ∑n j =1 u j(e j e j ∑n j =1 u j(6 式中,e j(j =1,2,...,9为论域值;u j(e j(j =1,2,(9 为对应于e j 的隶属度。

根据公式(5,计算出路口间的相位差ω,对路口间的交通车流进行协调控制。4 仿真实验

设一条道路有3个路口组成,三路口间距离均为600m。其中，南北为次干道。每个路口的有4个交通流相位:东西直行,东西左转,南北直行,南北左转,如图4所示。路口车辆的到达服从泊松分布,车辆的离开服从负指数分布。干线饱和流量为3000辆/h,支线饱和交通流量为2000辆/h,左转、直行、右转车流比例为1∶2∶1。

图4 主干道三交叉路口示意图利用MAT LAB 6.5编写仿真程序,将基于W S N 的两级模糊控制算法,分别在400、600、1200、1400、2000、2300辆/h 6种不同的车流量情况下进行仿真,统计相应的车辆平均延误时间。为了作比较,在完全相同的条件下,对定时控制也进行了仿真,结果如表2所示。

表2 模糊控制与定时控制比较 车流量/辆・h-1 两级模糊控制 定时控制

提高程度/% 40025.126.5 5.260026.428.67.7120029.138.223.8140031.540.622.4200034.751.232.22300 36.7 56.6 35.2

由仿真结果可以看出,在车流量不大时,两种控制

方式的效果差异不大。但随着车流量的增大,模糊控制的优势是十分明显的。5 结束语

以上将无线传感器网络引入到交通信号灯的控制

中来,搭建了无线传感器网络交通信号灯控制平台,提出了针对多路口交通灯控制的两级无线传感器网络组织结构。利用无线传感器网络的低功耗、自组织、分布式计算的特点,实现快速精确的车辆信息收集,提高了系统的响应速度和控制效果,具有较强的实时性和鲁棒性。同时,结合模糊控制理论,设计了干线信号灯控制算法,实现了交通信号灯的无线智能控制。参考文献: [1] 徐建闽.交通管理与控制[M ].北京:人民交通出版社, 2007211.[2] Akyildiz I F,Su W ,Sankarasubra mania m Y,et al.A survey on sens or net w orks[J ].Communicati ons Magazine,2002,40(8:102-114.[3] W ann C D,L in M H.Data fusi on methods f or accuracy i m 2

p r ove ment in wirele l ocati on syste m s [A ].Pr oceedings of 2004I EEE W irele Co mmunicati ons and Net w orking Con 2ference[C ].2004203:471-476.[4] 李晓红.城市干线交通信号协调优化控制及仿真[D ].大 连:大连理工大学,2007.[5] 严新平,吴超仲.智能运输系统———原理、方法及应用 [M ].武汉:武汉理工大学出版社,2006212:9-11.□

N I 推出LabV I E W 图形化软件教育版, 全力支持动手学习课程

2009年11月,美国国家仪器有限公司(简称N I 推出 LabV I E W 软件教育版,它是LabV I E W 图形化编程软件面向

高校的新产品。该版本软件的初衷是为了帮助教师实现基于科学、技术、工程和数学(STE M 学科项目的动手学习。

N I 与美国塔夫茨大学工程教育与外展服务中心(CEEO 一 起合作开发该产品,它是将工程集成到K 212教育的领导者。

N I 和塔夫茨大学CEEO 总裁和控制与机械电子教授Chris Rogers 博士共同合作,开发了该教育版软件,它可以有效帮

助高校教师使用工业、学术界工程师和科学家使用图形化系统设计技术,进而为工科学生提供动手实践经验。

LabV I E W 教育版软件可以帮助教师实现基于项目的动

手学习,并且将理论与实际世界的实例联系在一起。这一新版本软件能够与核心教育硬件平台无缝集成,例如LEG O M I N DST ORMS Educati on NXT、Vernier Sens or DAQ 以及TET 2R I X(Pitsco 开发的金属机器人构建系统,让教师能够轻松

地将机器人、测量和数据采集整合到课程中。软件的图形化拖放模式帮助学生学习主要的编程概念,并在获取专业世界中所使用的技术经验的同时,提高分析能力。新版本还包含可以在教室中使用的工具,包括数据查看器,能够图形化地显示传感器数据,虚拟示波器,以及其他让学生能够获得多种电子和机器工程技巧动手经验的虚拟仪器。此外,LabV IE W 教育版包括支持课程和教师活动,能够直接在National Instruments、Vernier 软件与技术和LEG O 教学中使 用。□