CN105788302B - 一种双目标优化的城市交通信号灯动态配时方法 - Google Patents

Abstract

本发明公开了一种双目标优化的城市交通信号灯动态配时方法，该方法具体包括以下步骤：初步指定交叉路口的绿信比、最大绿灯时间、最小绿灯时间以及信号周期T，并指定转换步长B；在给定的信号周期T下，依据相位依次开启交叉路口的绿灯信号；实时监测交叉路口的交通数据并计算交叉路口绿灯相位车辆排队长度p和下一绿灯相位的车辆排队长度q，由模糊逻辑控制器实时调整交叉路口各相位的绿信比u；计算交叉路口的交通流量，由周期优化控制器确定下一阶段的信号周期值T’和各相位的绿灯时长gei’。本发明能够有效减少平均停车次数和平均延误时间，提高道路交通通行效率，使得交通控制系统的控制更加合理，从根本上缓解交通拥堵现象。

Description

一种双目标优化的城市交通信号灯动态配时方法

技术领域

本发明涉及交通信号控制技术领域，特别是一种交通信号灯的动态配时方法。

背景技术

随着社会经济的不断发展，城市交通拥堵问题日益严重。交通系统是典型的复杂系统，由城市交通设施和参与者之间共同作用，具有复杂性、不确定性、时变性以及非线性等特点，难以用数学模型进行描述，从而使得现有的城市交通控制系统无法对信号灯进行实时有效的调节与控制。特别是作为城市交通网络中重要组成部分的交叉路口，成为了城市交通拥挤的主要发生地，单点交叉路口交通信号控制占城市交叉路口的90％以上，即使未来能够实现线控和面控，然而在线控和面控不能覆盖的区域还会有大量独立控制的交叉路口存在，因此解决城市交通问题的关键在于如何合理、有效地控制单点交叉路口的交通情况。

发明内容

本发明需要解决的技术问题是提供一种能够根据实时交通信息对交通信号灯指示状态进行调节的交通控制系统动态配时方法。

为解决上述技术问题，本发明所采取的技术方案如下。

一种双目标优化的城市交通信号灯动态配时方法，该方法具体包括以下步骤：

A.根据某段时间内的实际交通情况，初步指定交叉路口的绿信比、最大绿灯时间、最小绿灯时间以及信号周期T，并指定转换步长B，令B＝0；

B.在给定的信号周期T下，依据相位依次开启交叉路口的绿灯信号；

C.在交叉路口安装智能检测终端实时监测交叉路口的交通数据，并计算交叉路口绿灯相位车辆排队长度p和下一绿灯相位的车辆排队长度q，由模糊逻辑控制器实时调整交叉路口各相位的绿信比u；

D.令B＝B+1，若B＜T，则进行步骤C，否则进行步骤E；

E.计算交叉路口的交通流量，由基于混沌搜索和反馈策略的改进人工鱼群算法的周期优化控制器确定下一阶段的信号周期值T’和各相位的绿灯时长g_ei’；

F.运行步骤B至E。

上述双目标优化的城市交通信号灯动态配时方法，步骤C中所述模糊逻辑控制器包括以下处理步骤：

C1.将输入精确量转换为模糊控制器的输入模糊量P、Q，输入精确量为当前交叉路口绿灯相位车辆排队长度p以及下一绿灯相位车辆排队长度q；

C2.根据输入模糊量以及相应的模糊规则进行推理，获得模糊控制量U；

C3.将推理所得的模糊量U进行去模糊处理，转化成可以被执行机构所实现的精确值u。

上述双目标优化的城市交通信号灯动态配时方法，步骤C1所述模糊控制器的输入模糊量根据式一和式二计算获得：

式中：

k_p为当前交叉路口绿灯相位车辆排队长度的量化因子，p_H为当前交叉路口绿灯相位车辆排队长度的高限值，p_L为当前交叉路口绿灯相位车辆排队长度的低限值；k_q为下一绿灯相位车辆排队长度的量化因子，q_H为下一绿灯相位车辆排队长度的高限值，q_L下一绿灯相位车辆排队长度的低限值。

上述双目标优化的城市交通信号灯动态配时方法，步骤C2中所述的模糊规则为：

上述双目标优化的城市交通信号灯动态配时方法，步骤C3中所述精确值u通过式三计算获得：

式中：

k_u为比例因子，u_H为绿信比的高限值，u_L为绿信比的低限值。

上述双目标优化的城市交通信号灯动态配时方法，步骤E中所述周期优化控制器包括以下处理步骤：

E1.初始化算法，包括人工鱼在有效区间的位置、种群规模Total、步长Step、视野Visual、反馈概率P_fb、反馈概率的衰减因子以及算法迭代次数IT；并根据各路口的排队长度预测并给出新的周期时长C，同时确定绿灯时间g_ei配时条件；

