G08/G101 G08/G1017 G08/G1042 G08/G108 G08/G1095 G06/N702
1.一种效能最大条件下的D-S证据理论炮弹结合火力分配方法,其特征在于包括下述步骤:
步骤一:选取相位和时间阈值:
在交叉路口,车辆有左转、直行和右转三个方位,交通法规不限制右转,只考虑左转和直行,则有四个相位,依次为南北向直行、南北向左转、东西向直行和东西向左转,相位顺序按照上述循环,考虑到车辆启动时间和等待时间,将最低时间设置为20s,最大时长为120s,当某相位车辆较多,给予延时,每次延时10s;
步骤二:设置道路情况评估因素的方法为:
本方法选取车流量、待通行车辆和待过路行人为评估因素,其中车流量的检测方法为在道路中央设置压力传感器,设置压力阈值,超过某阈值,则记为有车辆通过,计算5s内车辆通过平均值为车流量,待通行车辆使用图像获得,利用摄像头获取待通行车辆的图像信息,然后使用图像处理算法得到各个车道的等待车辆,计算5s内等待车辆的平均数为待通行车辆数量,待通过行人指的是需要过马路行人数量,同样使用摄像头获得;
步骤三:建立梯形模糊数方法为:
根据梯形模糊数建立模型生成拥堵程度的基本概率分配F,所述威胁程度k分为低(l)、中低(ml)、中(m)、中高(mh)和高(h)五个等级,所述模糊数以梯形模糊数表示,对应隶属度函数分别为(0,0,0.1,0.2)、(0.1,0.2,0.3,0.4)、(0.3,0.4,0.6,0.7)、(0.6,0.7,0.8,0.9)和(0.8,0.9,1,1);所述梯形模糊数是给定论域U上的一个模糊集,是指对任何x∈U,都有一个数μ(x)∈[0,1]与之对应,μ(x)称为x对U的隶属度,μ称为x的隶属函数,
步骤四:生成基本概率分配:
输入各个评估因素的监测数值,根据梯形模糊数公式,得到基本概率分配;
步骤五:将生成的基本概率分配函数用权重W,W,W加权平均得到M方法为:
设置车流量、待通行车辆和待过路行人权重相等,对于一个相位,对应权重与基本概率分布F相乘,加权所述方法公式为
步骤六:使用D-S证据理论融合方法为:
将加权平均得到的D(k)与自身使用D-S证据理论融合2次得到D(A),D-S证据理论融合规则为:
其中
D和D是两组待组合的BPA,A、B、C指的是等级;
步骤七:生成拥堵度的方法为:
将融合后结果使用公式:S=D(l)×0.1+D(ml)×0.3+D(m)×0.5+D(mh)×0.7+D(h)×0.9,得到目标拥堵度;所有相位按照步骤一至步骤七生成拥堵度;
步骤八:判断是否延时方法为:
将拥堵度阈值设为0.5,当前相位持续20s后,判断拥堵情况,当拥堵度<0.5,循环到下一个相位,当拥堵度>0.5,延时5S,当前相位持续120s后,循环至下一相位。
本发明的有益效果在于本发明采用D-S证据理论和梯形模糊数相结合的方法,具有计算简单的特点;本发明用梯形模糊数对道路交通情况建模,解决了模糊信息的表示;本发明提出的特征权重加权融合方法,取得了较好的融合效果;本发明提出的延时方法,将车流量、待通行车辆和待通行行人结合,考虑全面,有较好效果。
本发明涉及交通灯信号控制领域,特别涉及一种基于D-S证据理论的红绿灯时间分配方法,属于交通管理技术领域。
交通信号灯是城市交叉路口指挥疏导交通的重要方式之一。随着汽车数量和城镇人口的增加,城市交通压力越来越大,提高城市交通通行能力的问题愈加急迫。而当前交通灯多采用定时切换的控制方式,当车辆较少时,不能及时切换导致道路交通资源的浪费。因此这样的传统交通灯控制方式有很多弊端。
