CN113034899B - 一种信控交叉口协调优化控制方法及系统 - Google Patents

一种信控交叉口协调优化控制方法及系统 Download PDF

Info

Publication number
CN113034899B
CN113034899B CN202110234511.XA CN202110234511A CN113034899B CN 113034899 B CN113034899 B CN 113034899B CN 202110234511 A CN202110234511 A CN 202110234511A CN 113034899 B CN113034899 B CN 113034899B
Authority
CN
China
Prior art keywords
intersection
phase
vehicle
timing scheme
signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN202110234511.XA
Other languages
English (en)
Other versions
CN113034899A (zh
Inventor
邹难
杨坤鸿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN202110234511.XA priority Critical patent/CN113034899B/zh
Publication of CN113034899A publication Critical patent/CN113034899A/zh
Application granted granted Critical
Publication of CN113034899B publication Critical patent/CN113034899B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本公开提供了一种信控交叉口协调优化控制方法及系统，包括：获取当前信号配时方案，获取预设时间段内的交叉口的交通数据；根据配时方案和交通数据构建多目标非线性整数规划模型，以配时方案中车均延误时间最小化为优化目标建立目标函数；建立自适应改进进化算法，所述目标函数作为自适应改进进化算法的适应度值；根据自适应改进进化算法对多目标非线性整数规划模型求解，得到最优的交叉口配时方案并用作实际路口信号配时方案；可以有效减少交叉口平均车辆延误、排队长度、减少CO排放量以及增加交叉口范围内车辆通行能力，对于城市主干道，交叉口中存在同相位不同流量间的流量分布不均衡，该方法在这种常发情况下优化效果更明显。

