CN103150911A - 基于遗传算法的单交叉口信号配时优化方法 - Google Patents

Abstract

本发明公开了一种基于遗传算法的单交叉口信号配时优化方法，包括：S1、输入摄像头采集的交通数据流；S2、建立初始种群，初始化第一代个体；S3、计算种群的适应度值；S4、判断是否达到种群迭代的最大值，若是，执行步骤S8，若否，执行步骤S5~S7；S5、采用轮盘赌选择方法，并施以最优保留策略；S6、采用算术交叉，产生出两个子代个体；S7、采用均匀变异，以变异概率来替换染色体中各个基因座上的基因值，并返回执行步骤S3；S8、停止运算，输出当前最优个体。本发明运用遗传算法对优化模型进行了求解，从而减少了车辆延误时间，提高了信号配时优化模型的鲁棒性。

Description

基于遗传算法的单交叉口信号配时优化方法

技术领域

本发明涉及数字图像处理技术领域，尤其涉及一种基于遗传算法的单交叉口信号配时优化方法。

背景技术

目前大多数城市的交通处于相当紧张的状态，交通拥堵已成为大城市突出的社会问题之一。交叉口是城市路网的节点，也是城市道路的瓶颈，它的畅通有利于提高整个城市路网的通行能力，缓解交通拥堵带来的危害。然而，城市交叉口中传统交通信号控制方法不能适应交通流波动问题。

城市中典型的四路、十字交叉路口的交通流分布如图1所示，交叉路口东、南、西、北四个方向的进口道路均分为三个车道，分别为左转车道、直行车道和右转车道。这是标准化的四路、十字交叉路口模型，实际路口中会做出相应的优化改进。为了保障交通流高效、安全地通过交叉路口，通常根据各方向各车道交通流的大小，可对交叉路口的交通流实行不同的相位控制方式。对于单交叉路口的信号控制来说，最常见的信号控制方式为四相位控制。

图2交叉路口在四相位控制方式下各交通流的通行权分配情况。在四相位控制方式中，第一相位南、北向进口道的直行和右转交通流通行；第二相位南、北向的左转交通流通行；第三相位东、西向的直行和右转交通流通行；第四相位南、北向的左转交通流通行。

首先交通信号控制的目标是尽量减小车辆通过交叉口的延误，且车辆平均延误也在很大程度上反映了交叉口的通行能力，设到达交叉口各个方向上的车辆是随机的，非拥挤交通流的车辆到达数服从泊松分布，拥挤交通流的车辆到达数服从二项分布。设一组数据流集合Ω={1,2,…,Φ}，每组数据k∈Ω，每组数据在数据集中的可能性为π^k，第i相位交通流

采用道路通行能力手册(HCM)中延迟估计方程计算车辆延误时间：

$d(q^k,C,g)=\frac{{\mathrm{\Σ}}_{i=1}^N[\frac{C{(1-{\mathrm{\λ}}_i)}^2{q}_i^k}{2(1-{\mathrm{\λ}}_i\min (1,x_i^k))}+900{\mathrm{Tq}}_i^k(x_i^k-1+\sqrt{{(x_i^k-1)}^2+\frac{{4x}^k}{c_i^T}})]}{{\mathrm{\Σ}}_{i=1}^N{q}_i^k}---\left(1\right)$

其中：d(q^k,C,g)表示每车的延迟时间，简化为d^k；

C表示周期长度；

g表示有效绿灯时间；

N表示相位数；

λ_i表示有效的饱和流率，λ_i＝g_i/C；

表示第i相位下饱和度，

T表示分析周期的持续时间；

c_i表示第i相位的通行量，c_i＝λ_is_i。

其次信号控制变量有如下三个约束条件

1、周期长度与相位绿灯时间

设l_i为第i个相位的损失时间，l_i一般设为3~5s。由于不考虑黄灯时间和相位间隔时间，则周期长度C与第i相位绿灯时间g_i有下列关系成立：

$C=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(g_i+l_i)---\left(2\right)$

2、信号周期

从实际信号控制的角度考虑，信号周期不能太短，否则会减低路口的通行效率，容易引起交通堵塞；同时信号周期也不能太长，否则不但会增大交通延误，而会引起等待通行的驾驶员和行人心理烦躁。因此，实际中信号周期长度必须满足下列关系:

C_min≤C≤C_max                        (3)

式中，C_min表示最小周期长度(s)；C_max表示最大周期长度(s)。

3、相位绿灯时间

对于信号控制的交叉路口，每个相位的绿灯持续时间不能过短，否则不能保证车辆安全通过交叉路口；也不能过长，否则会导致信号周期变长，增加车辆延误；实际控制中，相位时间必须满足下列关系:

g_min≤g_i≤g_max                         (4)