E2.计算所有人工鱼的适应度值，将最优的人工鱼信息计入公告牌；

E3.人工鱼执行觅食行为、追尾行为和聚群行为，然后对执行所得的结果进行评价，若执行后的状态优于当前状态，则人工鱼向此优良状态方向前进一步，然后跳转到E5；

E4.产生一个随机数Rand()，若Rand()小于反馈概率P_fb，则人工鱼执行随机行为，否则执行反馈行为；

E5.最优人工鱼执行混沌搜索；

E6.更新公告牌；

E7.更新反馈概率

E8.若满足算法终止条件，则停止算法运行输出最终算得的新周期T’和各相位的绿灯时长g_ei’，否则返回E3。

上述双目标优化的城市交通信号灯动态配时方法，步骤E2中的适应度函数按式四计算：

其中，d_i为第i个相位的平均延误时间，h_i为第i相位的车辆平均停车次数，i为相位。

上述双目标优化的城市交通信号灯动态配时方法，式四中所述交叉口车辆平均延误d为一致性延误d_u和随机延误d_r的和；所述一致性延误d_u为车辆到达率为常数的延误，按式五计算获得；随机延误d_r为车辆到达率不一致产生的延误，按式六计算获得：

式中：d_i为第i个相位的平均延误时间；d_ui为第i个相位的平均一致性延误时间；d_ri为第i个相位的平均随机延误时间；C为周期时长，单位为s；g_ei为第i个相位有效绿灯时长，单位为s；q_ij为第i个相位第j个进口道的实际到达的当量交通量，单位为pcu·h^-1；y_ij为第i个相位第j个进口道的流量比；x_ij为第i个相位第j个进口道的饱和度。

上述双目标优化的城市交通信号灯动态配时方法，式四中车辆平均停车次数为h_i按式七计算获得：

式中，h_i为第i相位的车辆平均停车次数，i为相位，j为进口道，y_ij为第i个相位第j个进口道的流量比。

上述双目标优化的城市交通信号灯动态配时方法，步骤E5中所述混沌搜索的具体步骤为：

E51.令k＝0，利用式八将第j维决策变量映射为混沌变量

式中，g_max，ej为决策变量的最大值，g_min，ej为决策变量的最小值；

E52.利用混沌映射在的基础上产生下一代混沌变量

E53.利用式九将混沌变量映射为决策变量

E54.评价新的决策变量的优劣；

E55.若新的决策变量优于则输出作为混沌搜索的局部搜索的结果，否则令k＝k+1，返回步骤E52。

由于采用了以上技术方案，本发明所取得技术进步如下。

本发明充分考虑了交通流和信号灯控制的动态特性，建立了适用于单点交叉路口交通信号控制器的方法，应用于交通控制系统中，解决了现有交通控制系统无法根据实时交通信息对交通信号灯指示状态进行调节的问题，通过对比仿真实验证实该方法明显优于传统定时信号控制方法，能够有效减少平均停车次数和平均延误时间，提高道路交通通行效率，使得交通控制系统的控制更加合理，从根本上缓解交通拥堵现象。

附图说明

图1为本发明的结构示意图；

图2为本发明的流程图。

具体实施方式

下面将结合附图和具体实施例对本发明进行进一步详细说明。

单点交叉路口的交通灯信号配时方案主要是调整交叉路口信号灯的信号周期和绿信比，以达到安全有序地疏导交通流、减少车辆在交叉路口的延误时间和停车次数的目的。但是要注意的是，某一信号相位绿信比的增加虽然提高了该相位的通行能力，却会降低该交叉路口的其它信号相位的通行能力，对整个交叉路口的通行能力的影响是有限的，所以只有合理平衡分配各相位的绿信比，才能提高整个交叉路口的通行能力。同样，过短的信号周期容易造成道路交通指挥过于频繁交替，无法确保车流顺利通过交叉路口，造成交叉路口的利用率下降；而过长的交叉口信号周期导致绿灯的利用率降低，损失时间增多，而且行人和车辆等待时间比较久，整体延误时间都会增加。

