一種智能交通系統的自適應擁塞控制方法

其中，E＾，E＾C，S分別為e＾，e＾c和α的模糊量，其論域均為{-6，-5，-4，-3，-2，-1，O，1，2，3，4，5，6}。E＾，E＾C和S對應的模糊詞集為{NB，NM，NS，ZO，PS，PM，PB}。根據在校正過程中要遇到的各種可能出現的情況和相應的調整策略得到控制規則表如表1所示。

根據表1，用Max-Min方法進行Fuzzy推理和逆模糊化，可得到模糊判決表。在系統運行時的t時刻采樣周期內，根據E＾，E＾C由α調整規則模糊判決表可直接查出相應的S，從而得出α的相應調整值。
α(t)=kαxS+0．5 (5)
其中，kα為量化因子，使得α∈(0，1)。

4 控制算法實現步驟
對于整個模糊模型參考學習控制器來說，在t時刻采樣周期內，根據隊列長度誤差和誤差變化率E＾，E＾C，可由模糊判決表查出相應的S，進一步得到相應的α值，再由E，EC，α根據式(4)可得到規則自校正模糊控制器的輸出U，并由量化因子ku計算得到丟棄概率p。控制算法實現步驟如下：
1)計算擁塞控制系統的輸入狀態。
2)根據參考模型的輸出與實際對象輸出計算e＾，e＾c。
3)根據參考模型誤差和誤差變化率E＾，E＾C，由式(5)計算相應的α值。
4)計算規則自校正模糊控制器的輸出U。
5)由模糊控制的量化因子計算最終的丟棄概率p。

5 仿真研究
通過仿真試驗來評估模糊參考模型網絡自適應擁塞控制算法，交通流拓撲結構采用啞鈴型結構，鏈路容量為1 500個／s，隨機延時為[16 s，24 s]之間的平均分布，業務源采用了持續性業務流，交通路段的緩存為800個，平均流量長度為500個。仿真研究將本文提出的模糊模型參考控制方法與普通模糊控制進行比較，研究了在突發性狀況下2種算法的控制性能和魯棒性能。

2種控制算法的仿真結果如圖2、圖3所示，注意到當輸入源發生突發性增長時，普通模糊控制策略將使緩沖區隊列長度嚴重脫離期望隊列長度，而使用了模糊參考模型自適應控制后，緩沖區隊列僅僅經過一個短暫的突發脈沖就恢復到平衡點附近。從實驗結果可以看出，由于普通模糊控制器的推理方式和規則知識固定，因此在交通道路車流發生突發變化時難以達到滿意的控制性能，而本文提出的車流自適應擁塞
控制方法能夠跟隨車流量狀況實時調整模糊控制參數，進而對突發性車流擁塞對象具備了良好的自適應控制性能。

6 結束語
針對車流狀態的突變行為，本文提出了一種基于模糊參考模型機制的自適應擁塞控制算法，以提高在多相位交叉路口的車流量控制的服務質量。該方法采用雙通道信息回路對車流量緩沖區隊列長度作自適應調整與控制。自適應模糊控制計算過程簡單迅捷，該算法在自適應性能和實時性能之間實現了較好的平衡。性能之間實現了較好的平衡。