1.算法仿真效果
matlab2022a仿真结果如下：
2.算法涉及理论知识概要
单十字路口：
其中第一级控制为两个并行模块：绿灯交通强度控制模块与红灯交通强度控制模块。绿灯交通强度控制模块的输入为绿灯相位的排队长度与入口流量，输出绿灯相位的交通强度；红灯相位模块的输入为红灯相位的排队长度，输出为红灯相位的交通强度。
第二级控制是在第一级控制基础上的一个总控制模块,做出是否转换当前相位的决定。其输入为第一级两个模块的输出即绿灯相位交通强度与红灯相位交通强度，输出为是否转换该改相位的决策，该决策的结果只有两个，要么终止当前相位转到下一相位，要么把该相位延长一个延长绿时间，继续显示该相位。
设东西南北四向各车道的车流量（到达率）：
East-throught=0.09+0.15sin(0.03t);
East-left=0.09+0.2cos(0.1t);
West-throught=0.15-0.17sin(0.02t)
West_left=0.11+0.14cos(0.08*t);
North-throught=0.12-0.12sin(0.08t);
North-left=0.075+0.12sin(40+0.1t);
South-left=0.07-0.11cos(60+0.05t);
其中t是时间（单位为s）
排队长度计算公式：
r——红灯时间，s
s——饱和流率，辆/h
v——到达率，辆/h
L——车辆长度（包括车辆间的距离、），m
n——车道数；
Fu——车道利用系数。
最大排队长度Q=vr/3600;(v是平均到达率；r是有效红灯时间)
模糊控制器首先采用人工初始设置的隶属度函数进行模糊控制, 同时历史数据库开始积累各时间段的交叉口入口交通参数. 每经过一定的时间间隔,交通流模拟器利用历史数据库中记忆的历史交通参数进行交通再现模拟, 同时采用遗传算法对交通流模拟器中模糊隶属度函数进行寻优, 找出适合于当前交通流的模糊隶属度函数, 并且将调整后的隶属度函数送入模糊控制器加以更新。
3.MATLAB核心程序
for i = 1:length(Times)
t = Times(i);
% r%红灯时间，s
r = 30;
% g%——绿灯时间；
g = 60;
% ld%——绿信比(绿灯时间与周期的比值)；
ld= g/C;
% y%——流量比，y=q/s;
y = q/s;
% s%——饱和流量（s=0.4辆/s）
S = s/3600;
%排队长度计算公式
Q = v/3600 * (r-6) * (1 + 1/(s/v-1)) * L/n/Fu;
%统计平均延误时间
d(i) = C*(1-ld)^2/(2*(1-y)) + X^2/(2*q*(1-X)) - 0.65*(C/q/q)^(1/3)*X^(2+5*g/C);
end
...........................................................
%加入模糊控制器的对比
Tmin = 10;
Tmax = 20;
Gj = 60;
RR = readfis('Red_controller');
GG = readfis('Green_controller');
RG = readfis('GA_FNN.fis');
figure(2);
subplot(311);plotmf(RG,'input',1); title('R隶属函数变化-GA优化前');
subplot(312);plotmf(RG,'input',2); title('G隶属函数变化-GA优化前');
subplot(313);plotmf(RG,'output',1); title('RG隶属函数变化-GA优化前');
for i = 1:length(Times)
t = Times(i);
%控制器初始状态
if i == 1
% r%红灯时间，s
r = 30;
% g%——绿灯时间；
g = Gj;
% s%饱和流率，辆/h
s = 300;
% v%到达率，辆/h
v = 290;
% L%车辆长度（包括车辆间的距离、）
L = 4.8;
% n%车道数
n = 4;
% Fu%车道利用系数
Fu= 0.6;
% X%——饱和度；
X = 0.9;
% C%——周期时长；
C = g + r;
% q%——流量；
if mod(i,5) == 1;
q = 80 + 10*sin(2*pi*t) + 5*randn;
end
% ld%——绿信比(绿灯时间与周期的比值)；
ld= g/C;
% y%——流量比，y=q/s;
y = q/s;
% s%——饱和流量（s=0.4辆/s）
S = s/3600;
else
%调用控制器
%绿灯排队长度计算公式
Qg = v/3600 * (g-6) * (1 + 1/(s/v-1)) * L/n/Fu;
%路口流量
traffic_flow = q;
...................................................................................