Description

一种信控交叉口协调优化控制方法及系统
技术领域
本公开属于城市智能交通系统的技术领域，涉及利用卡口交通数据及道路条件对不同交通状态下的信控交叉口的信号配时自适应调优的方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成现有技术。
国民经济持续发展带动了交通运输蓬勃发展，由于城市基础设施发展速度及不上交通需求增长速度，交通供需矛盾日益突出。城市交叉口作为拥堵常发及交通流关键节点，当存在道路条件约束时，提高交叉口的运行效率是一种既经济又快速缓解交通问题的有效手段。通过合理分配交叉口及其相关道路的时空资源条件，能进而提高整个路网的运行效率，这就需要一种有效的交叉口自适应信号配时优化方案。
目前国内外对配时优化方案研究大多数基于单环相位结构进行，但是当同一相位不同流向车流量不均衡时，会浪费大量交叉口时空资源，即使在此基础上进行信号配时优化，也会造成利用率下降。
发明内容
为了解决上述问题，本公开提供了一种信控交叉口协调优化控制方法及系统，快速发展的城市交通主干道，当与次干道等流量差异过大的道路相接时，本方法采用NEMA双环配时方案进行自适应优化，可以有效解决流向不均衡引发的一系列交通及环境污染问题。
第一方面，本公开提供了一种信控交叉口协调优化控制方法，包括：
获取当前信号配时方案，获取预设时间段内的交叉口的交通数据；
根据配时方案和交通数据构建多目标非线性整数规划模型，以配时方案中车均延误时间最小化为优化目标建立目标函数；
建立自适应改进进化算法，所述目标函数作为自适应改进进化算法的适应度值；根据自适应改进进化算法对多目标非线性整数规划模型求解，得到最优的交叉口配时方案并用作实际路口信号配时方案。
第二方面，本公开提供了一种信控交叉口协调优化控制系统，包括：
数据采集模块，被配置为获取当前信号配时方案，获取预设时间段内的交叉口的交通数据；
规划模型建立模块，被配置为根据配时方案和交通数据构建多目标非线性整数规划模型，以配时方案中车均延误时间最小化为优化目标建立目标函数；
配时方案获取模块，被配置为建立自适应改进进化算法，所述目标函数作为自适应改进进化算法的适应度值；根据自适应改进进化算法对多目标非线性整数规划模型求解，得到最优的交叉口配时方案并用作实际路口信号配时方案。
第三方面，本公开提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成如第一方面所述的信控交叉口协调优化控制方法。
第四方面，本公开提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成如第一方面所述的信控交叉口协调优化控制方法。
与现有技术对比，本公开具备以下有益效果：
1、针对当前城市交叉口交通运行效率低下，本公开一种基于自适应进化算法的信控交叉口协调优化控制方法，所提方法包括建立多非线性整数规划模型和采用改进的自适应进化算法求解。模型建立包括基于各进口道车流量数据进行交通需求修正，在双环相位方案的基础上建立多约束条件的多目标信号优化模型；改进的自适应进化算法求解采用真值编码，利于生成非劣解，跳出局部最优。解决了当同一相位不同流向车流量不均衡时，会浪费大量交叉口时空资源，即使在此基础上进行信号配时优化，也会造成利用率下降问题。
2、该方法中双环信号配时优化模型的优化效果优于在传统单环相位结构基础上的模型，可以有效减少交叉口平均车辆延误、排队长度、减少CO排放量以及增加交叉口范围内车辆通行能力。
3、对于城市主干道，交叉口中存在同相位不同流量间的流量分布不均衡，该方法在这种常发情况下优化效果更明显。
4、在评判方法效果优劣时，不以总延误为唯一评价指标，结合交通、人文、环境三方面，从道路饱和度、排队长度及停车次数、CO排放量等三方面综合考虑交叉口信号配时对进口道车辆的优劣程度。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1是本公开的信控交叉口协调优化控制方法的流程图；
图2是本公开基于自适应进化算法进行信控交叉口协调优化控制方法的具体流程示意图；
