用于提高绿灯时间利用率的高精度红绿灯控制器

用于提高绿灯时间利用率的高精度红绿灯控制器摘要：由于城市中不断增长的车辆数目，过时的道路科技，不合理的道路设计和其他的一些问题，交通拥挤已经成 为了城市的主要并发症。因此，这催促着我们需要一种更精确的红绿灯控制系统，可以在各个级别的要求下保持高 稳定性。本文介绍了针对单独的十字路口所拟定的动态红绿灯相位计划。相比于其他四种方法，这个成熟的控制方 法在减少平均等待时间，最大排队长度，绿灯总时间的优化方面表现的更好，并且增加了十字路口的通行能力（增 加了绿灯时间的利用率）。另外，这个系统可以在任何等级的要求下保持良好的稳定性。关键词：交通信号灯控制系统，自动交通信号灯系统，VANET应用，交通管理控制器，动态红绿灯控制，红绿灯相位安排1 简介由于城市中不断增长的车辆数目，过时的道路科技，不合理的道路设计和其他的一些问题，交 通拥挤已经成为了城市的主要并发症。因此，这催促着我们需要一种更精确的红绿灯控制系统，可 以在各个级别的要求下保持高稳定性。一般来讲，红绿灯控制系统由如图1所示的两部分组成：红绿灯控制器（TLC）和红绿灯显示 实体（TLD）。最新的解决方案建议在原来的两个经典的实体上增加第三个实体：道路状况数据采集 器（RSDC）如图2所示。额外增加的实体的工作是收集关于道路状况的实时数据并且传送到红绿灯 控制器中。红绿灯控制器会根据收集的数据对下一相位计划作出决定。这个工作的目标是使红绿灯阶段计划决定更加的精确并且在各种级别下保持高稳定性。这催促 我们加强解决下面问题的研究能力：什么样的道路数据需要去收集，数据如何传送到红绿灯控制器 中。并且TLC内部将如何使用这些数据去对下一阶段计划作出决定。另外，新型的动态排队队列探 测机制的成熟也将在下文中进行阐述。2 文献回顾在这一部分，一些以前的被提议的智能交通信号灯管理系统被用来说明来表明他们的缺点。城 市交通信号灯的控制中心是一个最早用来被克服如【3】所示红绿灯下降时间的孤立性。但是使用租 来的电话线来传递路况数据是非常昂贵和缓慢的。随后一个新的建议慢慢被提出，就是根据估算的 车辆平均速度来建立红绿灯相位计划。依靠估计而不是侦测的数据导致这个系统并不是很精确【4】。一些解决方法被提出用于解决避免和减少道路上的交通拥堵。通过道路数据的传播，司机希望 能够改变车道避免拥堵的车道【5,6】。通过我们的建议，这个解决方法对于解决拥堵问题是不必要 的因为在一些事件上可能会失败。例如很多司机想到达一个地方但是只有一条道路；这个被提出的 解决方法不能帮助司机避免交通阻塞和减轻道路流量。许多研究者反对图像处理解决方法是最适于解决堵塞问题的，例如【7-14】。使用照相机来获取 图片或者视频，然后分析获得的图片/录像，这个无法一直工作在严重的大雨下，浓雾中或者沙尘暴 天气下或者是非常黑的道路上。其他人反对使用GPRS会是解决交通问题的好方法【15】。因为根据 我们的意见，在充满了高楼的城市里，这将是最适宜的方法。最后，一些研究已经证明了数学方法来解决堵塞问题要比上述的方法好的多，例如【 16-19】。 但是，需要注意的是，这些方法在高等级的十字路口状况下面临着稳定性的问题。更进一步的是面 临着决策的不精确性，这主要是因为变量的不完全性，这主要是因为收集和使用了错误的控制算法。 这些就促使我们去寻找一个更好的方法去克服这些工作的缺点。和我们的观点最有关联的和最接近 的是【18.19】。在本文中我们将会将他们用NM1 （新方法1）和NM2 （新方法2）来命名，作为参 考。3 红绿灯系统的发展就像其他的新对策，成熟的红绿灯系统包括三个主要实体：道路状况数据采集器（RSDC）,红 绿灯控制器（TLC）和红绿灯显示实体（TLD）。第一个实体将会收集车辆类型的数据（行人或特殊 车辆），路况（上班或下班）和车辆位置（在哪条车道），这些将导致决定车道的队列长度。Internal Input(s)Next Phase GFEEn LightsNext Phase TimeTraffic Light Controller (TLC)Traffic tight Display Entity图 1 基本红绿灯系统实体图 2 如今的红绿灯系统实体87105430II IV图 3 标准四叉路口3.1 路况数据收集系统如图4所示，一组被命名为RSE的路边设备被放置在路边用来实现连接的行为。从红绿灯光栅 线向后每隔150m放置一个。除了靠近红绿灯光栅线的RSE连接了两个带状传感器，其他的都连接 了一个传感器；这些传感器每隔7到10m布置一个。这些带状传感器的作用取决于他们在路上的位 置。如图4中的设置，这些带状传感器连接了最前面的三个RSE（RSE-1到RSE-3）担任队列长度检 测器的角色。