張佳佳

（湖南信息職業(yè)技術(shù)學(xué)院，湖南 長(zhǎng)沙 410200）

0 引 言

隨著城市化進(jìn)程的不斷推進(jìn)，智慧城市的建設(shè)日益成為社會(huì)發(fā)展的焦點(diǎn)。在智慧城市中，交通系統(tǒng)的高效運(yùn)行有著至關(guān)重要的作用，而交通信號(hào)優(yōu)化作為交通管理的關(guān)鍵環(huán)節(jié)，直接影響著城市交通的順暢性[1-4]。為了應(yīng)對(duì)日益增長(zhǎng)的城市交通需求，本研究致力于提出一種基于機(jī)器學(xué)習(xí)的智慧城市交通信號(hào)優(yōu)化框架，旨在通過先進(jìn)的技術(shù)手段提高交通信號(hào)燈的控制效果。

首先，本文提出一個(gè)全新的交通信號(hào)燈優(yōu)化框架，以機(jī)器學(xué)習(xí)為基礎(chǔ)，結(jié)合交通流量預(yù)測(cè)和控制策略優(yōu)化2 個(gè)關(guān)鍵組成部分。為了實(shí)現(xiàn)對(duì)交通流量的準(zhǔn)確預(yù)測(cè)，本文采用了長(zhǎng)短期記憶（Long Short Term Memory，LSTM）網(wǎng)絡(luò)作為預(yù)測(cè)模型的核心方法[5-6]。通過對(duì)城市交通歷史數(shù)據(jù)的深入分析，LSTM 模型能夠捕捉交通流量的時(shí)空關(guān)系，為信號(hào)燈控制提供更為準(zhǔn)確的輸入數(shù)據(jù)。其次，本文深入研究交通信號(hào)燈控制策略的優(yōu)化問題。該部分采用比例積分微分（Proportional Integral Differential，PID）控制器，通過對(duì)信號(hào)燈的實(shí)時(shí)調(diào)整實(shí)現(xiàn)對(duì)交通流的精準(zhǔn)控制[7-8]。PID 控制器作為一種經(jīng)典的控制算法，通過不斷調(diào)整比例、積分和微分項(xiàng)，使得系統(tǒng)能夠迅速且穩(wěn)定地響應(yīng)交通變化，從而實(shí)現(xiàn)信號(hào)燈的智能化調(diào)控。最后，為了驗(yàn)證所提出交通信號(hào)燈優(yōu)化框架的有效性，在MATLAB 環(huán)境下構(gòu)建了仿真實(shí)驗(yàn)。

本研究期望將機(jī)器學(xué)習(xí)引入智慧城市交通管理領(lǐng)域，為交通信號(hào)燈的智能化優(yōu)化提供可行的解決方案，為城市交通的高效運(yùn)行和可持續(xù)發(fā)展貢獻(xiàn)新的思路和方案。

1 交通信號(hào)燈的優(yōu)化框架

為了實(shí)現(xiàn)智慧城市交通信號(hào)燈的優(yōu)化，本文提出了一個(gè)完整的系統(tǒng)框架，該框架以LSTM 為基礎(chǔ)進(jìn)行交通流量預(yù)測(cè)，并結(jié)合PID 控制器實(shí)現(xiàn)對(duì)交通信號(hào)燈的智能化調(diào)控，如圖1 所示。

圖1 系統(tǒng)框圖

系統(tǒng)收集城市交通歷史數(shù)據(jù)，主要為車輛流量、道路擁堵情況等多維度信息。通過對(duì)這些數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗、歸一化等步驟，以確保數(shù)據(jù)的準(zhǔn)確性和一致性。在數(shù)據(jù)預(yù)處理后，引入LSTM 作為交通流量預(yù)測(cè)的核心模型。LSTM 具有優(yōu)秀的序列建模能力，能夠捕捉交通流量的時(shí)空關(guān)系。通過歷史數(shù)據(jù)的訓(xùn)練，該模型學(xué)習(xí)并預(yù)測(cè)了未來(lái)一段時(shí)間內(nèi)的交通流量情況，為后續(xù)的信號(hào)燈控制提供準(zhǔn)確的輸入。

基于LSTM 的預(yù)測(cè)結(jié)果，引入PID 控制器對(duì)交通信號(hào)燈進(jìn)行智能調(diào)控。PID 控制器通過不斷調(diào)整比例項(xiàng)、積分項(xiàng)和微分項(xiàng)，實(shí)時(shí)響應(yīng)交通流的變化，使得交通信號(hào)燈能夠靈活且有效地適應(yīng)不同交通狀況。這一過程旨在最大限度地提高交叉口的通行效率，減少擁堵現(xiàn)象。最后，系統(tǒng)通過實(shí)時(shí)監(jiān)測(cè)交通流量和信號(hào)燈狀態(tài)，不斷優(yōu)化LSTM 模型和PID 控制器的參數(shù)，以適應(yīng)城市交通的動(dòng)態(tài)變化。系統(tǒng)能夠根據(jù)實(shí)時(shí)反饋進(jìn)行調(diào)整，保持對(duì)交通狀況的敏感性，提高系統(tǒng)的健壯性和適應(yīng)性。