图3是本公开中采用的信号配时时序结构图；
图4是本公开中所采集到的卡口实际交通数据示例；
图5是本公开中方法所应用交叉口道路条件及初始信号配时示例。
具体实施方式：
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例1
如图1所示，一种信控交叉口协调优化控制方法，包括：
步骤(1)，获取当前信号配时方案，获取预设时间段内的交叉口的交通数据；
步骤(2)，根据配时方案和交通数据构建多目标非线性整数规划模型，以配时方案中车均延误时间最小化为优化目标建立目标函数；
步骤(3)建立自适应改进进化算法，所述目标函数作为自适应改进进化算法的适应度值；根据自适应改进进化算法对多目标非线性整数规划模型求解，得到最优的交叉口配时方案并用作实际路口信号配时方案。
进一步的，获取当前信号配时方案，获取预设时间段内的交叉口的交通数据步骤包括：建立交叉口当前信号配时方案、道路条件及各相位车流量数据表。
具体的，根据卡口检测器获取交叉口各个进口道各相位的车流量，实地调查获得信号配时方案及对应绿灯时长
Figure BDA0002960125590000051
tg,i表示流向i上的绿灯时长，i∈H，通常|H|＝8。pk表示相位k的绿灯持续时长，单环四相位时k＝4，双环结构时取k＝8。获取相对应绿信比及关键车道流量比。因为在现实交叉口中，右转车辆不受信号灯节制，是以疏忽右转车流影响。在本方法中根据相位对应流量进行绿时分配，周期及绿灯时长受车道宽度、交叉口大小约束。如下式为信号配时计划表示。
MT＝f(P,y,r) (I)
进一步的，所述根据配时方案和交通数据构建多目标非线性整数规划模型步骤包括:确定NEMA双环八相相位方案；
根据进口道交通需求量的大小分配NEMA双环八相相位方案中各方向绿灯时长；
根据道路实时交通状态来建立目标函数，以信号配时方案中内各个相位的平均车辆延误的加权平均值即车均延误时间最小化为优化目标，建立目标函数
F1：
Figure BDA0002960125590000052
确定多目标非线性整数规划模型的约束条件，获得多目标非线性整数规划模型。
具体的，NEMA双环八相信号时序结构图如2所示。
给定方向向量H，|H|为信号交叉口流向数。整个信号周期内所有流向的信号状态矩阵MT如以下表示，Xt为时刻t时所有流向的交通信号状态矢量，
Figure BDA0002960125590000061
xi,t为时刻t处方向i的交通信号状态值，
MT＝{X1,X2,…,Xt…,XT} (II)
在NEMA双环信号相位结构中，相位组合更加灵活，每个环包含四个相位，分为两个阶段的两个环上相位存在分隔线，使得一个阶段中的所有相位必须在另一阶段中的任何相位开始之前终止。在同阶段内，环内部自助运转，任意调整同环、同阶段内的相位时序和时长不会与其他相位产生冲突。
根据各相位信号时序参数计算每个流向组最小和最大时长。如果某一相位没有需求，则根据最小绿灯时长约束，使得
Figure BDA0002960125590000062
Figure BDA0002960125590000063
其中，p:相位编号r：环的编号j：阶段的编号，
Figure BDA0002960125590000064
分别为阶段j的最小、最大时长，Lp,r为r环中相位p的损失时间。
根据进口道交通需求量的大小分配各方向绿灯时长。
由于交通需求量由当前相位车流量及对应车道初始队列决定，避免周期波动性，取K个周期数据平均值。
Figure BDA0002960125590000065
其中，Dm(n)为进口车道m在第n个信号周期内交通需求，veh；Ng,m(n)为进口车道m在第n个信号周期的绿色相位期间通过的车辆数，veh；Lr,m(n)为红色相位开始时进口车道m的初始队列长度，m；Lv为平均车头间距，m/veh；
Figure BDA0002960125590000071
表示车道m在第n个周期时前K个周期的平均交通需求量，veh；
Figure BDA0002960125590000072
表示车道m在第n个周期时前K个周期的平均预估车头时距，
Figure BDA0002960125590000073