然而，第一个带连接着放置在距离红绿灯光栅线仅仅几米RSE-4 （在左侧）用来作为 第一个车到达的检测器。另一个被放置在红绿灯光栅线后的带担任车辆离开检测器的角色。图 4 路况数据收集系统设置在车辆运行在道路的过程中，车辆数据通过车辆和路边设备（RSE）之间的VANET通讯（VANET 是传统的移动自组织网络（MANET）在交通道路上的应用，是一种特殊的移动自组织网络。）同时，车 辆的位置数据通过放置在道路人行道下面的带状传感器来收集的。3.2 动态队列长度检测机构成熟的RSDC系统有能力根据道路队列长度来激活或关闭带状传感器模型。在图5的示例中，最初,针对的RSE-3的所有带状传感器模型将被激活当RSE-1和RSE-2被关闭的时候。只要车辆队列长度少于 25辆时，RSE-3的三段带状传感器才会激活。换句话说，三条道路的队列长度检测都是RSE-3的责任 范围。一旦任何一条道路的车辆队列长度超出了最大值，他们将会被插入到50m内（平均值：25辆）。 如图5所示的第二条车道，停车道，RSE-3将信息传输到RSE-2，将队列长度的检测责任移交给RSE-2。第二条车道队列长度的检测的职责是将信息反馈至0RSE-3每当队列长队少于25辆时。图 5 动态队列长度探测功能原理示例RSE1RSf 1RSE31 0 L 25NANAActiveQ.L.25NANALiveQL2SNA1| Active|3.3红绿灯控制器（TLC）当时间来到了将要改变红绿灯的相位，红绿灯控制器将会收到最新的十字路口处理的数据并且 产生并启动一个的红绿灯相位计划流程。红绿灯相位计划由两个主要价值组成：下一个红绿灯相位 的指标和相位时间。图6展示了 TLC的内部结构，主要包括三块。前两个模块式道路承载量计算模块和路线图决定模 块，他们辅助做出第一个决定，决定下一个绿灯的相位。同时，最后一个模块是下一相位时间的决 定模块，它根据第一个决定来履行它的工作。VCl.T) GFVA1J)VCpT，CFVA(2.T)图6红绿灯控制器(TLC)内部架构图解VQB.Ti . CFVA(8.T)The Developed Phase TimeDecision MakerThe lanesGraph TheoryLoadRoutesCalculationDecision MakingPhaseTime3.3.1道路载荷计算模块如图7所示在载荷计算比较先进的模块被加入到道路载荷计算方程式中应用在十字路口数据收集的成套设备中。图7 道路载荷/比重计算算法在这个部分用来计算每个方向的道路载荷/压力的变量将被定义。首先是Vc (I,T)，定义为车辆 数量，由队列区域时间T的方向指向i来确定，第一辆车到达确认标记时间T的方向i已经缩短为 CFVA(i,T).反之VC%(i,T)表示在即将到来的时间T内道路方向i车辆第一个队列区域被占用的比率。 当第一个车辆到达时是红灯，一个时间计数器将要记录第一个车辆在队列区域时间T的道路方向i的 等待时间。为了检测出紧急车辆的存在，两个变量被添加：车辆优先权LP(i,T)和特殊车辆标识LD(i,T),存在(LD=1)和不存在(LD=O)。两个变量用来集成目的；VNQB(i,T) 和(100% _ VTNN%(i,T)用来表示在时间T点的车辆占用。3.3.2图表决策块如图6所示，载荷计算的输出通过八个加权平价传递到下一个模块，该模块会根据图表来作出决 定。这个模块的主要功能是用来选择下一个相位哪两个路口将会变成绿灯。在这个模块内，命名为信号控制交叉口（SIG）的图表中将实体十字路口映入到其中，图表中， 每一条道路或方向都在图上以节点的形式来显示，用大写字母来命名。如图8中所示。根据交叉路口 的红绿灯规则，每一条道路都有超过四条道路或方向的交叉关系：这些用小写字母来表示。这些关 系都是双边关系，每一条关系的评价取决于方向和目标节点的比重。例如，万一下一阶段相位从节 点A到节点C，那时关系（a）依靠节点比重（节点C）的评价。然而，如果运动是从节点C到节点A, 那么关系（a）评价等于节点A的比重。图 8 信号交叉图如图9中所示，下一个相位绿灯决定过程从初始化每一个节点的临近列表开始。然后在前一个阶 段设定每条道路的计算比重然后在SIG中回应节点并且相应的计算关系评价。下一步是列出相邻的 列表成员中的两个一般绿灯节点列表中可用的全网点对点成对的节点。这代表着下一相位阶段组合 的全部可能性。但是，这里有一些不需要的组合；有些可能是重复的（不如CH和HC）或者分割的（AC 和BH）或者自己本身成对的（AA或BB等等）。这就是为什么这些组合不是下一相位阶段可能性需要 被考虑和被淘汰的原因。最后一步就是选择组合中比重较高的两个节点去作为下一阶段中的绿灯。