2 基于機(jī)器學(xué)習(xí)的交通優(yōu)化研究

2.1 基于LSTM 的交通流量預(yù)測(cè)

LSTM 是遞歸神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN）的變體，在時(shí)間序列預(yù)測(cè)中具有很好的表現(xiàn)[9-10]。該模型通過其獨(dú)特的記憶單元結(jié)構(gòu)，能夠有效捕捉序列數(shù)據(jù)中的長(zhǎng)期依賴關(guān)系，在交通流量預(yù)測(cè)中具有獨(dú)特的優(yōu)越性。

假設(shè)有一個(gè)包含T個(gè)時(shí)刻的交通流量數(shù)據(jù)序列，表示為X={x1，x2，…，xt，…，xT}，其中xt表示在時(shí)刻t的交通流量。輸入門決定哪些信息將被加入到記憶單元中，相關(guān)表達(dá)式為

式中：it為輸入門的輸出；σ為Sigmoid 函數(shù)；Wii為輸入門對(duì)輸入數(shù)據(jù)xt的權(quán)重；Whi為輸入門對(duì)上一時(shí)刻隱藏狀態(tài)ht-1的權(quán)重；bii為輸入門的輸入偏置項(xiàng)；bhi為輸入門的隱藏狀態(tài)偏置項(xiàng)；ht-1為上一時(shí)刻的隱藏狀態(tài)。遺忘門決定哪些信息將被從記憶單元中刪除，相關(guān)表達(dá)式為

式中：ft為遺忘門的輸出；Wif為遺忘門對(duì)輸入數(shù)據(jù)xt的權(quán)重；Whf為遺忘門對(duì)上一時(shí)刻隱藏狀態(tài)ht-1的權(quán)重；bif為遺忘門的輸入偏置項(xiàng)；bhf為遺忘門的隱藏狀態(tài)偏置項(xiàng)。接著，該模型利用輸入門和遺忘門的輸出，更新記憶單元的內(nèi)容，相關(guān)表達(dá)式為

式中：為新的候選記憶單元；Wic為更新記憶單元對(duì)輸入數(shù)據(jù)x的權(quán)重；W為更新記憶單元對(duì)上一時(shí)刻隱藏狀態(tài)ht-1的權(quán)重；bic為更新記憶單元的輸入偏置項(xiàng)；bhc為更新記憶單元的隱藏狀態(tài)偏置項(xiàng)。輸出門決定當(dāng)前時(shí)刻的隱藏狀態(tài)，其計(jì)算過程為

式中：ot為輸出門的輸出；Wio為輸出門對(duì)輸入數(shù)據(jù)xt的權(quán)重；Who為輸出門對(duì)上一時(shí)刻隱藏狀態(tài)ht-1的權(quán)重；bio為輸出門的輸入偏置項(xiàng)；bho為輸出門的隱藏狀態(tài)偏置項(xiàng)。最后，該模型利用輸出門的輸出和記憶單元更新當(dāng)前時(shí)刻的隱藏狀態(tài)和記憶單元，具體計(jì)算公式為

通過該過程，LSTM 網(wǎng)絡(luò)能夠有效捕捉輸入序列中的長(zhǎng)期依賴關(guān)系，并生成具有良好泛化能力的交通流量預(yù)測(cè)。在實(shí)際應(yīng)用中，通過對(duì)網(wǎng)絡(luò)參數(shù)的訓(xùn)練，可以使其適應(yīng)不同城市交通情境，為智慧城市交通管理提供可靠的預(yù)測(cè)工具。

2.2 基于PID 控制器的控制策略

當(dāng)LSTM 的輸出h(t)被映射后，作為PID 控制器的輸入，隨后用于交通信號(hào)燈的控制，該過程如圖2所示。圖2 中，LSTM 網(wǎng)絡(luò)的輸出h(t)經(jīng)過映射后得到PID 控制器的輸入信號(hào)u(t)，而PID 控制器的輸出y(t)則用于控制交通信號(hào)燈的相位和時(shí)長(zhǎng)。

