CN104021686B - 一种多交叉口的交通协调控制方法 - Google Patents

Abstract

本发明是属于智能交通技术领域的一种多交叉口的交通协调控制方法。它包含以下内容：1）建立含混合交通流的交叉口交通控制模型；2）使用混沌差分进化算法对建立的含混合交通流的交叉口交通控制模型进行求解。本发明的有益效果为：1）考虑混合交通流的约束，更准确地反映交叉口的交通情况，使基于此制定的信号协调方案更加可靠；2）以车辆的最小延误、最少停车次数、最大通行能力为目标，从而最大程度地提高交通协调控制的有效性。本发明的基于混沌差分进化算法的含混合交通流的交叉口交通控制方法，能够很好地解决交叉口高维数、非线性、多约束的问题。

Description

一种多交叉口的交通协调控制方法

技术领域

本发明属于智能交通技术领域，特别涉及一种多交叉口的交通协调控制方法。

背景技术

城市交通的负荷主要由交通干线承担，干线的通畅与否直接影响整个城市区域交通是否能够平稳、安全地运行。而作为城市路网中的关键因素，提高城市干线的协调控制效果，减少干线上的交通延误和停车率，对改善整个城市交通状况具有重大意义。在过去的相当一段时间里，国家投入了大量的财力物力在发展基础建设上，然而城市里的可用空间资源越来越紧缺，建设成本也越来越高，通过新建道路设施来解决交通拥挤的方式已不大可行。所以，必须借助先进的、科学的交通设计与交通控制技术来提高道路通行能力。

城市道路网络的交通问题往往集中在交通节点上，这些交通节点包括交叉口、立交以及枢纽站场等，而交叉口的数量众多，所以城市的交通延误和交通事故大多都发生在交叉口。据统计，在城市交通路网中，车辆在交叉口耽误的时间占全程时间的31%，在交叉口发生的交通事故占城市交通事故总量的60%以上，因此，科学有效地对交叉口进行交通控制成为保障城市交通安全与畅通的关键。

如图1所示，主干线是东西方向的道路，次干线则是南北方向的道路。于东西相位行驶的车流通过干线上所有的交叉口时，获得连续的绿灯放行信号，由此，车流形成了两条“绿波带”，且因为东西方向的车流方向相反，因此东西绿波带也被称为“双向绿波”。所以当控制交通灯为第一相位时，往往交叉道的左转车流只需一个出口接受车道，而与出口到对应的主干道的进口直行车道都为红灯等待状态，这就造成了道路资源的浪费，降低了主干道的通行能力，因此需要改进交叉口的交通控制方法。

发明内容

本发明的目的在于提出一种基于混沌差分进化算法的含混合交通流的交叉口交通控制方法。

一种多交叉口的交通协调控制方法，包括以下步骤：

1）建立交叉口交通协调控制模型:

2)利用非机动车与机动车的换算系数对交叉口交通控制模型进行优化,具体步骤如下：

A、建立目标函数 ， 目标函数由最少延误、最少停车次数、最大通行能力三个目标组合而成，其中，为第相位车辆产生的平均延误，为平均停车次数，为通行能力，为目标交叉口的相位数；、、 为加权系数；

B、建立第相位车辆产生的平均延误表达式：，其中：为信号周期，为第相位的绿信比，为第相位有效的绿灯时长，为第相位车流量和饱和流量的比值，为饱和流量，为固定值；q_i 为第i相位车流量；

C、建立第相位车辆产生的对应平均停车次数表达式：，其中：为信号周期；为第相位的绿信比，为第相位有效的绿灯时长，为第相位车流量和饱和流量的比值；

D、建立第相位车辆产生的对应通行能力表达式：，为信号周期，为第相位的绿信比，为第相位有效的绿灯时长，为饱和流量，为固定值；

E、建立左转自行车换算系数表达式： ，其中：为一左转非机动车对直行机动车产生干扰导致的延误时长，为进道口的机动车车头时距，的表达式为：，其中，为左转非机动车流量；建立目标函数的加权系数表达式：，其中，为第相位车流量和饱和流量的比值，为饱和流量， 为交叉口的全部流量比，为左转自行车换算系数；建立目标函数F_min的加权系数表达式：，其中，为信号周期；建立目标函数的加权系数表达式：；

F、将步骤E）、、的表达式分别代入步骤A）的目标函数F_min的右端，得到改进后的目标函数表达式：；

2)使用混沌差分进化算法对步骤1）所建立的含混合交通流的交叉口交通控制进行求解，输出最优调度方案。

进一步地，所述步骤2)具体包括以下步骤：

A、建立差分进化变异策略DE/rand –to- best/Pbest，具体表达式如下：

式中：为随机基向量； X_it为第i个个体在t代的取值，是第代种群的最优解，表示从第个个体于第代前产生的变异个体、试验个体和父代个体之中比较并选择得出的历史最优解；