根据交叉口进口道交通需求量和对应平均车头时距计算所需绿色相位时长，选取进口道相同相位车道中所需绿灯时长的最大值作为该方向所需绿灯时长。相位i的最大交通流所需绿灯时长tg,i(n)为：
Figure BDA0002960125590000074
该流向的绿灯时长应等于有效绿灯时长和损失时间之和，即tg,m＝tge,m+lm，ΔN为绿色相位开始时车辆启动耗时，一般取2～3辆车；LR,m(n)为进口道m在第n个周期开始前停止线后队列长度。
根据道路实时交通状态来建立目标函数。
建立以车均延误最小、碳排放量最少、通行能力最大化的多目标非线性整数规划模型。
当路口处于低饱和度的平峰时期。
此时仅考虑排队长度，无法体现交叉口的通行效率，这些指标可以通过车辆延误来反映。以信号配时方案中内各个相位的平均车辆延误的加权平均值即车均延误时间最小化为优化目标，通过建立目标函数F1：
Figure BDA0002960125590000081
Figure BDA0002960125590000082
为信号方案阶段j环r中的相位p流向每辆车的平均延误时间，为一个周期内该流向经过的每辆车的延误时间之和除以经过的车辆数，s/pcu,
Figure BDA0002960125590000083
Figure BDA0002960125590000084
分别为上下游交叉口在信号方案阶段j环r中的相位p流向中经过的车辆数，
Figure BDA0002960125590000085
di为第i辆车经过交叉口的延误时长，s；p:相位编号r：环的编号j：阶段的编号；
Figure BDA0002960125590000086
为上游交叉口阶段j环r中的相位p流向的车流量，veh/h
当路口处于过饱和或临界饱和状态时，即通勤高峰期。
信号优化可以通过提高交叉口通行能力，进而降低拥堵扩散的风险。此时以交叉口通行能力最大化为优化目标，避免产生下游路段溢流堵塞等现象。在这里需要考虑相邻两个交叉口中所有车道的通行能力，当xi≥0.9时，建立以下目标函数为：
Figure BDA0002960125590000087
其中，CAPA为交叉口的的通行能力，pch/h,为相位i的饱和流量，s/pcu,gi为相位i的绿灯时长,mi为相位i的车道数
CO排放计算
车辆在交叉口的CO排放主要由两部分组成，一部分是车辆减速情况的排放，另一部分是车辆通过交叉口进口道路段区域时的排放。CO排放总量采取以下计算方式：
Figure BDA0002960125590000091
其中，
Figure BDA0002960125590000092
为第i相位车辆在行驶过程中的CO排放因子，取
Figure BDA0002960125590000093
Figure BDA0002960125590000094
Figure BDA0002960125590000095
为第i相位车辆在怠速过程中的CO排放因子，取
Figure BDA0002960125590000096
Li为该相位车辆的行驶路段长度。
考虑两个相邻交叉口及路段交通状态，相邻交叉口信号协调优化目标函数如下：
Figure BDA0002960125590000097
确定约束条件。
周期长度束缚为Cmin≤C≤Cmax，绿灯时长约束为tg,k(n)∈N*、及
Figure BDA0002960125590000098
车道饱和度约束为Xmin≤Xn≤Xmax；NEMA双环八相环束缚为g1,1,1+g2,1,1＝g1,2,1+g2,2,1和g1,1,2+g2,1,2＝g1,2,2+g2,2,2，其中gp,rj为阶段j环r中相位p的绿灯时长。
进一步的，建立自适应改进进化算法步骤包括，在满足模型约束的可行域内随机产生初始父代群体G，并将种群中的个体染色体采用实数编码；
计算染色体的适应度，根据多目标非线性整数规划模型的目标函数，计算并保存当前周期目标函数值，作为进化算法所采用的适应度值，并确定是否达到最大进化代数；
若满足最大进化代数，输出最优解及其对应适应度值，得到交叉口最佳配时方案，用作实际路口信号配时方案；
