基于模糊控制的小區(qū)域交叉口群過飽和狀態(tài)信號協(xié)調(diào)優(yōu)化*

趙盼明 劉 釗 劉 玉 郭建華

(東南大學(xué)智能運輸系統(tǒng)研究中心 南京 210096)

0 引 言

近年來，交通供需矛盾日益突出，僅僅依靠建設(shè)新的道路設(shè)施來緩解供需矛盾已不能妥善解決該問題。據(jù)調(diào)查，缺乏先進的交通管控技術(shù)是造成我國大部分城市道路通行能力沒有被充分利用、道路擁堵的主要原因之一[1]。對城市交通的控制按照范圍可以分為單個交叉口的信號控制、干線交通信號協(xié)調(diào)控制和區(qū)域交通信號相位協(xié)調(diào)控制[2]。城市區(qū)域路網(wǎng)中交叉口較為密集，各個交叉口之間相互影響，形成具有空間相關(guān)性和交通相關(guān)性的交叉口群[3]。交叉群過飽和狀態(tài)，即交叉口群中多個交叉口交通量超過其容量，交叉口群處于交通流量大、狀態(tài)不穩(wěn)定、時空資源緊張、交通延誤增加、排隊溢出的狀態(tài)。交叉口群在城市路網(wǎng)中廣泛存在，但目前針對小區(qū)域交叉口群的過飽和狀態(tài)信號協(xié)調(diào)控制研究較少，筆者以此作為研究對象展開相關(guān)研究。

國外針對小區(qū)域交叉口群信號控制的研究中，SCOOT是基于TRANSYT的一種自適應(yīng)控制系統(tǒng)，具有處理過飽和狀態(tài)交通的能力[4-5]；Shepherd[6]通過對適用于擁堵或過飽和條件下的交通控制方法，如OPAC,PRODYN,SAGA,SCATS和SCOOT等進行分析，探討了以上控制系統(tǒng)處理擁堵問題的能力。Lee等[7]應(yīng)用分布式協(xié)同模糊控制對交叉口群進行交通控制。Abu-Lebdeh等[8]結(jié)合動態(tài)控制算法和負(fù)效用函數(shù)，通過動態(tài)控制算法進行信號控制參數(shù)設(shè)計，利用負(fù)效用函數(shù)評測預(yù)設(shè)系統(tǒng)性能目標(biāo)下，動態(tài)控制算法的相對性能，提出了在過飽和條件下動態(tài)評價交通管理策略的程序。當(dāng)前常用的區(qū)域信號控制系統(tǒng)(如SCATS，SCOOT，OPACW，RHODES[9-11])，雖然功能基本完善，但在應(yīng)用于我國交通流特征復(fù)雜的城市交通，尤其是針對我國區(qū)域交叉口群過飽和狀態(tài)的交通協(xié)調(diào)控制，仍存在很多不足[12]。

在國內(nèi)，區(qū)域交通信號協(xié)調(diào)控制的研究起步較晚。浙江浙大中控信息技術(shù)有限公司成功開發(fā)Intellific交通信號控制系統(tǒng)，總體技術(shù)達到國際先進水平，并在柳州、杭州等城市廣泛應(yīng)用。隨后，各種人工智能研究方法如模糊控制、遺傳算法、神經(jīng)網(wǎng)絡(luò)、粒子群優(yōu)化算法等逐漸在交通控制領(lǐng)域得到廣泛應(yīng)用[13]。劉智勇等[14]提出一種基于改進免疫遺傳算法的城市區(qū)域交通自適應(yīng)協(xié)調(diào)控制；張輝等[15]將分布式Q學(xué)習(xí)運用到城市區(qū)域交通協(xié)調(diào)控制，提出了與區(qū)域交通協(xié)調(diào)相適應(yīng)的獎懲函數(shù)與權(quán)值函數(shù)，并驗證了該函數(shù)的有效性；孫超等[16]采用模糊控制方法對孤立交叉口的多相位模糊控制進行了一些研究，為了改善模糊控制器的效果，加入了自調(diào)因子進行優(yōu)化；范立權(quán)等[17]提出了應(yīng)用模糊邏輯的方法來優(yōu)化交叉口的相位切換順序，并進行了Paramics微觀交通仿真，結(jié)果表明該算法能一定程度上提高車輛的平均速度；肖超[18]以區(qū)域交叉口各相位方向的排隊長度為評價參數(shù)，建立模糊控制規(guī)則；張文泉和余立建[19]以交叉口平均車輛延誤為評價指標(biāo)，提出一種基于BP神經(jīng)網(wǎng)絡(luò)的區(qū)域多交叉口協(xié)調(diào)控制方法。

