摘要：为了解决算法复杂度高导致仿真平台与实验模型脱节的问题，提出了一种基于灰色预测技术的智能交通虚实融合实验教学模型。该模型由可视化仿真平台和灰色校正模型组成。可视化仿真平台采用S7-200 SMART PLC作为控制器，并使用MCGS作为监控软件实现构建。通过构建OPC服务器，实时更新的车辆数据从PLC传输到MATLAB进行处理。进一步，提出了基于海洋捕食者算法优化的灰色伯努利模型，并将该模型应用于交通流量的滚动预测。预测结果被用作信号配时的依据，以实现交通信号灯的动态调节。实验结果表明，引入高效的灰色预测技术后，对交通流量序列的预测误差具有更小的数值，相对误差均控制在3%以下；优势分析发现预测模型对外部扰动的变化细节得到了更准确的反应，实验教学平台在可视化、实操性和智能化特征方面得到了显著改善。
关键词：智能交通,灰色模型,MCGS,海洋捕食者算法,实验教学
0引言
随着交通系统的日益复杂化，传统的实地测量为基础的实验教学模型已经无法满足对交通系统进行全面评估和优化的需求[1]。因此，智能交通仿真成为实验教学模型研究的重要工具。通过虚拟仿真模拟交通场景，可以更好地理解交通系统的运行机制，并通过实物模型验证模型的准确性[2]。同时，通过信号检测为核心的实验平台、OPC服务器为核心的信息枢纽、将实验传感器信号引入大量的交通流量和车辆轨迹数据作为输入，可以驱动仿真模型和算法的运行，使仿真结果更加真实可靠[3]。
为了提高交通系统的效率、安全性和环境友好性，引入了各种类型的优化算法。这些优化算法包括路径规划[4]、流量调度[5]和信号优化[6]等。然而，一些复杂的优化算法可能导致实验平台与实验模型之间的脱节，从而影响信号灯优化的结果。为了解决这个问题，不少文献采用一些简化技术[7-9]，如随机抽样、插值逼近和数据变换等，来降低算法的复杂度。然而，谭兴府[10]研究发现大车流量所带来的复杂性仍然是一个挑战，可能会降低系统的动态性能。
鉴于交通系统具有灰色系统的属性，利用灰色系统的理论和方法对交通流量进行预测和分析是一个重要的研究方法[11]。吴鸿华等[12]认为灰色系统仅需要少量数据即可建立灰色校正模型。张玺君等[13]通过对交通流量和信号配时的灰色建模，可以实时调整信号灯的时长和配时方案，以优化交通系统的运行效率和车辆的通行时间。
综上，本文旨在对智能交通仿真教学模型进行重构和完善，以提高交通系统的效率、安全性和环境友好性。通过构建OPC服务器，实时更新的车辆数据从PLC传输到MATLAB进行处理。并提出了基于海洋捕食者算法优化的灰色伯努利模型，并将该模型应用于交通流量的滚动预测。预测结果被用作信号配时的依据，以实现交通信号灯的动态调节，以期望能够实现更准确、可靠的交通仿真模型，并为交通系统的优化提供有效的决策依据。
1实验教学模型的构建
1.1虚实融合的实验教学模型架构
实验模型由传感检测、监测模型和智能算法构成，如图1所示。过CCD激光位移传感器S1~S4监测交通流量，接入Simens PLC，并通过OPC Server与MCGS HMI、MATLAB双向通信，在MATLAB中完成智能算法校正建模并形成配时决策方案。
监测模型是实验模型的重要组成部分，它利用传感检测部分获取到的车辆流量数据，结合其他交通参数，对交通系统进行实时监测和分析。监测模型能够对交通流量、车速、拥堵情况等进行准确的监测和评估，为智能算法提供必要的输入数据。
智能算法是实验模型的关键部分，它基于MATLAB进行智能算法建模。智能算法考虑到交通流量、拥堵情况、交叉口的结构和道路网络等多个因素，以实现最佳的交通信号灯配时方案，从而提高交通系统的效率和流畅性。
1.2信号检测为核心的实验平台控制单元
传感检测模块包括CCD激光传感器S1-1/2、S2-1/2、S3-1/2、S4-1/2，红黄绿信号灯H1-R/Y/G、H2-R/Y/G、H3-R/Y/G、H4-R/Y/G，各信号通过DCS架构集成到Sie‐mens Smart SR30 PLC，传感测控单元如图2所示，由RS485串口经DP协议连接到OPC服务器。表1给出了传感器符号及位置图示。
1.3实验教学平台的通信架构
OPC Server在仿真平台中起到数据枢纽作用，使用OPC DA存取规范，实现与PLC、MCGS及MATLAB之间的数据交换，如图3所示。S7-200 SMART CPU SR30通过S7通信方式与OPC服务器连接，同时与MCGS、MAT‐LAB等OPC客户端之间通过OPC UA规约双向交换数据。
采用西门子的PC Access 2.0实现，包含Server、Group和Item对象。构建OPC Server及MCGS、MATLAB客户端的方法。
1.4智能交通实验教学平台的人机交互设计
可视化的人机交互通过MCGS组态软件设计，如图4所示，与OPC Server建立数据通道连接，实时监控车流量数据变化情况。
CCD激光传感器与交通信号灯在PLC端与MCGS端的通道连接关系如表2所示。
2用于交通流量估计的灰色预测技术
采用灰色预测模型可以通过累加生成方法挖掘系统内部的固有规律[14]。本文构造基于灰色伯努利模型NG‐BM（1，1）[15]和海洋捕食者算法（Marine Predator Algo‐rithm，MPA）[16]的灰色预测模型，并采用该模型对交通流量趋势进行动态估计。
2.1非线性灰色伯努利模型
2.2模型的参数估计与优化
海洋捕食者算法（Marine Predators Algorithm，MPA）是一种基于自然界海洋捕食者行为的优化算法。它模拟了海洋中捕食者的寻找和捕食猎物的策略。通过模拟捕食者的协同行为，可以有效地避免陷入局部最优解。而且，该算法具有较强的全局搜索能力和较快的收敛速度，能够快速找到问题的最优解。此外，该算法具有较好的鲁棒性和适用性。
为了解决较为棘手的模型参数估计问题，将利用海洋捕食者算法对3个参数a，b和γ进行优化。
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/ligonglunwen/81391.html