若不满足最大进化代数则执行，利用随机联赛选择法对初始群体P根据适应度值实行选择操作，个体适应度值之间进行比较，选取较大值遗传给下一代种群，反复n次产生中间过渡群体Pmid；
使用自适应交叉率对群体Pmid进行单点交叉，产生新群体Pc(t)；
对群体Pc进行非均匀变异操作，应用自修改变异几率产生新群体Pm；
利用最优保存策略对群体Pm中染色体进行选择，裁剪当前群体中最差染色体，保留进化过程中的最优个体，保证当前最优个体不会被交叉、变异等遗传运算损坏，产生下一代群体P_NEW，并跳转到计算染色体的适应度，并确定是否达到最大进化代数；
具体的，改进的自适应进化算法构建步骤如下：
Step1
在满足模型约束的可行域内随机产生初始父代群体G，并将种群中的个体染色体采用实数编码。由于二进制及格雷编码不适合相等约束条件，且为了提高进化算法的运算效力，是以采取实数编码。
Step2
计算染色体的适应度，并确定是否达到最大进化代数。若满足该条件，输出最优解及其对应适应度值，得到交叉口最佳配时方案，用作实际路口信号配时方案；否则进行step3。适应度函数定义为：
Figure BDA0002960125590000101
Step3
利用随机联赛选择法对初始群体P根据适应度值实行选择操作，个体适应度值之间进行比较，选取较大值遗传给下一代种群，反复n次产生中间过渡群体Pmid。
Step4
使用自适应交叉率对群体Pmid进行单点交叉，产生新群体Pc(t)
Figure BDA0002960125590000111
式中：Hc为交叉概率，Hcmax和Hcmin为交叉概率的上限和下限，favg和fmax保存迄今为止最大和平均适应度值，f′为两个交叉染色体中适应度较大者，A为常数。
Step5
对群体Pc进行非均匀变异操作，应用自修改变异几率产生新群体Pm。例如，g＝(g1,g2,…,gk,…,g8),其中gk为变异点，tgmin≤gk≤tgmax,则新的基因值g′k由下式决定：
Figure BDA0002960125590000112
式中：O(t,y)表示[0,y]范围内符合非均匀分布的一个随机数，
Figure BDA0002960125590000113
Figure BDA0002960125590000114
r为[0,1]范围内符合均匀概率分布的一个随机数。
为了防止早熟现象发生，变异算子采用自适应的变异概率，变异概率公式为：
Figure BDA0002960125590000121
式中：Pm为变异概率，Hmmax和Hmmin为自修改变异概率的上限和下限
Step6
利用最优保存策略对群体Pm中染色体进行选择，裁剪当前群体中最差染色体，保留进化过程中的最优个体，保证当前最优个体不会被交叉、变异等遗传运算损坏，产生下一代群体P_NEW，并跳转到Step2。
进一步的，还包括步骤(4)VISSIM实例仿真及信号调优，根据方法所应用的交叉口渠化图，搭建VISSIM实例仿真模型，进行VISSIM仿真，采用PYTHON对COM进行二次开发。为避免周期频繁变化引起的交通流数据紊乱，模型仿真中断时刻由所需采集数据自拟定周期时长确定。根据上述多约束的自适应进化控制方法得出的非劣解，对仿真模型中交叉口信号配时进行调整调优。等待下一次仿真中断时，获取交叉口评价所获取的流量、延误时间等结果，重复步骤(2)到步骤(4)，进行下一轮信号调优。
实施例2
本公开还提供了一种信控交叉口协调优化控制系统，包括：
数据采集模块，被配置为获取当前信号配时方案，获取预设时间段内的交叉口的交通数据；
规划模型建立模块，被配置为根据配时方案和交通数据构建多目标非线性整数规划模型，以配时方案中车均延误时间最小化为优化目标建立目标函数；
配时方案获取模块，被配置为建立自适应改进进化算法，所述目标函数作为自适应改进进化算法的适应度值；根据自适应改进进化算法对多目标非线性整数规划模型求解，得到最优的交叉口配时方案并用作实际路口信号配时方案。
进一步的，所述数据采集模块、规划模型建立模块和配时方案获取模块所被配置的具体方式分别对应上述实施例中所述的信控交叉口协调优化控制方法的具体步骤。
