一种基于BP-PSO模糊神经网络的信号灯智能控制方法

摘要

本发明公开了一种基于BP-PSO模糊神经网络的信号灯智能控制方法，首先选择三个交通拥堵度、本相位的红灯等待时间作为输入参数，选择绿灯延长时间、本相位优先权作为输出参数。并制定输入输出参数的隶属度、模糊控制规则。其次按照模糊控制的三个步骤对输入的交通参数进行处理以获取绿灯延长时间和各相位的优先级，选择优先级高的相位赋予通行权，并根据获得的绿灯延长时间来动态的调节绿灯相位时间。本发明实现了信号灯智能控制，提高道路通行率，减轻了交通拥堵。将模糊控制和神经网络结合起来用于智能控制，提高了控制精度，改善了智能算法的控制效果。特别的，通过BP-PSO算法训练神经网络，提高了神经网络的收敛速度和泛化能力。

主权项

一种基于BP‑PSO模糊神经网络的信号灯智能控制方法，其特征在于包括如下步骤：步骤1、计算出各相位的交通拥堵度、红灯等待时间输入到相位优先权选择器得到各相位的优先权，选择优先权最大的相位赋予通行权，有相位的优先权相同，选择相位顺序靠前的相位，同时设置最小运行时间和最大运行时间并按最小运行时间运行；步骤2、在运行时间的最后几秒，重新计算本相位、其他相位、相邻交叉口三个方面的交通拥堵度，经绿灯延时控制器，计算出绿灯延长时间；步骤3、如果绿灯延时为零，转步骤1；如果最小时间与绿灯延长时间之和大于最大运行时间，按最大时间运行，运行时间结束，转步骤1;如果最小时间与绿灯延长时间之和小于最大运行时间,延长运行时间，转步骤2。