綜上可知，國外的區(qū)域交叉口群協(xié)調(diào)控制發(fā)展已有一定的基礎(chǔ)，在國內(nèi)，利用人工智能算法對區(qū)域信號控制進行已經(jīng)成為一種研究方向。但以往主要針對城市區(qū)域非飽和狀態(tài)進行研究，對城市小區(qū)域交叉口過飽和狀態(tài)下的協(xié)調(diào)控制研究較少，同時模糊控制算法在區(qū)域控制應(yīng)用領(lǐng)域的研究中，國內(nèi)學(xué)者多數(shù)選擇單個輸入變量設(shè)計模糊控制器，缺乏一定的可靠性，同時輸入變量的模糊分集和隸屬度函數(shù)的選擇主要依據(jù)專家經(jīng)驗，缺乏一定的客觀性。

筆者以小區(qū)域交叉口群過飽和狀態(tài)為研究對象，通過模糊C均值聚類的方法，對各進口最大排隊長度、平均行車延誤進行模糊分集，根據(jù)聚類得到的隸屬度矩陣，畫出每個模糊集合的隸屬度折線圖，并依據(jù)折線圖選擇梯形隸屬度函數(shù)作為輸入變量的隸屬度函數(shù)，然后根據(jù)區(qū)域交叉口不同進口道對區(qū)域內(nèi)交通的影響，將區(qū)域進口道分為區(qū)域外進口道和區(qū)域內(nèi)進口道，對區(qū)域外進口信號控制采取一級模糊控制器控制，對區(qū)域內(nèi)進口道信號控制采取二級模糊控制器控制。最后根據(jù)綜合控制規(guī)則，對區(qū)域交叉口群信號進行協(xié)調(diào)控制，以達到緩解過飽和交叉口群交通擁堵的目的。

1 過飽和交叉口群

交叉口群是指城市路網(wǎng)中具備以下2個特性的交叉口的集合：①空間相關(guān)性，即空間距離較??；②交通相關(guān)性，即交通流是動態(tài)變化且互相影響的[3]。交叉口過飽和狀態(tài)即為交叉口交通量與交叉口通行能力的比值大于1的交通狀態(tài)，文中交叉口群過飽和狀態(tài)指小區(qū)域內(nèi)多個交叉口處于過飽和狀態(tài)，從而導(dǎo)致區(qū)域內(nèi)其他交叉口的最大排隊和行車延誤受到影響，進一步導(dǎo)致區(qū)域內(nèi)交通狀況擁堵的狀態(tài)。若小區(qū)域內(nèi)交叉口群較長一段時間處于過飽和狀態(tài)，區(qū)域內(nèi)存在某個或某幾個交叉口的排隊長度較大，則會產(chǎn)生排隊溢出，對臨近交叉口交通造成影響，進一步影響區(qū)域甚至區(qū)域外圍交通；同時行車延誤是小區(qū)域過飽和交通狀況評價的一個重要指標(biāo)，過飽和狀態(tài)交通越擁堵，車輛行駛延誤就會越大。筆者將交叉口最大排隊長度和行車延誤作為交叉口交通狀況評價指標(biāo)，輸入模糊控制器，通過調(diào)整各進口道綠燈時間，對區(qū)域交叉口群信號進行協(xié)調(diào)控制，達到減少排隊和行車延誤的目的。

2 基于模糊控制的過飽和交叉口群信號協(xié)調(diào)控制

2.1 模糊控制器設(shè)計

模糊控制器是模糊控制的核心部分，其主要內(nèi)容是利用模糊語言來描述控制規(guī)則。模糊語言不像傳統(tǒng)集合那樣只存在“有”或者“沒有”2種狀態(tài)，它可以很準(zhǔn)確的描繪事物的不確定性。根據(jù)不同進口道對區(qū)域內(nèi)交通情況的影響，將區(qū)域交叉口群進口道分為區(qū)域內(nèi)進口道和區(qū)域外進口道。區(qū)域內(nèi)進口道，即車流流出區(qū)域的進口道，區(qū)域外進口道，即車流流入?yún)^(qū)域內(nèi)部的進口道。針對區(qū)域外進口道和區(qū)域內(nèi)進口道分別設(shè)計一級模糊控制器和二級模糊控制器。