该差分进化变异策略中将引入变异操作中，用与当前所得解的差值向量作为新的差分向量，使目标个体更快地向更优的方向进化；

B、基于适应度调节的控制参数动态调整：采取参数自适应调整方法，即根据种群个体优劣差异和进化代数进行个体的动态自适应调整；

式中：W_min、W_max、K_min、K_max、F_min、F_max、G _R,min、G _R,max为预先给定的常数， G为最大迭代次数，是预先给定的正整数；为第代种群中第个个体的适应度值，和分别为第代种群中个体的适应度值的上限和下限，各个参数的变化范围分别为，，和；

C、采用混沌差分进化算法求解交叉口交通协调控制问题：进行参数设置；初始化种群；评估个体适应度函数，找出最优个体；执行步骤2的步骤A和步骤2的步骤B，调整缩放因子和交叉概率；实施变异、交叉操作，生成试验种群；评估试验种群中的个体适应度函数；实施选择操作，生成新的父代种群，并更新最优个体；判断是否满足迭代条件，若不满足迭代条件，重新执行步骤2的步骤B，实现实时在线调整缩放因子和交叉概率；若满足迭代条件，则输出最优调度方案。

本发明的有益效果为：1）更准确地反映交叉口的交通情况， 使基于此制定的信号协调方案更加可靠；2）考虑混合交通流的约束，从而达到贴合实际的要求；3）以车辆的最小延误、最少停车、最大通行能力为目标，从而最大程度上保障协调控制的有效性。本发明的基于混沌差分进化算法的含混合交通流的交叉口交通控制方法，能够很好地解决交叉口高维数、非线性、多约束的问题，并且能够克服标准差分进化算法易陷入局部收敛和早熟的缺点。

附图说明

图1为干线交叉口系统和车辆示意图。

图2是采用混沌差分进化算法求解交叉口间交通控制问题流程图。

具体实施方式

下面结合附图对本发明作进一步说明：

本发明的基于混沌差分进化算法的一种多交叉口的交通协调控制方法包括新变异策略和自适应的控制参数动态调整。

一种多交叉口的交通协调控制方法，包括以下步骤：

步骤1）建立交叉口交通协调控制模型:

A、建立目标函数， 目标函数由最少延误、最少停车次数、最大通行能力三个目标组合而成，其中，为第相位车辆产生的平均延误，为平均停车次数，为通行能力，为目标交叉口的相位数；、、 为加权系数；

B、建立第相位车辆产生的平均延误表达式：，其中：为信号周期，为第相位的绿信比，为第相位有效的绿灯时长，为第相位车流量和饱和流量的比值，为饱和流量，为固定值；q_i 为第i相位车流量；

C、建立第相位车辆产生的对应平均停车次数表达式：，其中：为信号周期；为第相位的绿信比，为第相位有效的绿灯时长，为第相位车流量和饱和流量的比值；

D、建立第相位车辆产生的对应通行能力表达式：，为信号周期，为第相位的绿信比，为第相位有效的绿灯时长，为饱和流量，为固定值；

E、建立左转自行车换算系数表达式： ，其中：为一左转非机动车对直行机动车产生干扰导致的延误时长，为进道口的机动车车头时距，的表达式为：，其中，为左转非机动车流量；建立目标函数的加权系数表达式：，其中，为第相位车流量和饱和流量的比值，为饱和流量，为交叉口的全部流量比 ，为左转自行车换算系数；建立目标函数F_min的加权系数表达式：，其中，为信号周期；建立目标函数的加权系数表达式：；

F、将步骤E）、、的表达式分别代入步骤A）的目标函数F_min的右端，得到改进后的目标函数表达式：；

步骤2：使用混沌差分进化算法对步骤1）所建立的含混合交通流的交叉口交通控制进行求解，输出最优调度方案，具体包括以下步骤：

A、进化算法的开发能力和探索能力需要进行慎重权衡，加强前者可以提高搜索效率，而加强后者，则可以提高算法可靠性，但是二者不可以同时加强，存在并且存在一定矛盾。为了达到平衡，选取基向量时进行随机选择的，这样可以更好使种群保持优良的多样性。基于此，为了增加搜索效率，以种群中的优秀个体（最优解等）作为指导，以搜索优秀解个体所在区域的方向。在上述理论基础上，继而提出新的差分进化变异策略，其具体形式如下所示。

式中：为随机基向量； X_it为第i个个体在t代的取值，是第代种群的最优解，表示从第个个体于第代前产生的变异个体、试验个体（即交叉后个体）和父代个体之中比较并选择得出的历史最优解。

该差分进化变异策略中将引入变异操作中，用与当前所得解的差值向量作为新的差分向量，使目标个体更快地向更优的方向进化。与此同时，以当前种群的最优解可以加强个体的局部搜索能力，并且通过随机选择，既可以保证种群多样性，又可以算法防止陷入局部最优。