%最终控制输出
gout;
%总的判决
if g >= Tmin & g <= Tmax
g = gout;
end
if g <= Tmin
g = Tmin;
end
if g >= Tmax
g = Tmax;
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% r%红灯时间，s
r = 30;
% s%饱和流率，辆/h
s = 300;
% v%到达率，辆/h
v = 290;
% L%车辆长度（包括车辆间的距离、）
L = 4.8;
% n%车道数
n = 4;
% Fu%车道利用系数
Fu= 0.6;
% X%——饱和度；
X = 0.9;
% C%——周期时长；
C = g + r;
% q%——流量；
if mod(i,5) == 1;
q = 80 + 10*sin(2*pi*t) + 5*randn;
end
% ld%——绿信比(绿灯时间与周期的比值)；
ld= g/C;
% y%——流量比，y=q/s;
y = q/s;
% s%——饱和流量（s=0.4辆/s）
S = s/3600;
end
%统计平均延误时间
d(i) = C*(1-ld)^2/(2*(1-y)) + X^2/(2*q*(1-X)) - 0.65*(C/q/q)^(1/3)*X^(2+5*g/C);
d(i) = d(i)/2;
end
figure(1);
hold on;
plot(Times,d,'k');
hold on;
%加入GA+模糊控制器的对比
%加入GA+模糊控制器的对比
%加入GA+模糊控制器的对比
%加入GA+模糊控制器的对比
Tmin = 10;
Tmax = 20;
Gj = 60;
RR = readfis('Red_controller');
GG = readfis('Green_controller');
RG = readfis('GA_FNN.fis');
figure(2);
subplot(311);plotmf(RG,'input',1); title('R隶属函数变化-GA优化前');
subplot(312);plotmf(RG,'input',2); title('G隶属函数变化-GA优化前');
subplot(313);plotmf(RG,'output',1); title('RG隶属函数变化-GA优化前');
%GA优化
RG_opt = readfis('GA_FNN_OPT.fis');
figure(3);
subplot(311);plotmf(RG_opt,'input',1); title('R隶属函数变化-GA优化后');
subplot(312);plotmf(RG_opt,'input',2); title('G隶属函数变化-GA优化后');
subplot(313);plotmf(RG_opt,'output',1); title('RG隶属函数变化-GA优化后');
for i = 1:length(Times)
t = Times(i);
%控制器初始状态
if i == 1
% r%红灯时间，s
r = 30;
% g%——绿灯时间；
g = Gj;
% s%饱和流率，辆/h
s = 300;
% v%到达率，辆/h
v = 290;
% L%车辆长度（包括车辆间的距离、）
L = 4.8;
% n%车道数
n = 4;
% Fu%车道利用系数
Fu= 0.6;
% X%——饱和度；
X = 0.9;
% C%——周期时长；
C = g + r;
% q%——流量；
if mod(i,5) == 1;
q = 80 + 10*sin(2*pi*t) + 5*randn;
end
% ld%——绿信比(绿灯时间与周期的比值)；
ld= g/C;
% y%——流量比，y=q/s;
y = q/s;
% s%——饱和流量（s=0.4辆/s）
S = s/3600;
else
%调用控制器
%绿灯排队长度计算公式
Qg = v/3600 * (g-6) * (1 + 1/(s/v-1)) * L/n/Fu;
%路口流量
traffic_flow = q;
%红灯排队长度计算公式
Qr = v/3600 * (r-6) * (1 + 1/(s/v-1)) * L/n/Fu;
%绿灯相位控制器
G_Power = evalfis([Qg,traffic_flow],GG);
%红灯相位控制器,红灯排队长度越长，那么红灯强度减弱，红灯排队长度越短，那么红灯强度减强，
R_Power = evalfis(Qr,RR);
%GA模糊控制器，输出gout
gout = evalfis([G_Power,R_Power],RG_opt);
%最终控制输出
gout;
%总的判决
if g >= Tmin & g <= Tmax
g = gout;
end
if g <= Tmin
g = Tmin;
end
if g >= Tmax
g = Tmax;
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% r%红灯时间，s
r = 30;
% s%饱和流率，辆/h
s = 300;
% v%到达率，辆/h
v = 290;
% L%车辆长度（包括车辆间的距离、）
L = 4.8;
% n%车道数
n = 4;
% Fu%车道利用系数
Fu= 0.6;
% X%——饱和度；
X = 0.9;
% C%——周期时长；
C = g + r;
% q%——流量；
if mod(i,5) == 1;
q = 80 + 10*sin(2*pi*t) + 5*randn;
end
% ld%——绿信比(绿灯时间与周期的比值)；
ld= g/C;
% y%——流量比，y=q/s;
y = q/s;
% s%——饱和流量（s=0.4辆/s）
S = s/3600;
end
%统计平均延误时间
d(i) = C*(1-ld)^2/(2*(1-y)) + X^2/(2*q*(1-X)) - 0.65*(C/q/q)^(1/3)*X^(2+5*g/C);
d(i) = d(i)/2;
end
figure(1);
hold on;
plot(Times,d,'r');
legend('不加控制器的平均延误时间','加控制器的平均延误时间','加控制器(GA优化)的平均延误时间');
xlabel('times');
ylabel('平均延误时间');
grid on;
hold on;