Xfxr Crmi PhiiHc l.iuht Aliforithm1. IN IT Adjacent Node (Neighbor) List of:NtxlcAG C,F.G,11NixJeB-CD,E,HNodcC- A,B,EJ1Node B,E,F,GNode Ee BX.D,GNode 卜 A.D,G.HNodcG- A.D,E,FNodell-A.BXF2. SETA-Li(l,T), Be Lt (XT), g Lt(4.T) ,D- Lt (5,T), E- LT (?,T), F4- LT KJ ), G t llie available full-Mesh el enie nl-to-e le inc nt pairs from she iwo currently green s adjacent luxle lists.4. ELIMINATE the pair-to-itse If combinations.5. ELIMINATE the intersected lunavaikiblc) pairs.6. ELIMINATE ;my duplicated pairs.7. DECENDING SORT the rest ofthe pairs in the listS. SE I the first pnir o elemenls on Lhe list as the tiexl phase green lighls.图 9 新研究的下一相位绿灯决定算法3.3.3下一阶段时间决定模块在下一阶段两个交通绿灯决定后(这些指数是图6和10中的x,y)，是时候去计算绿灯将要保持 多长时间。这就是为什么，指数x和y作为输入去插入到下一相位时间决定模块去参与到计算中。在这个阶段，一份完整的循环时间将会被绘制作为X轴，另一份根据队列长度比重作为Y轴去做 一个交叉路口队列长度的总计。如图10所示，最初的两个模块被加入到计算中通过选择被认为是唯一的被需要的队列长度去提 高计算精度。这些队列长度的特征是：必须是等待在红绿灯停止线(不是移动的队列)，一般来说 是不是绿灯的时候，并且必须是十字路口的队列长度。计算后反映在图表中，时间评价的结果是： Tx(根据X道路需求的计算时间)和Ty(根据y道路需求的计算时间)。因为开发系统主要的目标是在道路 之间公正的分布时间，然后同时平均Tx和Ty去得到一个可以代表下一个相位时间的时间评价。aTy昭杠T iVCfLT)cfvaPt)CurrelNext GreenGreenLights x and yLightsFul CycleTimeNextPhaseTimeFull CycleTimeWT)VNR-xVCtxJ)2XSelectorBo5SerialMultiplexer andMutflpllerMultiplier 忤TPCFV帥T)Surns 訓 the input valuesvcTC(xTy DividerVC(xJ)/vcTC(x.n心询 u|Divider VCf(y,T)/ VCTC(yJ)Sums al the input valuesMultiplierMuibpllerSummer图 10 新研究的下一相位时间算法（内部结构）4 相位实施计划每当红绿灯控制器结束下一个阶段的两个决策后；下一相位阶段的绿灯和相位时间的相位计划将传递到放置在十字路口的交通信号灯显示实体来应用。一旦相位时间结束，交通信号灯触发器会根据新的一组数据做出新的相位计划。丸蛋订 拆“宅册卩I忖、4 I皿讯1. GET eudh dinxliun queue knglh (V(4. like first vehicles arrival Hag 阻珂讥 1血 two lurrnily Orirtrn diretEiwiiN1 IE Ki“ 仏7 i血 skcicd ncxr phaw? grctii lighb IDs CCjjiXisih 斷札Mhe sliUkhurd l:u Cytk Tinw2. DE l ERMIK sJiiihdimi询I queues tirv cvnftniied 皿Ihhc価hidVcr(i,T) K. Ibr vucli dircciioiLhicliwf ih iidjitcvnl queuvs. shiuikl be ttmisidcr inllw ntM pkic Linw hihl Mrthng Ihe m (The Nn-AJjiwHi or vunvnlly grwnJCkf ihcrttLO Zumrn；il：iaii id list resulLi in hicp 3.l ；y GA7rn & sn GM Tfffari t la 11G弘虫“务时/牝T)fitr / l阳/ /5. CALCll.A IEf lbzuh of the iam diFtviksrte；. ih di% i、i“n ulilie flkiMni dir-eciipi/s qiMriie knglit over the knal wmmmion f(-uikd Gr 山谢 Jirvctbn in step 4.VNR / VcHCki.T)VNROTieVdGw.T).