进一步的，还包括仿真模块，被配置为VISSIM实例仿真及信号调优，根据方法所应用的交叉口渠化图，搭建VISSIM实例仿真模型，进行VISSIM仿真，采用PYTHON对COM进行二次开发。为避免周期频繁变化引起的交通流数据紊乱，模型仿真中断时刻由所需采集数据自拟定周期时长确定。根据上述多约束的自适应进化控制方法得出的非劣解，对仿真模型中交叉口信号配时进行调整调优。等待下一次仿真中断时，获取交叉口评价所获取的流量、延误时间等结果，重复步骤(2)到步骤(4)，进行下一轮信号调优。
实施例3
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成如上述实施例中所述的信控交叉口协调优化控制方法。
实施例4
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成如上述实施例中所述的信控交叉口协调优化控制方法。
实施例5
本公开还提供了基于自适应进化算法的信控交叉口协调优化控制方法，如图1所示。本实例实施地点为济南市某十字交叉口数据进行分析展示，如图2所示，该路口存在八个方向，四个进口道的车流量数据，分析时间为2016年7月15日，分析时段为早高峰期间(6:30～9:30),共包含车牌识别数据1.1754万条数据，各流向车道流量数据如图3，包括卡口编号、统计时间、车道编号、车道方向、统计流量等字段。包括步骤如下：
(1)获取各相位流量及信号配时方案
该实例初始配时方案为单环相位时序方案，道路条件参数如图4，忽略右转车流。其中相位2和6为阶段A,相位1和5为阶段B，相位4和8为阶段C，相位3和7为阶段D。如图4.其中黄灯时间y＝3s，信号时序计划P＝{116,34,31,29}，则，整个信号周期T＝220s。如图4所示。
各个相位的车流量为q1＝160qcu/h，q2＝1960qcu/h，q4＝302qcu/h，q5＝278qcu/h，q6＝2010qcu/h，q7＝104qcu/h，q8＝271qcu/h
(2)根据步骤二提出的多目标非线性整数规划模型，计算并保存当前周期目标函数值，作为步骤三进化算法所采用的适应度值。确定多个约束条件约束，根据各相位关键车道车流量分配该相位绿灯时长，校验各相位绿灯配时及周期总时长是否满足约束条件，且车道饱和度不应超过最大值。
(3)根据步骤三提出的自适应改进进化算法对模型进行求解，首先生成10个染色体作为初始种群，每个染色体由八个基因组成，采取实数编码，则每个基因代表该相位绿灯时长，交叉、变异均在基因基础上进行操作。根据步骤二计算的目标函数作为适应度值，采用联赛选择法对染色体个体之间适应度值进行比较，保留适应度值较大者到新的种群Pmid。对Pmid中染色体进行单点交叉和非均匀变异，交换两个染色体部分基因，对单个染色体上随机点进行基因变异，生成新的种群Pm。利用最优保存策略裁剪Pm群体中最差染色体，保留进化过程中的最优染色体，保证当前最优个体不会被交叉、变异等遗传运算损坏，产生下一代群体P_NEW，确定是否达到最大进化代数。若到达设置的最大进化代数，输出最优解及其对应适应度值，得到交叉口最佳配时方案，用作实际路口信号配时方案。
(4)根据交叉口渠化图，搭建VISSIM实例仿真模型，采用PYTHON对COM进行二次开发。为避免周期频繁变化引起的交通流数据紊乱，模型仿真中断时刻由5个周期时长确定。根据上述多约束的自适应进化控制方法得出的非劣解，对仿真模型中交叉口信号配时进行调整调优。等待下一次仿真中断时，获取交叉口评价所获取的流量、延误时间等结果，重复步骤二和三，进行下一轮信号调优。
(5)结果分析。与交叉口应用原有信号配时方案进行对比，采用本方法所获得的最优配时，交叉口平均延误由40.23s降低至35.65s，降低了11.38％；车均停车次数由1.75降低至1.47，降低了16.00％；平均排队长度由39.7m降低至30.3m,降低了23.61％。说明该方法后该交叉口的通行效益存在提升。
综上所述，本实施例通过应用多目标非线性整数规划模型，能够识对不同交通状态下的交叉口进行信号配时优化，有利于减少车流拥堵、减排节能。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (10)

