預測型模糊邏輯匝道儀控系統之建構與驗證

Abstract

匝道儀控之相關理論與實務之研究已逾三十餘年，是一項相當重要之高速公路交通管理策略。尤其，近年來在模糊邏輯控制（fuzzy logic controller, FLC）之蓬勃發展，也陸續許多研究探討其應用於匝道儀控之可行性與成效。惟由於匝道儀控成效之高低端視於系統掌握交通資料之即時性與正確性。目前我國高速公路車輛偵測器之設置數量與正常運作之功能尚有待加強與改善，況且偵測器所測得交通資訊之處，與實際儀控之點，亦存有空間差距，為能使儀控邏輯真正發揮即時交通感應功能，有四項課題有必要加以深入研析與克服：第一如何檢核與校正偵測器所測得資料之正確性，第二是當偵測資料經判定無法使用時，如何立即尋求替代資訊來源，第三為進行短期精確之交通資訊預測，以發揮即時控制功能。最後，則是如何設計一智慧化之匝道儀控系統，可自動學習而達到最佳控制目標，以避免主觀設定所導致之誤差。 為完成上述研究目的，前期承 貴會補助之九十四年度研究計畫（基因灰模糊邏輯匝道儀控系統之建構與驗證(I)）已初步完成基因模糊邏輯匝道儀控、滾動灰預測、交通資訊檢核與調校等三大模式之構建與驗證。基於此一研究成果基礎，本研究預定分兩個研究年期進行延續計畫，以求研究成果具體落實與擴展。其中，第一個研究年期之研究重點在於模式之整合與驗證。主要工作是延續上一年期之各項研究成果，進一步整合成為基因灰模糊邏輯匝道儀控模式，並依不同狀態變數（例如，主線速率、匝道等候長度及上下游儀控狀態）及控制目標之設計，分別建構獨立型（isolated）、協調型（coordinated）及整合型（integrated）之基因灰模糊邏輯匝道儀控模式（genetic grey fuzzy logic ramp metering model, GGFLC-RM）模式。 第二個研究年期之研究重點則在於模式之創新與突破。主要工作是研析利用螞蟻群族最佳化法之演算法於模糊邏輯規則之最佳選擇，並結合基因隸屬函數校估模式，建構一基因螞蟻模糊邏輯控制模式（genetic ant-based fuzzy logic controller，GAFLC），以構建一新的交通感應式匝道儀控模型，稱為基因螞蟻模糊邏輯匝道儀控系統（GAFLC-RM）。 為驗證本模式之可行性與控制績效，本研究將設計一簡例，將GFLC-RM或GAFLC-RM之學習成果（邏輯規則及隸屬函數），利用Paramics之API介面，寫入車流模擬程式中，以進行實際績效之微觀模擬驗證及不同儀控模式之績效評比。另外，本研究也將以高速公路中部路網之交通資料，進行Paramics之參數調校及匝道儀控模式之實例應用。最後，則透過敏感度分析探討各項參數設定對控制績效之影響，以作為未來參數設定之依據。