畑gnft. ( AIAI LA IE, ibrLsvo dinxlions z hul ptrfnl 4 if the iJk ncxi 卩抽制 iimv.Wc%t_rTiase_Jimc& Average 心tm,( h?uj图 11 新研究的下一相位时间算法5 系统评估过程为了评估这个成熟的控制器的性能，首先计划使用 SIDRA 交叉模拟器。这是土木工程师通常使 用的标准模拟器；但是不幸的是它没有能力去支持定做一个十字路口红绿灯控制器。所以SIDRA十字 路口模拟器的模型被采用并且建设成一个MATLAB使用的模拟工具【21】；然后经过了验证通过和SIDRA 交叉模拟器对比。在定制的模拟工具的验证中，五个要求等级被应用通过五个使用相同的交通信号灯控制器分别 在SIDRA模拟器和发展后的模拟工具应用的案例研究。就像图12中看到的一样，两个模拟器的表现几 乎和对方完全相配（相似率93.3%）。图 12 自定义的模拟器工具与 SIRDA 交叉模拟器的比较验证结果在发展后的模拟工具验证后，它用来评估这个成熟的交通信号灯控制器。如图3所示，定制的模 拟器在单一的十字路口工作。评估的目的是比较新发展的控制器和现有的四种控制器的性能。两个基本的方法被选择：固定/ 时间相位阶段计划和全可动的阶段计划控制，分别命名为BM1和BM2。选择这两种方法的原因是因为 这是当前我们交通道路最常用的方法。本文中最有关的和最新的控制器【18】【19】我们分别命名 为NM1和NM2。在评估过程中，像先前所讲五种等级的要求被应用在五个控制器上（BM1, BM2, NM1，NM2和新 研发的控制器）设置在四桥臂十字路口。在一个实验中，所有的十字路路口桥臂在同一个仿真时间 内收到了相同等级的要求。五个要求等级是：超小（250车/小时/道路），小（375车/小时/道路）， 中等（750车/小时/道路），大（1125车/小时/道路），超大（1300车/小时/道路）。研发出的控制器接收一组输入元素：（1）要求等级和到达流量速率（预置）。（2）队列等待 时间（实时变化）。（3）队列（至少一辆车）已经在等待红灯（4）道路占有率（实时），代表着 整条道路车辆所占百分比多少（5）第一辆车到达标记（实时）（6）车辆类型（默认设置）（7）责 任标记（默认设置）（8）下一条道路占有率（默认设置）和（9）后面道路的比重（默认设置）。 一些因素作为默认指标因为它们仅仅适用于特殊情况。但是输出的模拟工具是八个元素：（1）离开/到达比率（测量），（2）最大队列长度（测量） （3）平均队列长度（测量），（4）最大排队等待时间（测量），（5）平均排队等待时间（测量） （6）给予的绿灯时间的利用（测量），（7）稳定性（观测）和整体性能指标（计算）。整体性能 指标元素将会在和以在点控为基础的等级制度帮助下对其余七个输出元素进行并列后，进行计算。 这个计算公式是第七项稳定性乘以前六项的和。这个等级评价代表着效率衰减规律。基本上这个基于点的等级制度方法通过给予大量的点去评 价能够使方法性能规则评价更加公正。每一个关于样本量的实验都被重复了很多次来保证置信水平到达95%。置信水平是主要是代表重 复做一个相同的实验时能得到相同结果的可能性的百分比。22这个实验是在置信水平95%下执行 的。置信水平可以使用公式（1）计算：(1)nNn =on + (N -1)0n代表有限总体中的样本尺寸，N代表总体，n0表示未知数整体中的样本尺寸，可以用公式（2） 表示：（Zb ）n0 二（ 0eZ是置信等级（95%状态下Z=1.96）, b是标准偏差，默认0.5, e代表边缘失败或可信之间的间 距， 95%置信等级下间距为5%（1-0.95=0.05）.表一 实验-1 的实验和分析结果（超小到达流量速率）参数BM1BM2NM1NM2DT3P离开-到达百分比98.52%98.52%98.54%98.54%99. 58%平均队列长度（VeH）6.766.762.089.712.12平均等待时间（Sec）85.3785.3318.62128.5417.86最大等待时间（Sec）99.2699. 3799.72189.9973.64最大队列长度（VeH）13.3313. 