1.一种信控交叉口协调优化控制方法，其特征在于，包括：
获取当前信号配时方案，获取预设时间段内的交叉口的交通数据；
根据配时方案和交通数据构建多目标非线性整数规划模型；
建立自适应改进进化算法，目标函数作为自适应改进进化算法的适应度值；根据自适应改进进化算法对多目标非线性整数规划模型求解，得到最优的交叉口配时方案并用作实际路口信号配时方案；
建立以车均延误最小、碳排放量最少、通行能力最大化的多目标非线性整数规划模型，以信号配时方案中各个相位的平均车辆延误的加权平均值即车均延误时间最小化为优化目标，建立目标函数F1：
Figure FDA0003739094250000011
Figure FDA0003739094250000012
为信号方案阶段j环r中的相位p流向每辆车的平均延误时间，为一个周期内该流向经过的每辆车的延误时间之和除以经过的车辆数，s/pcu,
Figure FDA0003739094250000013
Figure FDA0003739094250000014
分别为上下游交叉口在信号方案阶段j环r中的相位p流向中经过的车辆数，
Figure FDA0003739094250000015
di为第i辆车经过交叉口的延误时长，s；p:相位编号r：环的编号j：阶段的编号；
Figure FDA0003739094250000016
为上游交叉口阶段j环r中的相位p流向的车流量，veh/h；
以交叉口通行能力最大化为优化目标，避免产生下游路段溢流堵塞；考虑相邻两个交叉口中所有车道的通行能力，当xi≥0.9时，建立以下目标函数为：
Figure FDA0003739094250000017
其中，CAPA为交叉口的通行能力，pch/h,si为相位i的饱和流量，s/pcu,λi为相位i的绿灯时长,mi为相位i的车道数；
车辆在交叉口的CO排放主要由两部分组成，一部分是车辆减速情况的排放，另一部分是车辆通过交叉口进口道路段区域时的排放；CO排放总量采取以下计算方式：
Figure FDA0003739094250000021
其中，
Figure FDA0003739094250000022
为第i相位车辆在行驶过程中的CO排放因子，取
Figure FDA0003739094250000023
Figure FDA0003739094250000024
Figure FDA0003739094250000025
为第i相位车辆在减速过程中的CO排放因子，取
Figure FDA0003739094250000026
Figure FDA0003739094250000027
Li为该相位车辆的行驶路段长度；
适应度函数定义为：
Figure FDA0003739094250000028
2.如权利要求1所述的信控交叉口协调优化控制方法，其特征在于，获取当前信号配时方案，获取预设时间段内的交叉口的交通数据步骤包括：建立交叉口当前信号配时方案、道路条件及各相位车流量数据表。
3.如权利要求1所述的信控交叉口协调优化控制方法，其特征在于，所述根据配时方案和交通数据构建多目标非线性整数规划模型步骤包括:确定NEMA双环八相相位方案；根据进口道交通需求量的大小分配NEMA双环八相相位方案中各方向绿灯时长。
4.如权利要求3所述的信控交叉口协调优化控制方法，其特征在于，还包括根据道路实时交通状态来建立目标函数，所述目标函数以信号配时方案中内各个相位的平均车辆延误的加权平均值即车均延误时间最小化为优化目标；确定多目标非线性整数规划模型的约束条件，获得多目标非线性整数规划模型。
5.如权利要求1所述的信控交叉口协调优化控制方法，其特征在于，建立自适应改进进化算法步骤包括，在满足模型约束的可行域内随机产生初始父代群体G，并将种群中的个体染色体采用实数编码；计算染色体的适应度，并确定是否达到最大进化代数；若满足最大进化代数，输出最优解及其对应适应度值，得到交叉口最佳配时方案，用作实际路口信号配时方案。
6.如权利要求5所述的信控交叉口协调优化控制方法，其特征在于，若不满足最大进化代数则执行，利用随机联赛选择法对初始群体P根据适应度值实行选择操作，个体适应度值之间进行比较，选取较大值遗传给下一代种群，反复n次产生中间过渡群体Pmid；
使用自适应交叉率对群体Pmid进行单点交叉，产生新群体Pc(t)；
对群体Pc进行非均匀变异操作，应用自修改变异几率产生新群体Pm；
利用最优保存策略对群体Pm中染色体进行选择，产生下一代群体P_NEW。
7.如权利要求6所述的信控交叉口协调优化控制方法，其特征在于，利用最优保存策略对群体Pm中染色体进行选择步骤包括，裁剪当前群体中最差染色体，保留进化过程中的最优个体，产生下一代群体P_NEW；并跳转到计算染色体的适应度，并确定是否达到最大进化代数。
8.一种信控交叉口协调优化控制系统，其特征在于，包括：
数据采集模块，被配置为获取当前信号配时方案，获取预设时间段内的交叉口的交通数据；
规划模型建立模块，被配置为根据配时方案和交通数据构建多目标非线性整数规划模型；
配时方案获取模块，被配置为建立自适应改进进化算法，目标函数作为自适应改进进化算法的适应度值；根据自适应改进进化算法对多目标非线性整数规划模型求解，得到最优的交叉口配时方案并用作实际路口信号配时方案；
建立以车均延误最小、碳排放量最少、通行能力最大化的多目标非线性整数规划模型，以信号配时方案中各个相位的平均车辆延误的加权平均值即车均延误时间最小化为优化目标，建立目标函数F1：
Figure FDA0003739094250000041
Figure FDA0003739094250000042
为信号方案阶段j环r中的相位p流向每辆车的平均延误时间，为一个周期内该流向经过的每辆车的延误时间之和除以经过的车辆数，s/pcu,
Figure FDA0003739094250000043
Figure FDA0003739094250000044
分别为上下游交叉口在信号方案阶段j环r中的相位p流向中经过的车辆数，
Figure FDA0003739094250000045
di为第i辆车经过交叉口的延误时长，s；p:相位编号r：环的编号j：阶段的编号；
Figure FDA0003739094250000046
为上游交叉口阶段j环r中的相位p流向的车流量，veh/h；
以交叉口通行能力最大化为优化目标，避免产生下游路段溢流堵塞；考虑相邻两个交叉口中所有车道的通行能力，当xi≥0.9时，建立以下目标函数为：
Figure FDA0003739094250000047
其中，CAPA为交叉口的通行能力，pch/h,si为相位i的饱和流量，s/pcu,λi为相位i的绿灯时长,mi为相位i的车道数；
车辆在交叉口的CO排放主要由两部分组成，一部分是车辆减速情况的排放，另一部分是车辆通过交叉口进口道路段区域时的排放；CO排放总量采取以下计算方式：
Figure FDA0003739094250000051
其中，
Figure FDA0003739094250000052
为第i相位车辆在行驶过程中的CO排放因子，取
Figure FDA0003739094250000053
Figure FDA0003739094250000054
Figure FDA0003739094250000055
为第i相位车辆在减速过程中的CO排放因子，取
Figure FDA0003739094250000056
Figure FDA0003739094250000057
Li为该相位车辆的行驶路段长度；
适应度函数定义为：
Figure FDA0003739094250000058
9.一种计算机可读存储介质，用于存储计算机指令，其特征在于，所述计算机指令被处理器执行时，完成如权利要求1-7任一所述的信控交叉口协调优化控制方法。
10.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成如权利要求1-7任一所述的信控交叉口协调优化控制方法。
CN202110234511.XA 2021-03-03 2021-03-03 一种信控交叉口协调优化控制方法及系统 Expired - Fee Related CN113034899B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110234511.XA CN113034899B (zh) 2021-03-03 2021-03-03 一种信控交叉口协调优化控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110234511.XA CN113034899B (zh) 2021-03-03 2021-03-03 一种信控交叉口协调优化控制方法及系统