2.1.1 一級模糊控制器

一級模糊控制器對區(qū)域外進口道綠燈時間進行調(diào)整控制。具體步驟為：輸入?yún)^(qū)域外進口道最大排隊長度，進行外進口道模糊推理，得出外進口道綠燈時間調(diào)整量，對交通控制方案進行調(diào)整，調(diào)整后的信號控制方案反作用于交通流，通過多次循環(huán)調(diào)整，對區(qū)域交叉口群交通狀況進行優(yōu)化。具體流程如圖1。

圖1 一級模糊控制器Fig.1 Level 1 fuzzy controller

2.1.2 二級模糊控制器

二級模糊控制器主要對區(qū)域內(nèi)進口道信號控制進行調(diào)整。具體步驟為：輸入?yún)^(qū)域內(nèi)進口道的最大排隊長度和行車延誤數(shù)據(jù)，進行內(nèi)進口道模糊推理，得出內(nèi)進口道綠燈時間延長值，對交通控制方案進行調(diào)整，調(diào)整后的信號控制方案反作用于交通流，通過多次循環(huán)調(diào)整，對區(qū)域交叉口群交通狀況進行優(yōu)化。具體流程見圖2。

圖2 二級模糊控制器Fig.2 Level 2 fuzzy controller

2.2 模糊控制變量模糊集

選取最大排隊長度和行車延誤2項交通評價指標(biāo)作為模糊控制算法的輸入變量，選取綠燈時間調(diào)整量作為輸出變量。為克服一般模糊控制中僅依據(jù)經(jīng)驗進行模糊集合劃分的缺陷，本研究采用模糊C均值聚類的方法，對最大排隊長度和行車延誤數(shù)據(jù)集進行聚類分析，并根據(jù)聚類結(jié)果進行模糊分集，得到輸入變量的模糊集合見表1和表2，輸出變量模糊集合見表3。

表1 最大排隊長度模糊集

表2 平均行車延誤模糊集

交叉口各相位的綠燈延長時間，s。以5 s為最小綠燈延長時間，綠燈延長時間的模糊子集劃分見表3。

表3 綠燈延長時間模糊集

2.3 隸屬度函數(shù)及模糊規(guī)則

根據(jù)過飽和狀態(tài)下車輛平均行車延誤和最大排隊長度的調(diào)查數(shù)據(jù)，將輸入變量論域定為：{0～600}，將輸出變量論域定為：{0～20}。根據(jù)模糊C均值得到的隸屬度矩陣可知，每個模糊集合在隸屬度為1處總表現(xiàn)為1段水平線，即輸入變量在隸屬度為1處不僅僅有唯一值，因此選取梯形函數(shù)作為輸入變量的隸屬函數(shù)(見圖3)，同時選取三角形函數(shù)作為輸出變量的隸屬函數(shù)，見圖4。根據(jù)輸入輸出變量隸屬度函數(shù)，將模糊變量對應(yīng)的具體隸屬度值整理成表，如表4～6。

圖3 輸入變量的隸屬度函數(shù)Fig.3 The membership function of the input variable

圖4 輸出變量隸屬度函數(shù)Fig.4 The membership function of the output variable

根據(jù)模糊變量集合及隸屬度函數(shù)，本文共制定25條模糊控制規(guī)則，具體如表7。假設(shè)交叉口某一進口道最大排隊長度模糊集為VS，平均行車延誤模糊集為VS，查表7可得，該進口方向綠燈延長時間模糊集為VS。

表4 最大排隊隸屬度

表5 延誤隸屬度

表6 輸出變量隸屬度

表7 模糊控制規(guī)則表

將模糊隸屬度函數(shù)和模糊規(guī)則輸入Matlab軟件，分別建立一級模糊控制器和二級模糊控制器。對于一級模糊控制器輸出的綠燈時間調(diào)整值，對相應(yīng)的區(qū)域外進口進行綠燈時間減短，以減少進入?yún)^(qū)域的交通量；對于二級模糊控制器輸出的綠燈調(diào)整值，對相應(yīng)的區(qū)域內(nèi)進口進行綠燈時間延長，以增大流出區(qū)域的交通量，從而減小區(qū)域最大排隊長度與平均延誤，改善整個區(qū)域的交通狀況。由于綠燈調(diào)整時間小于3 s時，對交叉口交通狀況影響較小，本研究僅對輸出綠燈調(diào)整值大于3 s的相位進行調(diào)整，且規(guī)定同一相位累計調(diào)整值不大于20 s。