267.3816.916.5给予的绿灯时间的利用率0.38865160.388631150. 81784810.33374930.87195稳定性（1 ：是，0：否）11111表二 实验-2 的实验和分析结果（小到达流量速率）参数BM1BM2NM1NM2DT3P离开-到达百分比98.52%98.49%99.36%98.28%99.42%平均队列长度（VeH）10.1110.144. 3914.573.87平均等待时间（Sec）89.9489.9933.68133.3827.14最大等待时间（Sec）99.5199.52105.35183.3875.24最大队列长度（VeH）18.2318. 2511.223.169.9给予的绿灯时间的利用率0.5347320.53130730. 82574140.46939920.938666稳定性（1：是，0：否）11111表三 实验-3 的实验和分析结果（中等到达流量速率）参数BM1BM2NM1NM2DT3P离开-到达百分比70.16%70.18%92.13%69.26%68.76%平均队列长度（VeH）121.21120.939.18798.75185.49平均等待时间（Sec）98.8198.868.732511.09107.25最大等待时间（Sec）100.05100.13263.013348.13144.98最大队列长度（VeH）215.4214.99135.561065.38331.36给予的绿灯时间的利用率0.9899450.98993030. 99490380.926696510.998982稳定性（1：是，0：否）11001表四 实验-4 的实验和分析结果（大到达流量速率）参数BM1BM2NM1NM2DT3P离开-到达百分比67.32%67.14%61.88%69.26%68.76%平均队列长度（VeH）196.21198.73788.85798.75185.49平均等待时间（Sec）98.998.892386.542511.09107.25最大等待时间（Sec）100.45100.343182.063348.13144.98最大队列长度（VeH）347.5355.61051.81065.38331.36给予的绿灯时间的利用率0.9898040.9897790. 99490380.926696510.998982稳定性（1：是，0：否）11001表五 实验-5 的实验和分析结果（超大到达流量速率）参数BM1BM2NM1NM2DT3P离开-到达百分比58.34%58.34%53.59%60.50%59.32%平均队列长度（VeH）282.45282.85932.955941.265273.37平均等待时间（Sec）98.9398.9325982660.4105.16最大等待时间（Sec）100.56100.9334643547.2138.36最大队列长度（VeH）518.68525.511243.941255.02511.31给予的绿灯时间的利用率0.9914630.99140380. 99551820.926696510.999137稳定性（1：是，0：否）11001根据公式（1）公式（2）的计算结果，根据超小，小，中等，大，超大的等级要求，152,190,254,287 和297的样本的样品尺寸分别需要达到95%的置信水平。换句话讲，每一个实验需要去重复多次从有 效的模拟工具中获得每一个方案的样品尺寸都是公平的，结果都能达到95%的置信水平。6 实验结果五个实验所有的结果数据和分析结论都被总结编辑到了五个表格中（表格1-5），准备用来通过 基础要求等级制度来评价所有的性能。从超小的到达比率表T开始，到中等到达流量比率表-3,你可以看到NM1和DT3P最大队列等待长 度和最大等待时间相比于基本方法都能达到更好的结果。DT3P持续表现良好从第四到第五个实验， 如表-4和表-5所示；同时，NM1和NM2总体来看失去了稳定性，这就是为什么他们在大和超大等级上 的表现必须被忽略。从表T到表-5,可以看出在所有等级中DT3P比其他方法会使最大和平均队列长 度变得更好。不同于NM1和NM2, DT3P在中等等级的要求下，对最大等待时间影响很小的状态下，在 大和最大的到达比率下失去了控制达到了尖点。五个控制器所有的性能评价可以在图13中看出。可以很明显的看出，在大和超大的等级要求下 NM1和NM2都失去了稳定性。不同于NM2和NM1, BM1和BM2在最初的两个等级下表现更好。NM2最好的性 能表现是在中等等级要求下。在最小的等级下，DT3P在30点满分状态达到顶峰。所有的要求等级下, DT3P的表现都要好于其他的控制方法。