信息融合技术是协同利用多源信息,以获得对事物或目标更客观、更本质认识的信息综合处理技术,是智能科学研究的关键技术之一。在诸多的融合模型和方法中,D-S证据理论算法是最为有效的算法之一。证据理论把概率论中的基本事件空间拓宽为基本事件的幂集,又称为辨识框架,在辨识框架上建立了基本概率分配函数(Basic ProbabilityAssignment,BPA)。此外,证据理论还提供了一个Dempster组合规则,该规则可以在没有先验信息的情况下实现证据的融合。特别地,当BPA只在辨识框架的单子集命题上进行分配时,BPA就转换为概率论中的概率,而组合规则的融合结果与概率论中的Bayes公式相同。从这个角度来看,D-S证据理论能够比概率论更有效地表示和处理不确定信息,这些特点使其在信息融合领域得到了广泛的应用。正是由于D-S证据理论在不确定知识表示方面具有优良的性能,所以近几年其理论和应用发展较快,该理论在多传感器信息融合、医学诊断、军事指挥、目标识别方面发挥了重要作用。
为了实现交通信号灯的智能控制,本发明基于D-S证据理论,提供一种红绿灯时间分配方法。使用该方法实现的交通信号的智能控制,在解决交通拥堵,提高城市交通通行能力,有明显效果。
本发明解决其技术问题所采用的技术方案包括如下步骤:
步骤一:选取相位和时间阈值:
在交叉路口,车辆有左转、直行和右转三个方位,交通法规不限制右转,只考虑左转和直行,则有四个相位,依次为南北向直行、南北向左转、东西向直行和东西向左转,相位顺序按照上述循环,考虑到车辆启动时间和等待时间,将最低时间设置为20s,最大时长为120s,当某相位车辆较多,给予延时,每次延时10s;
步骤二:设置道路情况评估因素的方法为:
本方法选取车流量、待通行车辆数量和待过路行人数量为评估因素,其中车流量的检测方法为在道路中央设置压力传感器,设置压力阈值,超过某阈值,则记为有车辆通过,计算5s内车辆通过平均值为车流量,待通行车辆使用图像获得,利用摄像头获取待通行车辆的图像信息,然后使用图像处理算法得到各个车道的等待车辆,计算5s内等待车辆的平均数为待通行车辆数量,待通过行人指的是需要过马路行人数量,同样使用摄像头获得;
步骤三:建立梯形模糊数方法为:
根据梯形模糊数建立模型生成拥堵程度的基本概率分配F,所述威胁程度k分为低(l)、中低(ml)、中(m)、中高(mh)和高(h)五个等级,所述模糊数以梯形模糊数表示,对应隶属度函数分别为(0,0,0.1,0.2)、(0.1,0.2,0.3,0.4)、(0.3,0.4,0.6,0.7)、(0.6,0.7,0.8,0.9)和(0.8,0.9,1,1);所述梯形模糊数是给定论域U上的一个模糊集,是指对任何x∈U,都有一个数μ(x)∈[0,1]与之对应,μ(x)称为x对U的隶属度,μ称为x的隶属函数,
步骤四:生成基本概率分配:
输入各个评估因素的监测数值,根据梯形模糊数公式,得到基本概率分配;
步骤五:将生成的基本概率分配函数用权重W,W,W加权平均得到M方法为:
设置车流量、待通行车辆和待过路行人权重相等,对于一个相位,对应权重与基本概率分布F相乘,加权所述方法公式为
步骤六:使用D-S证据理论融合方法为:
将加权平均得到的D(k)与自身使用D-S证据理论融合2次得到D(A),D-S证据理论融合规则为:
其中
D和D是两组待组合的BPA,A、B、C指的是等级;
步骤七:生成拥堵度的方法为:
将融合后结果使用公式:S=D(l)×0.1+D(ml)×0.3+D(m)×0.5+D(mh)×0.7+D(h)×0.9,得到目标拥堵度;所有相位按照步骤一至步骤七生成拥堵度;