2.4 模糊控制算法流程

根據(jù)模糊控制器和模糊規(guī)則，制定模糊控制算法的具體流程。首先對區(qū)域初始交通信號控制方案進行微觀仿真，計算區(qū)域外最大排隊長度Lout、區(qū)域內(nèi)最大排隊長度Lin和區(qū)域內(nèi)行車延誤Din；將區(qū)域外最大排隊長度Lout輸入一級模糊控制器，將區(qū)域內(nèi)最大排隊長度Lin和區(qū)域內(nèi)行車延誤Din輸入二級模糊控制器，并分別輸出交叉口相位k第i次協(xié)調(diào)的綠燈時間調(diào)整值eki；若綠燈時間調(diào)整值eki大于3s，且相位k累計調(diào)整值Ski不大于20 s，則對該相位進行綠燈時間的調(diào)整；其中對區(qū)域外進口道進行綠燈時間的減少，對區(qū)域內(nèi)進口道進行綠燈時間的延長。最后對調(diào)整后的控制方案進行仿真，根據(jù)調(diào)整前后仿真結(jié)果對比，分析評價區(qū)域交通優(yōu)化效果。具體流程見圖5。

3 基于模糊控制的區(qū)域信號協(xié)調(diào)控制實例

3.1 區(qū)域交叉口調(diào)查及數(shù)據(jù)處理

根據(jù)模糊控制算法及區(qū)域?qū)嶋H交通情況，交通調(diào)查內(nèi)容主要有：區(qū)域各交叉口信號控制方案、各交叉口幾何條件設(shè)施和各交叉口高峰期進口道車流量(分大小車型)。確定武漢徐東商業(yè)圈為研究區(qū)域，該小區(qū)域主要有四條道路組成，分別是徐東大街、友誼大道、秦園中路和團結(jié)大道。根據(jù)研究內(nèi)容及實際區(qū)域交通情況，對徐東商圈4個交叉口進行調(diào)查，分別為：徐東大街-友誼大道交叉口、徐東大街-團結(jié)大道交叉口、團結(jié)大道-秦園中路交叉口、秦園中路-友誼大道交叉口。將徐東商業(yè)區(qū)4個主要交叉口依次標(biāo)注為交叉口1，2，3，4，見圖6。

圖5 小區(qū)域交叉口群信號協(xié)調(diào)流程圖Fig.5 Small area intersection group signalcoordination flowchart

將現(xiàn)場調(diào)查數(shù)據(jù)進行進一步處理，作為模糊控制優(yōu)化和Vissim仿真的基礎(chǔ)，交通數(shù)據(jù)具體處理步驟如下。

圖6 區(qū)域交通平面圖Fig.6 Regional traffic floor plan

1) 根據(jù)車型換算系數(shù)，將調(diào)查表中的左直右車流量換算為小汽車當(dāng)量，再將換算后的15 min小汽車交通量換算為小時交通量。

2) 根據(jù)調(diào)查區(qū)域各交叉口信號配時調(diào)查數(shù)據(jù)，繪制各交叉口信號配時表。

3) 根據(jù)交叉口幾何條件設(shè)施及交叉口進口道簡圖，繪制區(qū)域各交叉口進口道平面圖。

4) 繪制調(diào)查區(qū)域整體平面交通圖，為Vissim仿真路網(wǎng)建設(shè)提供底圖。

以友誼大道-徐東大街交叉口為例，進行調(diào)查結(jié)果的展示，調(diào)查時間為3月11日08：35—08：50，具體交叉口數(shù)據(jù)處理結(jié)果為交通調(diào)查表(見表8)和信號配時表，見表9。

表8 友誼大道-徐東大街交通調(diào)查表

注：1.根據(jù)CJJ37—2012《城市道路設(shè)計規(guī)范》[20]，大型客車車輛折算系數(shù)為2；2換算公式：小汽車當(dāng)量=(小車數(shù)+2×大車數(shù))×4。

表9 友誼大道-徐東大街交叉口信號配時

本研究根據(jù)交叉口交通幾何條件和信號配時方案，分別計算小區(qū)域內(nèi)各交叉口進口道通行能力，并對多個區(qū)域外進口道輸入大于進口道通行能力的交通量，使得該小區(qū)域交叉口群處于一種過飽和的交通狀態(tài)，并利用模糊控制對交叉口群進行信號協(xié)調(diào)控制。