一种双目标优化的城市交通信号灯动态配时方法，该方法的流程图如图2所示，具体包括以下步骤：

A.根据某段时间内的实际交通情况，初步指定交叉路口的绿信比、最大绿灯时间、最小绿灯时间以及信号周期T，并指定转换步长B，令B＝0。

B.在给定的信号周期T下，依据相位依次开启交叉路口的绿灯信号。

C.在交叉路口安装智能检测终端实时监测交叉路口的交通数据，并计算交叉路口绿灯相位车辆排队长度p和下一绿灯相位的车辆排队长度q，由模糊逻辑控制器实时调整交叉路口各相位的绿信比u。

模糊逻辑控制器包括以下处理步骤：

C1.将输入精确量转换为模糊控制器的输入模糊量P、Q，输入精确量为当前交叉路口绿灯相位车辆排队长度p以及下一绿灯相位车辆排队长度q。

量化因子k_p、k_q和比例因子k_u用来实现从连续域到有限整数离散域的转换；假设在实际中p的连续取值范围是[0,100]，其中0为低限值(p_L)，100为高限值(p_H)。则：

同理可以确定k_q和k_u(其中q的取值范围是[0,100]，u的取值范围是[-8,8])可分别确定如下：

在确定了变化因子和比例因子之后，输入精确量p和q可以通过下式转换为模糊控制器的输入模糊量P和Q:

式中<>代表取整运算，k_p为当前交叉路口绿灯相位车辆排队长度的量化因子，p_H为当前交叉路口绿灯相位车辆排队长度的高限值，p_L为当前交叉路口绿灯相位车辆排队长度的低限值；k_q为下一绿灯相位车辆排队长度的量化因子，q_H为下一绿灯相位车辆排队长度的高限值，q_L下一绿灯相位车辆排队长度的低限值。

C2.根据输入模糊量以及相应的模糊规则进行推理，获得模糊控制量U。

模糊规则为：

例如，以2s为一个单位时长对交通灯进行各相位绿信比的实时调控，根据输入模糊量以及规则库的模糊规则可以得出：当P＝PB，Q＝NB时，U＝PB，即当前相位绿灯时间延长8s，下一相位绿灯时长减少8s；当P＝PS，Q＝NB时，U＝PM，即当前相位绿灯时间延长6s，下一相位绿灯时长减少6s；当P＝PS，Q＝NS时，U＝PL，即当前相位绿灯时间延长4s，下一相位绿灯时长减少4s；当P＝Z，Q＝NS时，U＝PS，即当前相位绿灯时间延长2s，下一相位绿灯时长减少2s；当P＝Q＝Z时，U＝0，维持当前状态；当P＝NS，Q＝Z时，U＝NS，即当前相位绿灯时间减少2s，下一相位绿灯时长延长2s；当P＝NS，Q＝NM时，U＝NL，即当前相位绿灯时间减少4s，下一相位绿灯时长延长4s；当P＝NB，Q＝PS时，U＝NM，即当前相位绿灯时间减少6s，下一相位绿灯时长延长6s；当P＝NB，Q＝PB时，U＝NB，即当前相位绿灯时间减少8s，下一相位绿灯时长延长8s。具体增加/减少的单位时长可以根据不同路口的交通状况进行初始设定。

C3.将推理所得的模糊量U进行去模糊处理，通过式三转化成可以被执行机构所实现的精确值u。

式中：

k_u为比例因子，u_H为绿信比的高限值，u_L为绿信比的低限值。

D.令B＝B+1，若B＜T，则进行步骤C，否则进行步骤E。

E.计算交叉路口的交通流量，由基于混沌搜索和反馈策略的改进人工鱼群算法的周期优化控制器确定下一阶段的信号周期值T’和各相位的绿灯时长g_ei’。

具体步骤E包括以下步骤。

E1.初始化算法，包括人工鱼在有效区间的位置、种群规模Total、步长Step、视野Visual、反馈概率P_fb、反馈概率的衰减因子以及算法迭代次数IT；并根据各路口的排队长度预测并给出新的周期时长C，同时确定绿灯时间g_ei的配时条件。

其中，人工鱼在有效区间的位置是指由各相位有效绿灯时长g_ei在坐标系中构成的有效的点的位置。

周期时长C应该适应路况信息而变化，但周期的变化不是任意的，根据实际路口通行安全和司机等待的忍耐程度，对四相位控制来说，一般设40<C<120，单位为秒。对每一个相位的绿灯时间g_ei来说，它们的下限(考虑行人过马路的安全)规定为10秒，因此，每一相位的配时必须满足下面的条件：