B、采取参数自适应调整方法，即根据种群个体优劣差异和进化代数进行个体的动态自适应调整，可以有助于算法达到最佳性能；

式中：W_min、W_max、K_min、K_max、F_min、F_max、G _R,min、G _R,max为预先给定的常数， G为最大迭代次数，是预先给定的正整数；为第代种群中第个个体的适应度值，和分别为第代种群中个体的适应度值的上限和下限，各个参数的变化范围分别为，，和。以上所有参数在进行调整的同时也考虑了个体适应度值以及进化代数的影响，因此在自身取值范围内，可以进行动态自适应变化，无需任何人为干预以及先验知识。

C、如图2所示，使用混沌差分进化算法对所建立的交叉口交通协调控制进行求解：

进行参数设置，如定干线模型的主要参数：交叉口间距，干线上下行饱和流，，干线上下行交通流，交叉口车辆行驶平均速度，干线公共周期等；执行步骤2的步骤A和步骤2的步骤B得到得到初始化种群；评估个体适应度函数，找出最优个体；执行步骤2的步骤C，实现实时在线调整参数、、、；实施变异、交叉操作，生成试验种群；评估试验种群中的个体适应度函数；实施选择操作，生成新的父代种群，并更新最优个体；判断是否满足迭代条件，若不满足迭代条件，重新执行步骤2的步骤C，实现实时在线调整缩放因子和交叉概率；假设种群中某最优个体的适应度值，在连续后代的计算中变化依然小于0.0001时，算法停止。另外，在计算过程中，假设算法迭代次数已经超过设定的最大值，算法也停止。则输出最优调度方案。

以上所述是本专利的优选实施方式而已，当然不能以此来限定本专利之权利范围，应当指出，对于本技术领域的普通技术人员来说，对本专利的技术方案进行修改或者等同替换，都不脱离本专利技术方案的保护范围。

Claims (2)

1.一种多交叉口的交通协调控制方法，其特征在于，它包括以下步骤：

步骤1）利用非机动车与机动车的换算系数对交叉口交通控制模型进行优化,具体步骤如下：

A、建立目标函数， 目标函数由最少延误、最少停车次数、最大通行能力三个目标组合而成，其中，为第相位车辆产生的平均延误，为平均停车次数，为通行能力，为目标交叉口的相位数；、、 为加权系数；

B、建立第相位车辆产生的平均延误表达式：，其中：为信号周期，为第相位的绿信比，为第相位有效的绿灯时长，为第相位车流量和饱和流量的比值，为饱和流量，为固定值；q_i 为第i相位车流量；

C、建立第相位车辆产生的对应平均停车次数表达式：，其中：为信号周期；为第相位的绿信比，为第相位有效的绿灯时长，为第相位车流量和饱和流量的比值；

D、建立第相位车辆产生的对应通行能力表达式：，为信号周期，为第相位的绿信比，为第相位有效的绿灯时长，为饱和流量，为固定值；

E、建立左转自行车换算系数表达式： ，其中：为一左转非机动车对直行机动车产生干扰导致的延误时长，为进道口的机动车车头时距，的表达式为：，其中，为左转非机动车流量；建立目标函数的加权系数表达式：，其中，为第相位车流量和饱和流量的比值，为饱和流量， 为交叉口的全部流量比，为左转自行车换算系数；建立目标函数F_min的加权系数表达式：，其中，为信号周期；建立目标函数的加权系数表达式：；

F、将步骤E）、、的表达式分别代入步骤A）的目标函数F_min的右端，得到改进后的目标函数表达式：；

步骤2）使用混沌差分进化算法对步骤1）所建立的含混合交通流的交叉口交通控制进行求解，输出最优调度方案。

2.根据权利要求1所述的一种多交叉口的交通协调控制方法 ，其特征在于,所述步骤2)具体包括以下步骤：

A、建立差分进化变异策略DE/rand –to- best/Pbest，具体表达式如下：

式中：为随机基向量； X_it为第i个个体在t代的取值，是第代种群的最优解，表示从第个个体于第代前产生的变异个体、试验个体和父代个体之中比较并选择得出的历史最优解；

该差分进化变异策略中将引入变异操作中，用与当前所得解的差值向量作为新的差分向量，使目标个体更快地向更优的方向进化；

B、基于适应度调节的控制参数动态调整：采取参数自适应调整方法，即根据种群个体优劣差异和进化代数进行个体的动态自适应调整；

式中：W_min、W_max、K_min、K_max、F_min、F_max、G _R,min、G _R,max为预先给定的常数，G为最大迭代次数，是预先给定的正整数；为第代种群中第个个体的适应度值，和分别为第代种群中个体的适应度值的上限和下限，各个参数的变化范围分别为，，和；

C、采用混沌差分进化算法求解交叉口交通协调控制问题：进行参数设置；初始化种群；评估个体适应度函数，找出最优个体；执行步骤2的步骤A和步骤2的步骤B，调整缩放因子和交叉概率；实施变异、交叉操作，生成试验种群；评估试验种群中的个体适应度函数；实施选择操作，生成新的父代种群，并更新最优个体；判断是否满足迭代条件，若不满足迭代条件，重新执行步骤2的步骤B，实现实时在线调整缩放因子和交叉概率；若满足迭代条件，则输出最优调度方案。