一、引言
　　
　　传统的十字路口交通控制灯，通常是事先经过交通流量的调查，运用统计的方法将两个方向红绿灯的延时预先设置好。然而实际上交通流量的变化往往是不确定的，有的路口在不同的时段甚至可能产生很大的差异。即使是经过长期运行、适用的方案，仍然会发生这样的现象：绿灯方向几乎没有什么车辆，而红灯方向却排着长队等候通过。这种流量变化的偶然性是无法建立准确模型的，统计的方法已不能适应迅猛发展的交通现状，需要有一种能够根据流量变化情况自适应控制的交通灯。而模糊控制恰恰具有这方面的优势。本系统就是应用可编程序控制器(PLC)对十字路口交通控制灯实现模糊控制。
　　
　　本系统采用PLC是基于以下四个原因：
　　
　　1、PLC具有很高的可靠性，通常的平均无故障时间都在30万小时以上；
　　
　　2、编程能力强，可以将模糊化、模糊决策和解模糊都方便地用软件来实现；
　　
　　3、抗干扰能力强，目前空中各种电磁干扰日益严重，为了保证交通控制的可靠稳定，我们选择了能够在恶劣的电磁干扰环境下正常工作的PLC；
　　
　　4、近年来PLC的性能价格比有较大幅度的提高，使得实际应用成为可能。
　　
　　二、输入及其模糊化
　　
　　本控制系统的输入量是指十字路口各方向上车辆数的动态变化量。具体由传感器采集后送入可编程序控制器。
　　
　　1、传感器的设置
　　
　　传感器的设置如图1所示。在十字路口的四个方向(E、S、W、N)的近端J(斑马线附近)和远端Y(距斑马线约100米处)各设置一个传感器，分别统计通过该处的车辆数。
　　　
　　近端的传感器PJ，用于记录绿灯期间通过路口的车辆数(记为X)；远端的传感器PY用于记录红灯期间进入路口排队等候的车辆数(记为Y)。
　　
　　为了简化运算，可以将两个相对的方向(N与S、W与E)的X、Y值合并为一组，分别取两个方向之最大者。
　　
　　2、绿灯期间通过路口车辆数(X)的模糊化
　　
　　为了实现模糊控制，需要将绿灯时间分为两部分：其一是固定的10秒作为路口车辆状态参数的采集时间t1；其二是根据两个方向车辆流量变化进行模糊决策的延时t2。
　　
　　绿灯期间车辆通过路口的速度不超过20km/h，则在10S内通过的最大车辆数约为10辆。以红绿灯转换瞬间为计时起点，记录10S内通过的车辆数作为变量X的论域，取(0～10)，并将它分为三个模糊子集：少、中等、多，其从属函数设计如图2所示。
　　　
　　3、红灯期间排队等候车辆数(Y)的模糊化
　　
　　远端传感器和近端传感器之间的距离(L)直接影响输入量Y的变化论域。实际应用中随实地情况而有所变化。经过对某些路口不同时段车辆流量的实地调查分析，我们认为L取100米左右较为适宜。通常车辆的长度连同车辆间的间距平均约为5米，则在100米内可能滞留的车辆最大数量约为100／5＝20辆。于是红灯方向排队等候的车辆数Y的论域为(0～20)。将其分为5个模糊子集：很少、少、中等、多、很多。其从属度函数设计如图3所示。
　
　　三、输出及其模糊分类
　　
　　本系统的输出就是两个方向的红黄绿灯，还有人行横道的红绿灯以及按前进方向分得更细的绿灯等等，其相互间的关系都是固定的，而且两个方向的输出关系也是固定的，最终都归结到对当前绿灯的延时t2。根据实际测试，对一般不太大的路口，t2最大取30S较为恰当，则绿灯的延时t2的论域为(0～30)。将其分为5个模糊子集：很短、短、适中、长、很长。其从属函数的设计如图4所示。
　
　　四、模糊规则的设计
　　
　　本系统模糊控制规则的设计采用矩阵方式，根据交警实际操作的经验及有关知识来确定。模糊控制规则表如下表所示。