10<g_ei<C-30，其中i＝1、2、3、4。

E2.计算所有人工鱼的适应度值，将最优的人工鱼信息计入公告牌，最优的人工鱼信息包括其行为、所在位置、绿灯时长g_ei和周期时长C等信息。

上述适应度函数按式四计算：

其中，d_i为第i个相位的平均延误时间，h_i为第i相位的车辆平均停车次数，i为相位。

本发明中，交叉口车辆平均延误d为一致性延误d_u和随机延误d_r的和，即d_i＝d_ui+d_ri。一致性延误d_u为车辆到达率为常数的延误，按式五计算获得；随机延误d_r为车辆到达率不一致产生的延误，按式六计算获得：

式中：d_i为第i个相位的平均延误时间；d_ui为第i个相位的平均一致性延误时间；d_ri为第i个相位的平均随机延误时间；C为周期时长，单位为s；g_ei为第i个相位有效绿灯时长，单位为s；q_ij为第i个相位第j个进口道的实际到达的当量交通量，单位为pcu·h^-1；y_ij为第i个相位第j个进口道的流量比；x_ij为第i个相位第j个进口道的饱和度。

故一个周期内交叉口的车辆平均延误时间为各相位延误的加权平均值为：

车辆平均停车次数为h_i按式七计算获得：

式中，h_i为第i相位的车辆平均停车次数，i为相位，j为进口道，y_ij为第i个相位第j个进口道的流量比。

故一个周期内交叉口的车辆平均停车次数为各相位停车次数的加权平均值：

E3.人工鱼执行觅食行为、追尾行为和聚群行为，然后对执行所得的结果进行评价，若执行后的状态优于当前状态，则人工鱼向此优良状态方向前进一步，然后跳转到E5。

E4.产生一个随机数Rand()，若Rand()小于反馈概率P_fb，则人工鱼执行随机行为，否则执行反馈行为。

人工鱼的移动策略为：人工鱼以概率P_fb执行随机行为，以概率1-P_fb执行上面新定义的反馈行为。优化过程开始时赋予一个较大的数值，随着优化过程的进行P_fb按下式线性减小：

式中，为反馈概率的衰减因子。

这样，在优化的前期，随机行为将会得到更多执行的机会，而在优化的后期，反馈行为将会得到更多的执行机会。从而使得改进人工鱼群算法不仅能保证算法的全局收敛性而且能保证收敛的精度和效率。

E5.最优人工鱼执行混沌搜索。

本发明中，混沌搜索的具体步骤为：

E51.令k＝0，利用式八将第j维决策变量映射为混沌变量

式中，g_max，ej为决策变量的最大值，g_min，ej为决策变量的最小值。

E52.利用混沌映射在的基础上产生下一代混沌变量。

本步骤中的混沌映射有很多映射方法，本发明选择的是Logistic映射，Logistic映射的迭代方程如下：

Z(k+1)＝μ·Z(k)·[1-Z(k)]

式中，μ为控制参数。

E53.利用式九将混沌变量映射为决策变量

E54.评价新的决策变量的优劣。

E55.若新的决策变量优于则输出作为混沌搜索的局部搜索的结果，为了简化计算，令否则令k＝k+1，返回步骤E52。

E6.更新公告牌。将此时最优的绿灯时长g_ei和周期时长C等信息计入公告牌。

E7.更新反馈概率

E8.若满足算法终止条件，则停止算法运行输出最终算得的新周期T’和各相位的绿灯时长g_ei’，否则返回E3。

当迭代次数达到预设值IT时(例如迭代次数IT＝500)，算法终止，输出此时最优的新周期值T’(T’＝C)和各相位的绿灯时长g_ei’。

F.运行步骤B至E。

Claims (10)

1.一种双目标优化的城市交通信号灯动态配时方法，其特征在于，该方法具体包括以下步骤：

A.根据某段时间内的实际交通情况，初步指定交叉路口的绿信比、最大绿灯时间、最小绿灯时间以及信号周期T，并指定转换步长B，令B＝0；

B.在给定的信号周期T下，依据相位依次开启交叉路口的绿灯信号；

C.在交叉路口安装智能检测终端实时监测交叉路口的交通数据，并计算交叉路口绿灯相位车辆排队长度p和下一绿灯相位的车辆排队长度q，由模糊逻辑控制器实时调整交叉路口各相位的绿信比u；