圖2 交通燈控制方法

LSTM 輸出的隱藏狀態(tài)h(t)可以映射為PID 控制器的輸入，表示為

式中：Wph為映射矩陣；bp為偏置項(xiàng)。這個(gè)映射過程旨在將h(t)轉(zhuǎn)換為適用于PID 控制器的輸入信號(hào)u(t)。PID 控制器的輸出y(t)可以表示為

式中：e(t)為誤差信號(hào)；Kp、Ki和Kd分別為比例、積分和微分系數(shù)。PID 控制器的輸出y(t)直接用于控制交通信號(hào)燈的相位和時(shí)長(zhǎng)。例如，將y(t)映射到綠燈時(shí)長(zhǎng)的控制信號(hào)s(t)上，可以得到

式中：smin和smax分別為最小和最大的綠燈時(shí)長(zhǎng)；ymax為PID 控制器輸出的最大值。

3 實(shí)驗(yàn)與分析

3.1 實(shí)驗(yàn)方法

在實(shí)驗(yàn)部分，本研究用MATLAB 搭建了一個(gè)仿真實(shí)驗(yàn)環(huán)境對(duì)所提方法進(jìn)行測(cè)試，實(shí)驗(yàn)方案如下：對(duì)于數(shù)據(jù)準(zhǔn)備，本文采用METR-LA 數(shù)據(jù)集對(duì)該方法進(jìn)行測(cè)試；對(duì)于LSTM 模型訓(xùn)練，將數(shù)據(jù)集分為70%訓(xùn)練集和30%測(cè)試集，并構(gòu)建LSTM 模型準(zhǔn)備進(jìn)行訓(xùn)練和測(cè)試；對(duì)于PID 控制器參數(shù)調(diào)整，利用歷史數(shù)據(jù)進(jìn)行PID 控制器的參數(shù)初始化；對(duì)于仿真環(huán)境搭建，使用MATLAB 搭建仿真環(huán)境，包括LSTM 模型、PID 控制器和交通信號(hào)燈模擬器；對(duì)于實(shí)驗(yàn)設(shè)計(jì)，設(shè)計(jì)實(shí)驗(yàn)場(chǎng)景包括正常流量、高峰期、突發(fā)事件等，觀察交通信號(hào)燈的調(diào)控效果。

3.2 結(jié)果與分析

在本文中，基于MATLAB 構(gòu)建的交通信號(hào)燈仿真情況如圖3 所示，仿真場(chǎng)景設(shè)計(jì)以等待車輛數(shù)作為指標(biāo)來(lái)模擬車輛的擁堵情況，包括正常流量、高峰期、突發(fā)事件等多種場(chǎng)景。通過仿真實(shí)驗(yàn)，收集了車輛到達(dá)率作為交叉口通行能力等的指標(biāo)數(shù)據(jù)。

圖3 基于MATLAB 的交通燈仿真情況

結(jié)果顯示，基于LSTM 和PID 的控制方法在各交通場(chǎng)景下均表現(xiàn)出智能的調(diào)控能力。在高峰期，系統(tǒng)能夠迅速且準(zhǔn)確地響應(yīng)交通流變化，提高交叉口通行效率，有效應(yīng)對(duì)了城市交通的復(fù)雜性。系統(tǒng)通過LSTM 網(wǎng)絡(luò)實(shí)現(xiàn)的交通流量預(yù)測(cè)使得系統(tǒng)能夠提前作出智能化調(diào)整，減少了交叉口的等待時(shí)間。PID 控制器的引入進(jìn)一步優(yōu)化了交通信號(hào)燈的響應(yīng)速度和控制精度，使得交通流更為順暢。

4 結(jié) 論

本研究基于MATLAB 構(gòu)建了仿真實(shí)驗(yàn)環(huán)境，通過對(duì)交通信號(hào)燈優(yōu)化方法的實(shí)驗(yàn)驗(yàn)證，取得了一系列令人滿意的結(jié)果。通過LSTM 網(wǎng)絡(luò)的交通流量預(yù)測(cè)，系統(tǒng)能夠準(zhǔn)確捕捉城市交通的時(shí)空動(dòng)態(tài)變化，為信號(hào)燈控制提供了有力支持。同時(shí)PID 控制器的引入進(jìn)一步提高了交通信號(hào)燈的響應(yīng)速度和控制精度，實(shí)現(xiàn)了更為智能化的交通調(diào)控。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法在不同交通場(chǎng)景下的有效性和實(shí)用性，為智慧城市交通管理提供了一種可行的優(yōu)化方案。未來(lái)的研究方向包括進(jìn)一步優(yōu)化機(jī)器學(xué)習(xí)模型參數(shù)、探索其他智能控制算法的結(jié)合，并在實(shí)際城市交通中進(jìn)行驗(yàn)證。該方法的成功實(shí)踐為智慧城市交通管理領(lǐng)域提供了新的思路和方法。