Publications (2)

Publication Number Publication Date
CN113034899A CN113034899A (zh) 2021-06-25
CN113034899B true CN113034899B (zh) 2022-11-08

Family

ID=76465860

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110234511.XA Expired - Fee Related CN113034899B (zh) 2021-03-03 2021-03-03 一种信控交叉口协调优化控制方法及系统

Country Status (1)

Country Link
CN (1) CN113034899B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114170814A (zh) * 2021-11-05 2022-03-11 中山大学 基于时空维度的交叉口信号控制自主优化方法
CN114267189B (zh) * 2021-12-20 2022-11-18 黑龙江工程学院 一种快速路出口匝道与衔接交叉口联合控制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008049568A1 (de) * 2008-09-30 2010-04-08 Siemens Aktiengesellschaft Verfahren zur Optimierung der Verkehrssteuerung an einem lichtsignalgesteuerten Knoten in einem Straßenverkehrsnetz
CN106023611B (zh) * 2016-06-20 2018-04-10 大连理工大学 一种两段式干线协调信号控制优化方法
CN107705589A (zh) * 2017-11-06 2018-02-16 西南交通大学 基于自适应遗传算法的双环信号配时优化方法
CN107862878B (zh) * 2017-11-14 2019-11-29 浙江浙大中控信息技术有限公司 基于相位方案决策的单交叉口自适应控制方法
CN108734354B (zh) * 2018-05-23 2021-05-11 吉林大学 一种城市道路信号交叉口多目标配时优化方法
CN111524345B (zh) * 2020-03-27 2021-11-02 武汉理工大学 一种车辆实时排队长度约束下多目标优化的感应控制方法

Also Published As

Publication number Publication date
CN113034899A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN108847037B (zh) 一种面向非全局信息的城市路网路径规划方法
CN113034899B (zh) 一种信控交叉口协调优化控制方法及系统
Sabar et al. A memetic algorithm for real world multi-intersection traffic signal optimisation problems
CN108510764B (zh) 一种基于q学习的多路口自适应相位差协调控制系统及方法
CN106971566B (zh) 基于遗传算法的自适应控制方法
CN111710167A (zh) 一种基于在线交通仿真的单点优化控制方法及装置
CN104766484A (zh) 基于进化多目标优化和蚁群算法的交通控制与诱导系统和方法
CN106558226B (zh) 信号灯配时评估与实时调整方法
CN107393319B (zh) 一种防止单交叉口排队溢出的信号优化控制方法
CN111126687A (zh) 一种交通信号的单点离线优化系统及方法
CN111445094B (zh) 一种结合时间要求的快递车辆路径优化的方法及系统
CN110147885B (zh) 一种改进遗传算法的共享单车停放点分配方法
CN113392577B (zh) 一种基于深度强化学习的区域边界主交叉口信号控制方法
CN104809890A (zh) 基于主成分分析和局部搜索改进正交遗传算法的交通信号配时优化方法
Wu et al. Traffic signal networks control optimize with PSO algorithm
CN112037546B (zh) 一种交通信号控制方法及装置
CN112562363B (zh) 一种基于v2i的交叉口交通信号优化方法
CN106600990B (zh) 基于遗传算法的动态信号灯评估方法与系统
Jiang et al. Traffic signal light control model based on evolutionary programming algorithm optimization BP neural network
CN112991745B (zh) 分布式框架下交通流动态协同分配方法
Wu et al. Deep Reinforcement Learning Based Traffic Signal Control: A Comparative Analysis
Asadi et al. A new nondominated sorting genetic algorithm based to the regression line for fuzzy traffic signal optimization problem
CN113358126A (zh) 一种导航路线获取方法、装置和系统
Wei et al. Intersection signal control approach based on pso and simulation
Kwasnicka et al. Genetic approach to optimize traffic flow by timing plan manipulation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20221108