　
　　表中，当两个方向的状态处于同一量级时，如同为多，或同为中等，或同为少时，绿灯的延时t2均取“短”，其目的是保证双方流量相差不多的情况下，尽快地均衡疏散。
　　
　　上表中一共包含了5×3＝15条模糊条件语句：
　　
　　规则1：若X＝多，且Y＝很少，则t2＝很长，否则
　　
　　规则2：若X＝多，且Y＝少，则t2＝长，否则
　　
　　规则3：若X＝多，且Y＝中等，则t2＝适中，否则
　　
　　规则4：若X＝多，且Y＝多，则t2＝短，否则
　　
　　规则5：若X＝多，且Y＝很多，则t2＝很短，否则
　　
　　规则6：若X＝中等，且Y＝很少，则t2＝长，否则
　　
　　规则7：若X＝中等，且Y＝少，则t2＝适中，否则
　　
　　规则8：若X＝中等，且Y＝中等，则t2＝短，否则
　　
　　规则9：若X＝中等，且Y＝多；则t2＝短，否则
　　
　　规则10：若X＝中等，且Y＝很多，则tz＝很短，否则
　　
　　规则11：若X＝少，且Y＝很少，则tz＝短，否则
　　
　　规则12：若X＝少，且Y＝少，则t2＝短，否则
　　
　　规则13：若X＝少，且Y＝中等，则t2＝很短，否则
　　
　　规则14：若X＝少，且Y＝多，则t2＝很短，否则
　　
　　规则15：若X＝少，且Y＝很多，则t2很短
　　
　　五、模糊推理算法与解模糊
　　
　　从模糊规则得到的结果仍然是模糊量，还要经过模糊推理算法还原为精确量才能输出。
　　
　　本设计采用当今模糊控制算法的主流算法——简易模糊推理算法。对于每个确定的输入X和Y值对应不同的模糊子集，具有不同的从属度。由此而激活的多条模糊规则以取小的策略求出各输出于模糊集的从属度：
　　
　　μ1(t2)＝μA!(X)∧μB1(Y)
　　
　　μ2(t2)＝μA1(X)∧μB2(Y)
　　
　　…
　　
　　然后再采用重心法(加权平均法)解模糊，求出t2的精确值：
　
　　式中：μi为确定的X、Y输入值所对应的不同模糊子集的从属度；Ti为输出各模糊子集所对应的重心值。
　　
　　例如测得X＝5，Y＝13。根据图2可知当X＝5时对应于两个模糊子集(中等和多)，其从属度分别为：
　　
　　μ中等(5)＝0．5
　　
　　μ多(5)＝0．5
　　
　　同样，根据图3可知当Y＝13时对应两个模糊子集(中等和多)，其从属度为：
　　
　　μ中等(13)＝0．25
　　
　　μ多((13)＝0．75
　　
　　此时被激活的模糊规则有第3、4、8、9条：
　　
　　规则3：若X＝多，且Y＝中等，则t2＝适中
　　
　　规则4：若X＝多，且Y＝多，则t2＝短
　　
　　规则8：若X＝中等，且Y＝中等，则t2＝短
　　
　　规则9：若X＝中等，且Y＝多，则t2＝短
　　
　　以上四条规则的输出从属度μ(t2)，取其两个前提条件的从属度最小者：
　　
　　推论3：μ适中(t2)＝μ多(X)∧μ中等(Y)＝0．25
　　
　　推论4：μ短(t2)＝μ多(X)∧μ多(Y)＝0．5
　　
　　推论8：μ短(t2)＝μ中等(X)∧μ中等(Y)＝0．25
　　
　　推论9：μ短(t2)＝μ中等(X)∧μ多(Y)＝0．5
　　
　　从图4可以看出，在对称的等腰三角形从属函数中，重心ti对应的值即三角形顶点对应之值，输出延时“短”和“适中”两个子模糊集对应的重心值分别为6S和12S。
　　
　　由重心法计算公式得：
　　
　　因此，该方向实际绿灯的延时为：
　　
　　T＝tl十t2＝10十7＝17S
　　
　　转换后，绿灯处于另一个方向，重复上述过程。