3.2 小區(qū)域交叉口群仿真

1) 底圖導(dǎo)入及車道鋪設(shè)。將區(qū)域平面圖5作為仿真底圖導(dǎo)入Vissim軟件。

2) 路徑?jīng)Q策及信號燈組設(shè)置。根據(jù)調(diào)查數(shù)據(jù)，交叉口每1個進口方向車流按實際所占車流量比率分配至左直右3個方向，對未設(shè)專用左轉(zhuǎn)或設(shè)有混合車道的進口，按合理比例劃分；交叉口信號燈組根據(jù)調(diào)查信號相位表設(shè)置。

3) 道路檢測器設(shè)置。區(qū)域交通仿真需要在路網(wǎng)中設(shè)置行程時間檢測器和排隊計數(shù)器[23-25]。本文在4個交叉口各進口方向分別設(shè)置行程時間檢測器46個，排隊計數(shù)器46個。其中，行程時間檢測器設(shè)置在進口處，可采集起終點的行程時間與行車延誤，進而得到交叉口的通行時間。排隊計數(shù)器設(shè)于距離信號燈50 m左右的位置，用于檢測排隊等待的車輛數(shù)和排隊停車數(shù)。

4) 模型運行調(diào)整。完成Vissim仿真路網(wǎng)構(gòu)建并運行，觀察仿真過程中交通信號燈及各方向車流，對信號相位不出現(xiàn)全紅時間、個別車道無車流、車輛消失等錯誤進行修改和調(diào)整，以確定交通仿真符合實際交通過程。最后對正常的區(qū)域路網(wǎng)仿真運行3 600 s，導(dǎo)出區(qū)域各交叉口的行車延誤和排隊長度數(shù)據(jù)。

3.3 交通控制現(xiàn)狀仿真分析

根據(jù)交通區(qū)域路網(wǎng)仿真步驟，對武漢徐東商業(yè)區(qū)域路網(wǎng)進行仿真。具體仿真結(jié)果數(shù)據(jù)見表10。

表10 最大排隊和行車延誤表

由行車延誤表和排隊長度表可知：區(qū)域最大排隊總長度為4 735.5 m，最大排隊平均值為4 735.5/30=157.85 m,區(qū)域總延誤為2 899.9 s，延誤平均值為2 899.9/30=187.09 s，即交叉口群最大排隊長度的平均值大于150 m，超出進口道長度，延誤平均值大于100 s，大于1個周期的進口道綠燈時間，則該交叉口群整體的最大排隊和平均行車延誤較大，現(xiàn)狀交通信號控制方案不能很好地滿足該時刻交通量需求，應(yīng)對該區(qū)域交通信號進行協(xié)調(diào)控制。

3.4 模糊控制信號協(xié)調(diào)算法應(yīng)用及仿真

3.4.1 交叉口群綠燈時間調(diào)整

根據(jù)徐東區(qū)域現(xiàn)狀仿真結(jié)果，對現(xiàn)狀交叉口群的最大排隊長度和行車延誤數(shù)據(jù)進行分析，根據(jù)模糊規(guī)則，分別對區(qū)域內(nèi)外的進口相位進行綠燈時間的調(diào)整，直至某一進口道綠燈時間累積調(diào)整值大于20 s為止。具體調(diào)整見表11，其中交叉口3北進口左轉(zhuǎn)相位綠燈延長時間累計值：7+7+6=20 s，則對于第5次調(diào)整不再進行，區(qū)域信號協(xié)調(diào)停止。

表11 綠燈時間調(diào)整表

3.4.2 模糊控制方案仿真分析

根據(jù)具體綠燈時間調(diào)整方案，對模糊控制協(xié)調(diào)后的方案進行多次仿真，輸出仿真結(jié)果整理成表12和表13。對最終調(diào)整方案的延誤進行分析，區(qū)域15個內(nèi)進口道中，對于1 h的平均行車延誤數(shù)據(jù)，12個進口道延誤小于100 s，其中有兩個進口道數(shù)據(jù)大于100 s小于120 s，綠燈多次調(diào)整后，該區(qū)域延誤有所改善。其中交叉口3的北進口左轉(zhuǎn)方向延誤較大，為440.4 s，分析該進口道仿真運行過程可知，該方向左轉(zhuǎn)車輛需要讓行對向直行車輛，而對向直行車流較大，且南北進口左轉(zhuǎn)和直行為混合相位，即使左轉(zhuǎn)相位綠燈時間延長，仍不能很好的減少左轉(zhuǎn)車輛延誤。最終調(diào)整方案最大排隊長度中，區(qū)域15個內(nèi)進口道中9個進口道最大排隊長度小于150 m，4個進口道最大排隊長度大于150 m小于200 m，其中交叉口3北進口直行和北進口左轉(zhuǎn)車輛最大排隊長度分別為202.5 m和202 m，其原因為北進口直行車流較大，同時左轉(zhuǎn)車輛需要讓行直行車輛，導(dǎo)致其在左轉(zhuǎn)等待區(qū)排隊較多。