步骤八:判断是否延时方法为:
将拥堵度阈值设为0.5,当前相位持续20s后,判断拥堵情况,当拥堵度<0.5,循环到下一个相位,当拥堵度>0.5,延时5S,当前相位持续120s后,循环至下一相位。
本发明的有益效果在于本发明采用D-S证据理论和梯形模糊数相结合的方法,具有计算简单的特点;本发明用梯形模糊数对道路交通情况建模,解决了模糊信息的表示;本发明提出的特征权重加权融合方法,取得了较好的融合效果;本发明提出的延时方法,将车流量、待通行车辆和待通行行人结合,考虑全面,有较好效果。
图1本发明实现的总流程图;
下面结合附图和实例对本发明进一步说明,此处给出交通灯控制的具体实施方案。
步骤一:相位初始化:
设置南北向直行、南北向左转、东西向直行和东西向左转四个相位,从南北向直行开始,依次循环;
步骤二:设置时间阈值:
考虑到车辆启动时间和等待时间,绿灯的最小时长设置为20s,最大时长为120s,当某相位车辆较多,拥堵度较大,给予延时,每次延时10s;
步骤三:设置道路情况评估因素的方法为:
本方法选取车流量、待通行车辆数量和待过路行人数量为评估因素,其中车流量的检测方法为在道路中央设置压力传感器,设置压力阈值,超过某阈值,则记为有车辆通过,计算5s内车辆通过平均值为车流量,待通行车辆使用图像获得,利用摄像头获取待通行车辆的图像信息,然后使用图像处理算法得到各个车道的等待车辆,计算5s内等待车辆的平均数为待通行车辆数量,待通过行人指的是需要过马路行人数量,同样使用摄像头获得;
步骤四:建立梯形模糊数方法为:
根据梯形模糊数建立模型生成拥堵程度的基本概率分配F,所述威胁程度k分为低(l)、中低(ml)、中(m)、中高(mh)和高(h)五个等级,所述模糊数以梯形模糊数表示,对应隶属度函数分别为(0,0,0.1,0.2)、(0.1,0.2,0.3,0.4)、(0.3,0.4,0.6,0.7)、(0.6,0.7,0.8,0.9)和(0.8,0.9,1,1);所述梯形模糊数是给定论域U上的一个模糊集,是指对任何x∈U,都有一个数μ(x)∈[0,1]与之对应,μ(x)称为x对U的隶属度,μ称为x的隶属函数;
步骤五:生成基本概率分配:
输入各个评估因素的监测数值,根据梯形模糊数公式,得到基本概率分配,具体公式根据大量实际数据生成;
步骤六:将生成的基本概率分配函数用权重W,W,W加权平均得到M方法为:
设置车流量、待通行车辆和待过路行人权重相等,对于一个相位,对应权重与基本概率分布F相乘,加权所述方法公式为
步骤七:使用D-S证据理论融合方法为:
将加权平均得到的D(k)与自身使用D-S证据理论融合2次得到D(A),D-S证据理论融合规则为:
其中
D和D是两组待组合的BPA,A、B、C指的是等级;
步骤八:生成拥堵度的方法为:
将融合后结果使用式:S=D(l)×0.1+D(ml)×0.3+D(m)×0.5+D(mh)×0.7+D(h)×0.9,得到目标拥堵度;所有相位按照步骤一至步骤八生成拥堵度;
步骤九:判断是否延时方法为:
将拥堵度阈值设为0.5,当前相位持续20s后,判断拥堵情况,当拥堵度<0.5,循环到下一个相位,当拥堵度>0.5,延时5S。当前相位持续120s后,循环至下一相位。
本文发布于:2024-09-24 04:16:24,感谢您对本站的认可!
本文链接:https://www.17tex.com/tex/3/84505.html
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。
留言与评论(共有 0 条评论) |