BM1NM1NM2DT3PVS s M L VLArrival Flow Rate (VehVHour)图13 五个控制方法的整体表现7 总结在本文中红绿灯控制方法被介绍并且其计算方式被详细阐述。本文介绍了研发的动态红绿灯相 位计划协议（DT3P），该方法经过了测试并且与其他四种方法进行了比较（BMl, BM2, NM1, NM2）。 前两种方法是1970年研发出来的，目前在各个城市都能看到的基本方法。但是NM1和NM2都是在2010 年开发出来的。这个测试通过研究小组设计的定制模拟器运用Matlab程序并且使用SIDRA交叉模拟 器进行了确认。一系列的25个实验被进行（五个等级分别运用在五个控制器中）。根据一连串的计 算每个都被重复多次去达到95%的置信水平。通过比较，新研发的方法可以预先增加十字路口通过量 的情况下增加绿灯时间利用率并且减少平均和最大队列长度，它通过需求预估了最优化的平均和最 大队列等待时间。另一个发现是NM1和NM2运用在十字路口等级大和最大的情况下是不合格的。最终， DT3P在十字路口任何等级下的运用都是合格的。参考文献：1 Mueller Edward A.交通信号灯的历史面貌.电气与电子工程师协会 交通技术1971;VT-19(1):6-172 Ficklin NC. 半自动红绿灯控制. 交通工程, 交通工程师协会 1973;43(6)3 Sims AG, Dobinson KW. 悉尼调整的合适的红绿灯系统的观念和优点 . 电气与电子工程师协会 交通技术 5 月1980;VT- 29(2)4 Raymond Marcy. 道路交通监控设备来控制盒联系传信系统. 美国专利 No. 4390951, 1983-6.5 Sumner, Roy L. 针对车载式交通信号拥挤的消息传递系统. 美国专利 No. US0005182555A; 1993-1.Kwak DH, Oh YS.使用DSRC系统老进行车辆导航服务的方法和装置.美国专利No. US2002/0040270A1; 2001-4.7 Toyama M, Hamba N. 动态交通测量设置.松下电器 Co. Ltd., US Patent No. US005301239A;1994-4.Huang J, Florencio DA.检测和分析队列的制度和方法.NCR公司，美国专利 No. US006195121B1; 2001-2.9 Lee YS.控制车辆偏差的系统方法.美国专利 No. US2002019863A1; 2002-12.10 Higashikubo M, Itu Y. 通信拥挤测量方法和控制方法设置 . 佳有电气公司 , 美国专利 No. US006188778B1; 2001-2.11 Jun JS, Choi SH. 车辆队列长度测量方法和设置. 美国专利 No. US20030190058A1; 2003-10.12 Lee HC.红绿灯控制及信息传递设备.美国专利No. US006710722B2; March 2004.13 Li Q, Zheng N, Chong H. Springrobot -无人驾驶车模型及其道路探测方法电子与电气工程师协会交通技术 2004-12;5(4)14 Dresner K, Stone P. 交通交叉口的未来. 计算机科学部, 德克萨斯大学奥斯汀分校; 2006.15 Rahman MR. 交通控制方法. 英特尔公司, 美国专利 No. US006427113B1; July 2002.16 Arnold J. 交通导向系统. 三菱国际股份有限公司, 美国专利 No. US006418371B1; July 2002.17 Yin H, Wong SC, Xu J, Wong CK使用模糊理论来预计城市交通流量，帕加马，运输部C 2002;10:85-9818 Wu Lurong, Zhang Xiaorong, Shi Zhikai. 十字路口信号灯的智能模糊控制. 2010 第二次世界资源研究所智能系统 会议, 福州, 中国; 2010.19 Soh AC, Rhung LG Sarkan HM.多车道隔离十字路口的MATLAB模糊交通控制器仿真.(IJCSE) 2010;01(04)20 Akcelik & Associates Pty Ltd. SIDRA十字路口使用指南.SIDRA解决方案，澳大利亚;2011.21 MATLAB 和统计学. 数学工程, Inc., Natick, Massachusetts, United States; 2012b.22 Montgomery DC, Runger GC, Hubele NF.工程.统计学 4th ed. Wiley; 2007