式中，g_min表示相位i的最小相位绿灯时间(s)；g_max表示相位i的最大相位绿灯时间(单位：秒)。

有鉴于此，有必要提供一种基于遗传算法的单交叉口信号配时优化方法以解决上述问题。

发明内容

本发明提出了一种基于遗传算法的单交叉口信号配时优化方法，该方法以车辆延误时间最短，和流量波动时车辆延误标准差最小为目标，运用非线性规划理论知识，以有效绿灯时间、周期长度为约束条件，优化定时信号配时参数，并且运用遗传算法对优化模型进行了求解，从而减少了车辆延误时间，提高了信号配时优化模型的鲁棒性。

为了实现上述目的，本发明实施案例提供的技术方案如下：

一种基于遗传算法的单交叉口信号配时优化方法，所述方法包括：

S1、输入摄像头采集的交通数据流；

S2、建立初始种群，初始化第一代个体；

S3、计算种群的适应度值；

S4、判断是否达到种群迭代的最大值，若是，执行步骤S8，若否，执行步骤S5~S7；

S5、采用轮盘赌选择方法，并施以最优保留策略；

S6、采用算术交叉，产生出两个子代个体；

S7、采用均匀变异，以变异概率来替换染色体中各个基因座上的基因值，并返回执行步骤S3；

S8、停止运算，输出当前最优个体。

作为本发明的进一步改进，所述步骤S2具体包括：

设置最大进化代数、种群规模数量、交叉概率、变异概率、有效绿灯时间最小值、有效绿灯时间最大值、周期长度最小值、以及周期长度最大值。

作为本发明的进一步改进，所述步骤S5包括：

判断当前代的最好适应度值是否比上一代的差，若是，用上一代的最好适应度值替代当前代的最差值，若否，当前代的适应度值保持不变；

判断当前代种群中的最优个体是否比上一代的最优个体好，若是，则最优解取当前代的最优个体，若否，用上一代最优个体取代当前代的最差个体。

作为本发明的进一步改进，所述步骤步骤S6具体为：

算术交叉产生一个0到1区间上服从均匀分布的一个随机数，以设定的交叉概率对两个父代个体进行线性组合产生两个新的个体。

作为本发明的进一步改进，所述步骤S7具体为：

均匀变异产生一个0到1区间上服从均匀分布的随机数，以设定的变异概率替换个体编码串中各基因座上的原有基因值。

作为本发明的进一步改进，所述步骤S1前还包括：

选取交叉口每个相位的绿灯时间为变量，寻找满足C_min≤C≤C_max、g_min≤g_i≤g_max的适应度函数的最小值，其中C为周期长度，i为相位，g_i为绿灯时间，l_i为第i个相位的损失时间，C_min为最小周期长度，C_max为最大周期长度，g_min为相位i的最小相位绿灯时间，g_max为相位i的最大相位绿灯时间。

本发明具有以下有益效果：

本发明克服了传统交通信号控制方法的不足，结合交叉口延误时间，建立交通信号控制的优化模型，通过该方法可以获得优化的、可合理分配的交通灯信号周期，能明显减少延误时间，提高交叉口通行能力，且具有更高的道路通行率。

附图说明

图1为单交叉口交通流的通行权分配情况图；

图2为交叉路口在四相位控制方式下各交通流的通行权分配情况图；

图3为本发明基于遗传算法的单交叉口信号配时优化方法的流程示意图；

图4为本发明一实施方式中镇江某十字路口交通流量比分布图。

具体实施方式

以下将结合附图所示的各实施方式对本发明进行详细描述。但这些实施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。

参图3所示，本发明的一实施方式中基于遗传算法的单交叉口信号配时优化方法具体包括：

S1、输入摄像头采集的交通数据流；

S2、建立初始种群，初始化第一代个体。具体包括设置最大进化代数、种群规模数量、交叉概率、变异概率、有效绿灯时间最小值、有效绿灯时间最大值、周期长度最小值、以及周期长度最大值，如在本实施方式中设置最大进化代数为100、种群规模数量为50、交叉概率为0.8、变异概率0.15、有效绿灯时间最小值为15秒、有效绿灯时间最大值为30秒、周期长度最小值为60秒、周期长度最大值为120秒；

S3、计算种群的适应度值，并利用新的适应度值标定方式对适应度值进行标定，实施最优个体保留，更新种群代数；

S4、判断是否达到种群迭代的最大值，若是，执行步骤S8，若否，执行步骤S5~S7；

S5、采用轮盘赌选择方法，并施以最优保留策略。判断当前代的最好适应度值是否比上一代的差，若是，用上一代的最好适应度值替代当前代的最差值，若否，当前代的适应度值保持不变；判断当前代种群中的最优个体是否比上一代的最优个体好，若是，则最优解取当前代的最优个体，若否，用上一代最优个体取代当前代的最差个体。选择好最好的适应度值后，执行步骤S6；

S6、采用算术交叉，产生出两个子代个体。算术交叉产生一个0到1区间上服从均匀分布的一个随机数，以设定的交叉概率对两个父代个体进行线性组合产生两个新的个体；

S7、采用均匀变异，以变异概率来替换染色体中各个基因座上的基因值，均匀变异产生一个0到1区间上服从均匀分布的随机数，以设定的变异概率替换个体编码串中各基因座上的原有基因值，然后返回执行步骤S3；

