針對我國城市交通的現狀，機動車輛數量越來越多，而傳統的交通信號燈控制模式采用的是定時控制，本文將模糊控制技術引入交通信號控制，實現交通燈的自適應控制，對整個區域的信號系統進行全局優化調度，實現交通燈控制的智能化。

1、系統結構

整個系統分為管理層、優化調度層、數據采集層。管理層為最高指揮層，它能在交通管制等緊急情況下進行宏觀調度。基礎數據采集主要采集各車輛計數儀的實時數據，通過通信網將數據傳輸到交通管控中心，管控中心利用專家系統和神經網絡等技術對全局交通進行優化調度，在此基礎上形成調度指令，通過通信網反饋至各交叉口，各交叉口結合調度指令和該交叉口的實時交通流信息，利用模糊控制的策略對該交叉口的信號進行控制。

2、單個交叉口紅綠燈的模糊控制

經研究，對單個交叉口而言，當交通需求較小時，信號周期T應短一些，但一般不能少于Px15s（P為相位數）以免某一相位的綠燈時間tgi小于15s使車輛來不及通過路口影響交通安全;當交通需求較大時，信號周期T則應長一些，但一般不能超過120s，否則某一方向的紅燈時間將超過60s，駕駛員心理上不能忍受。當交通需求很小時，一般按最小周期運行;當交通需求很大時，只能按最大周期控制，此時，車輛堵塞現象已不可避免。根據專家的經驗，單個交叉路口的模糊控制算法可描述為圖1所示。

圖1 ?單個交叉路口的模糊控制算法

算法中的交通需求通常用兩種方法描述，一是用交叉口停止線前的排隊長度即停止線前相隔一定距離（通常為80~100m）的兩檢測器之間的車輛數來表示交通需求;另一種方法是：當占有率不低于某一基準占有率時，用占有率表示交通需求;當占有率小于某一基準占有率且交通量不低于某一基準交通量，則用交通量表示交通需求。檢測器在指定的時間內（通常為5min）測得的計數值（方波數）為交通量;檢測器在指定的時間內（通常為5min）測得的方波寬度總和與該時間值的比為占有率。建立模糊表如表1和表2所示，根據日常控制經驗可得如表3所示模糊控制規則表。表中L表示車輛排隊長度，G表示綠燈時間。

表1 ?車輛排隊長度變化模糊表

表2 ?第i相位綠燈時間變化模糊表

表3 ?模糊控制規則表

3、基于專家系統與神經網絡的全局優化調度

單個交叉口的控制要服從全局的調度，局部的最優要服從全局的最優。在實現交通全局優化調度主要有兩方面的工作要做：一是要取得路網中當前的和過去若干時段內的交通信息，二是逐步推測未來若干時段內路網各交叉口和各路段的交通流狀態。整個調度過程不斷滾動循環進行。目前，動態交通信息的獲得可采用適當的接口技術，通過自適應式的交通面控系統實現。在交通全局優化調度中，尚未解決的是全局優化調度的依據問題，即如何調度才能起到避免擁擠和堵塞、提高路網使用效率的目的。人工神經網絡技術具有非線性描述、大規模并行分布處理能力、高度魯棒性和學習與聯想等特點，適用于非線性時變大系統的模擬與在線控制。

通常情況下，城市交通網絡在一定時期（一年或幾個月）內幾何結構不會發生大的變化，而且交通需求情況較穩定（或變化緩慢），可以認為日交通流的時空分布是穩定的。由于日交通流的時空分布具有高度時變和非線性的特點，因此，采用高階神經網絡技術建立模型，以達到快速準確預測的目的。在城市交通網絡中，各路段的流入、流出交通量是網絡交通需求量、道路與交叉口通行能力、信號配時以及交通管制措施等因素綜合作用的結果，因而在預測時無需單獨考慮這些因素對交通流量的影響。