D.令B＝B+1，若B＜T，则进行步骤C，否则进行步骤E；

E.计算交叉路口的交通流量，由基于混沌搜索和反馈策略的改进人工鱼群算法的周期优化控制器确定下一阶段的信号周期值T’和各相位的绿灯时长g_ei’；

F.运行步骤B至E。

2.根据权利要求1所述的一种双目标优化的城市交通信号灯动态配时方法，其特征在于，步骤C中所述模糊逻辑控制器包括以下处理步骤：

C1.将输入精确量转换为模糊控制器的输入模糊量P、Q，输入精确量为当前交叉路口绿灯相位车辆排队长度p以及下一绿灯相位车辆排队长度q；

C2.根据输入模糊量以及相应的模糊规则进行推理，获得模糊控制量U；

C3.将推理所得的模糊量U进行去模糊处理，转化成可以被执行机构所实现的精确值u。

3.根据权利要求2所述的一种双目标优化的城市交通信号灯动态配时方法，其特征在于，步骤C1所述模糊控制器的输入模糊量根据式一和式二计算获得：

式中：

k_p为当前交叉路口绿灯相位车辆排队长度的量化因子，p_H为当前交叉路口绿灯相位车辆排队长度的高限值，p_L为当前交叉路口绿灯相位车辆排队长度的低限值；k_q为下一绿灯相位车辆排队长度的量化因子，q_H为下一绿灯相位车辆排队长度的高限值，q_L下一绿灯相位车辆排队长度的低限值。

4.根据权利要求3所述的一种双目标优化的城市交通信号灯动态配时方法，其特征在于，步骤C2中所述的模糊规则为：

5.根据权利要求4所述的一种双目标优化的城市交通信号灯动态配时方法，其特征在于，步骤C3中所述精确值u通过式三计算获得：

式中：

k_u为比例因子，U_H为绿信比的高限值，u_L为绿信比的低限值。

6.根据权利要求1所述的一种双目标优化的城市交通信号灯动态配时方法，其特征在于，步骤E中所述周期优化控制器包括以下处理步骤：

E1.初始化算法，包括人工鱼在有效区间的位置、种群规模Total、步长Step、视野Visual、反馈概率P_fb、反馈概率的衰减因子以及算法迭代次数IT；并根据各路口的排队长度预测并给出新的周期时长C，同时确定绿灯时间g_ei配时条件；

E2.计算所有人工鱼的适应度值，将最优的人工鱼信息计入公告牌；

E3.人工鱼执行觅食行为、追尾行为和聚群行为，然后对执行所得的结果进行评价，若执行后的状态优于当前状态，则人工鱼向此优良状态方向前进一步，然后跳转到E5；

E4.产生一个随机数Rand()，若Rand()小于反馈概率P_fb，则人工鱼执行随机行为，否则执行反馈行为；

E5.最优人工鱼执行混沌搜索；

E6.更新公告牌；

E7.更新反馈概率

E8.若满足算法终止条件，则停止算法运行输出最终算得的新周期T’和各相位的绿灯时长g_ei’，否则返回E3。

7.根据权利要求6所述的一种双目标优化的城市交通信号灯动态配时方法，其特征在于，步骤E2中的适应度函数按式四计算：

其中，d_i为第i个相位的平均延误时间，h_i为第i相位的车辆平均停车次数，i为相位。

8.根据权利要求7所述的一种双目标优化的城市交通信号灯动态配时方法，其特征在于，式四中所述交叉路口车辆平均延误d为一致性延误d_u和随机延误d_r的和；所述一致性延误d_u为车辆到达率为常数的延误，按式五计算获得；随机延误d_r为车辆到达率不一致产生的延误，按式六计算获得：

式中：d_i为第i个相位的平均延误时间；d_ui为第i个相位的平均一致性延误时间；d_ri为第i个相位的平均随机延误时间；C为周期时长，单位为s；g_ei为第i个相位有效绿灯时长，单位为s；q_ij为第i个相位第j个进口道的实际到达的当量交通量，单位为pcu·h^-1；y_ij为第i个相位第j个进口道的流量比；x_ij为第i个相位第j个进口道的饱和度。

9.根据权利要求7所述的一种双目标优化的城市交通信号灯动态配时方法，其特征在于，式四中车辆平均停车次数为h_i按式七计算获得：

式中，h_i为第i相位的车辆平均停车次数，i为相位，j为进口道，y_ij为第i个相位第j个进口道的流量比。

10.根据权利要求6所述的一种双目标优化的城市交通信号灯动态配时方法，其特征在于，步骤E5中，所述混沌搜索的具体步骤为：

E51.令k＝0，利用式八将第j维决策变量映射为混沌变量

式中，g_max，ej为决策变量的最大值，g_min，ej为决策变量的最小值；

E52.利用混沌映射在的基础上产生下一代混沌变量

E53.利用式九将混沌变量映射为决策变量

E54.评价新的决策变量的优劣；

E55.若新的决策变量优于则输出作为混沌搜索的局部搜索的结果，否则令k＝k+1，返回步骤E52。