S8、停止运算，输出当前最优个体。

至此一个优化配时过程也就完成。

进一步地，步骤S1前还包括：

选取交叉口每个相位的绿灯时间为变量，寻找满足下述三个公式中适应度函数的最小值：

C为周期长度，i为相位，g_i为绿灯时间，l_i为第i个相位的损失时间；

C_min≤C≤C_max，C_min为最小周期长度，C_max表示最大周期长度；

g_min≤g_i≤g_max，g_min为相位i的最小相位绿灯时间，g_max表示相位i的最大相位绿灯时间。

在找到适应度函数的最小值后开始算法生成初始种群，经过选择、交叉和变异算子生成新的种群。

以镇江市某十字交叉路口为例进行分析。在该交叉路口全天24小时，每隔5min抽样对交通流进行采样，交通流数值图4所示：

由图4中可知，7：00-9：00和19：00-20：00的时段，交通流波动剧烈；4：00-6：00的时段，交通流波动平缓；其他时段交通流波动幅度时起时落。根据实测交通量，分别利用交通流均值和最大值，以韦伯斯特公式计算延误时间，建立平均交通流模型和最大交通流模型对交叉口进行信号配时，最终将三种交通信号配时方案进行对比。经过计算，三种交通配时控制方案(平均交通流方案、最大交通流方案、遗传算法优化方案)中配置参数(g1（s）、g2（s）、g3（s）、g4（s）、C（s）)，见表1。

表1：三种交通信号配时方案结果。

从表1中可以看出，遗传算法优化方案在周期长度指标上，与平均交通流方案相比有所下降，传统的交通流量方案的平均延误时间为32.6s,最大交通交通流量方案的延误时间为35.4s,遗传算法优化方案的延误时间为29.2s.原因主要是平均交通流模型的周期长度缩短了，其他指标均比平均交通流方案和最大交通流方案要略胜一筹；遗传算法优化方案在延误时间和延时方差指标上，要好于平均交通流方案和最大交通流方案。因此，当交通流量发生波动时，遗传算法优化方案能有效提高交通信号配时方案的稳定性，较少车辆延误时间，控制排队长度，降低交通拥堵。

由上述实施方式可以看出，本发明克服了传统交通信号控制方法的不足，结合交叉口延误时间，建立交通信号控制的优化模型，通过该方法可以获得优化的、可合理分配的交通灯信号周期，能明显减少延误时间，提高交叉口通行能力，且具有更高的道路通行率。

应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于遗传算法的单交叉口信号配时优化方法，其特征在于，所述方法包括：

S1、输入摄像头采集的交通数据流；

S2、建立初始种群，初始化第一代个体；

S3、计算种群的适应度值；

S4、判断是否达到种群迭代的最大值，若是，执行步骤S8，若否，执行步骤S5~S7；

S5、采用轮盘赌选择方法，并施以最优保留策略；

S6、采用算术交叉，产生出两个子代个体；

S7、采用均匀变异，以变异概率来替换染色体中各个基因座上的基因值，并返回执行步骤S3；

S8、停止运算，输出当前最优个体。

2.根据权利要求1所述的方法，其特征在于，所述步骤S2具体包括：

设置最大进化代数、种群规模数量、交叉概率、变异概率、有效绿灯时间最小值、有效绿灯时间最大值、周期长度最小值、以及周期长度最大值。

3.根据权利要求1所述的方法，其特征在于，所述步骤S5包括：

判断当前代的最好适应度值是否比上一代的差，若是，用上一代的最好适应度值替代当前代的最差值，若否，当前代的适应度值保持不变；

判断当前代种群中的最优个体是否比上一代的最优个体好，若是，则最优解取当前代的最优个体，若否，用上一代最优个体取代当前代的最差个体。

4.根据权利要求3所述的方法，其特征在于，所述步骤步骤S6具体为：

算术交叉产生一个0到1区间上服从均匀分布的一个随机数，以设定的交叉概率对两个父代个体进行线性组合产生两个新的个体。

5.根据权利要求4所述的方法，其特征在于，所述步骤S7具体为：

均匀变异产生一个0到1区间上服从均匀分布的随机数，以设定的变异概率替换个体编码串中各基因座上的原有基因值。

6.根据权利要求1所述的方法，其特征在于，所述步骤S1前还包括：

选取交叉口每个相位的绿灯时间为变量，寻找满足

C_min≤C≤C_max、g_min≤g_i≤g_max的适应度函数的最小值，其中C为周期长度，i为相位，g_i为绿灯时间，l_i为第i个相位的损失时间，C_min为最小周期长度，C_max为最大周期长度，g_min为相位i的最小相位绿灯时间，g_max为相位i的最大相位绿灯时间。

Images