3.5 方案對比分析

由調(diào)整方案延誤表和最大排隊長度表可知，小區(qū)域交叉口群中區(qū)域內(nèi)進口道每次調(diào)整后數(shù)據(jù)顯示如表，研究區(qū)域共分為區(qū)域內(nèi)進口道15個，區(qū)域外進口道15個。經(jīng)4次模糊控制協(xié)調(diào)后，區(qū)域內(nèi)進口中11個內(nèi)進口行車延誤相應(yīng)減少，減少量總量為385 s，11個進口道平均減少量為35 s，區(qū)域內(nèi)進口中12個內(nèi)進口方向的最大排隊長度相應(yīng)減少，排隊減少總量為998.5 m，12個進口道的最大排隊長度平均減少量為83.2 m。

表12 調(diào)整方案交叉口行車延誤表

表13 調(diào)整方案交叉口最大排隊長度表

對比每次調(diào)整后最大排隊長度和行車延誤，經(jīng)過4次信號協(xié)調(diào)，區(qū)域內(nèi)進口道總延誤和總排隊長度逐漸減少，平均延誤由最初的110.62 s減少為87.94 s，延誤減少量為22.68 s；最大排隊長度平均值由最初的201 m減少為139 m，減少了62 m。協(xié)調(diào)結(jié)果表明，針對交叉口群由非飽和到過飽和狀態(tài)的小區(qū)域信號協(xié)調(diào)，本研究具有比較好的效果。

4 結(jié)束語

模糊控制在交通信號控制領(lǐng)域已經(jīng)成為一個重要發(fā)展方向[21-22]，以徐東區(qū)域4個交叉口組成的小區(qū)域交叉口群為研究對象，將交叉口群各進口道的最大排隊長度和平均行車延誤作為模糊控制的輸入變量，分別對最大排隊長度和延誤進行模糊C均值分類，得到輸入變量的模糊集合中心值和模糊隸屬度矩陣，根據(jù)模糊聚類中心值對最大排隊長度和延誤進行模糊分集，并根據(jù)模糊矩陣數(shù)據(jù)選擇梯形模糊隸屬度函數(shù)作為輸入變量的隸屬度隸屬函數(shù)；采用減少區(qū)域交通流入、增加區(qū)域交通流出的思路制定模糊規(guī)則，針對區(qū)域外進口道和區(qū)域內(nèi)進口道，分別設(shè)計一級模糊控制器和二級模糊控制器；通過將武漢徐東區(qū)域進行交通調(diào)查，對小區(qū)域中多個交叉口輸入過飽和交通量，使其達到交叉口群過飽和狀態(tài)，采用模糊控制對該交叉口群信號進行多次協(xié)調(diào)優(yōu)化。

該模型從整個區(qū)域的交通狀況出發(fā)，通過兩級模糊控制器，對區(qū)域交叉口群內(nèi)外進口信號進行控制，無需建立精確的數(shù)學(xué)模型，較好地適應(yīng)交通系統(tǒng)復(fù)雜性，隨機性的特點。本文在模糊控制中的創(chuàng)新之處如下：

1) 輸入變量模糊分集和隸屬度函數(shù)的選擇。本文首先采用模糊C均值方法對2個輸入變量的精確值進行分類，而不是僅根據(jù)經(jīng)驗進行模糊分集，同時根據(jù)模糊隸屬度矩陣進行模糊隸屬度函數(shù)的選擇，所選擇的梯形隸屬度函數(shù)符合輸入變量的實際隸屬度。

2) 模糊規(guī)則的制定。綜合分析區(qū)域交叉口群的交通狀況，在過飽和狀態(tài)下，采取減少交叉口群車流輸入增大車流輸出的策略，在一定程度上控制了交叉口群排隊溢出的趨勢，緩解了區(qū)域交通擁堵。

研究中存在的不足之處：①仿真過程中，僅考慮機動車因素，缺少非機動車和行人的仿真；②僅針對一種過飽和狀態(tài)進行研究，后期需要針對不同的過飽和狀態(tài)，分別采用模糊控制方法進行對比研究，進一步驗證方法有效性。