專利名稱：城市道路交通多目標(biāo)優(yōu)化控制方法
技術(shù)領(lǐng)域：
本發(fā)明屬于城市道路交通控制技術(shù)領(lǐng)域，尤其涉及一種城市道路交通多目標(biāo)優(yōu)化
控制方法。
背景技術(shù)：
隨著城市的發(fā)展和車輛的增加，實行有效的交通控制以保證交通的暢通，已日益 成為交通管理部門所面臨的重要問題。交通流控制對提高城市道路的通行能力、緩和城市 交通擁擠起著重要作用，其重要內(nèi)容是對城市道路交通流的暢通、有序、安全采用有效的控 制措施，最大限度地提高道路設(shè)施的使用效率。 隨著交通需求的持續(xù)增加和對暢通性和均衡性的要求，傳統(tǒng)的交通控制目標(biāo)如交
叉口延誤、排隊長度和停車率等已不能滿足城市道路交通控制的需要，為了改善交通運行
狀況，提高交通網(wǎng)路的暢通性和均衡性，必須要建立城市道路交通多目標(biāo)優(yōu)化控制方法，且
在多目標(biāo)優(yōu)化過程中，根據(jù)實際道路交通環(huán)境，給暢通性和均衡性分配不同的權(quán)重。 暢通性是定量的描述交通出行者在參與交通中，由于道路和環(huán)境條件、交通干擾
以及交通管理與控制等因素導(dǎo)致的旅行時間延長的一種指標(biāo)。該指標(biāo)的期望是能夠盡量給
交通參與者一個暢通的、快捷的交通出行環(huán)境，滿足交通流快速疏散的要求，同時可以有選
擇性的使某個方向交通流更加暢通。對于十字交叉口而言，暢通性指標(biāo)由各個方向的車道
平均延誤的加權(quán)期望值來體現(xiàn)。 均衡性是定量描述交通流在各個方向的均衡程度的指標(biāo)，其意義是使交通控制方 法滿足交通流均衡分布的要求，這體現(xiàn)了交通控制方案對交叉口各個方向交通流的公平管 理。均衡性指標(biāo)由各個方向的平均排隊長度的標(biāo)準(zhǔn)方差來體現(xiàn)。 傳統(tǒng)的交叉口控制目標(biāo)多是以交叉口各個方向的總的車輛延誤為目標(biāo)進(jìn)行計算， 使用該目標(biāo)存在以下問題 1、某個優(yōu)化的交通控制方案實現(xiàn)了總的車輛延誤減少的目標(biāo)，這可能是由交叉口 的某個次要方向的車輛延誤大幅減少引起，但同時其他一個或多個交叉口方向的車輛延誤 卻增加了 ； 2、交叉口的各相位排隊長度非常不均衡，排隊長度較小的進(jìn)口方向分配過多的綠 燈時間，而排隊長度較長的進(jìn)口方向卻缺乏有效的綠燈時間。 針對上述問題，實現(xiàn)一種城市道路交通多目標(biāo)優(yōu)化控制方法，使交通控制方法滿 足交通流快速疏散和交通流均衡分布，成為提高交叉口的服務(wù)水平的關(guān)鍵。

發(fā)明內(nèi)容
本發(fā)明的目的在于，提供一種城市道路交通多目標(biāo)優(yōu)化控制方法，控制目標(biāo)為交
叉口的暢通性和均衡性的加權(quán)和，用以克服傳統(tǒng)控制目標(biāo)在交通控制管理中存在的問題。 本發(fā)明的技術(shù)方案是，一種城市道路交通多目標(biāo)優(yōu)化控制方法，其特征在于所述 方法包括下列步驟
步驟1 :建立多目標(biāo)優(yōu)化控制模型 <formula>formula see original document page 5</formula> 其中，kl表示暢通性的權(quán)重、k2表示均衡性的權(quán)重、a ,表示相位i的優(yōu)先權(quán)重、CT表示暢通性指標(biāo)值、JH表示均衡 性指標(biāo)值、Ti表示相位i的延誤時間，Pi表示的是相位i的排隊長度，M表示交叉口的相位 總數(shù)。 步驟2
步驟3
步驟4
:采用周期離散變量正反逐步雙向調(diào)整的方法對周期和綠信比進(jìn)行優(yōu)化； :在多目標(biāo)優(yōu)化控制模型中加入約束條件； :采用遺傳算法對多目標(biāo)優(yōu)化控制模型求解。
所述采用周期離散變量正反逐步雙向調(diào)整的方法對周期和綠信比進(jìn)行優(yōu)化具體 是，周期正向調(diào)整從Cmin開始逐步遞增到C^，計算出最小的總延誤時間T。minl(X);周期反向 調(diào)整從Cmax開始逐步遞減到Cmin，計算出最小的總延誤時間T in2 (X);將所述兩個最小的總 延誤時間T。minl(x)和T。min2(x)進(jìn)行比較，數(shù)值小的總延誤時間所在的周期和綠信比即為最 優(yōu)周期和綠信比。
所述約束條件為
x廣ai > 0 J(x,+A() = C 《C《C隨f v = 75km/h
1《i《N ; 其中，ai為第i相位最小有效綠燈時間；A ti為第i相位損失時間。
所述步驟4具體包括下列步驟 步驟41 :對模型初始化，設(shè)定均衡性指標(biāo)和暢通性指標(biāo)的權(quán)重、種群數(shù)目、染色體 長度、迭代總代數(shù)、復(fù)制、雜交變異概率； 步驟42 :采用二進(jìn)制編碼，在可行域內(nèi)隨機產(chǎn)生種群數(shù)目大小的染色體； 步驟43 :計算種群適應(yīng)值，并按適應(yīng)值大小排序； 步驟44 :按復(fù)制概率復(fù)制具有適應(yīng)值較高的染色體到下一代；
步驟45 :按交叉概率、變異概率生成除復(fù)制染色體以外滿足種群數(shù)目的染色體到

新一代
步驟46 :判斷是否到了迭代總代數(shù)，若沒有，則轉(zhuǎn)至步驟43 ; 步驟47 :按最優(yōu)適應(yīng)值計算各相位配時；
步驟48 :調(diào)整均衡性指標(biāo)和暢通性指標(biāo)的權(quán)重；轉(zhuǎn)至步驟4L 所述交叉概率為<formula>formula see original document page 6</formula> 《=' 其中，fmax為群體中最大的適應(yīng)度；favg為每代群體的平均適應(yīng)度值；f'為要交叉 的兩個個體中較大的適應(yīng)度值；f為要變異個體的適應(yīng)度值；Pel = 0. 9， P。2 = 0. 6。
所述變異概率為 其中，fmax為群體中最大的適應(yīng)度；favg為每代群體的平均適應(yīng)度值；f'為要交叉 的兩個個體中較大的適應(yīng)度值；f為要變異個體的適應(yīng)度值；Pml = 0. 1， Pm2 = 0. 001。
本發(fā)明實現(xiàn)了交通控制既滿足交通流快速疏散的要求，又滿足交通流均衡分布的 要求，提高了道路交叉口的服務(wù)水平。


圖1是城市道路交通多目標(biāo)優(yōu)化控制方法流程圖；
圖2是多目標(biāo)優(yōu)化控制模型求解流程圖； 圖3是本發(fā)明實施例提供的與SCOOT方案綜合指標(biāo)比較示意圖。
具體實施例方式
下面結(jié)合附圖，對優(yōu)選實施例作詳細(xì)說明。應(yīng)該強調(diào)的是，下述說明僅僅是示例性 的，而不是為了限制本發(fā)明的范圍及其應(yīng)用。
圖1是城市道路交通多目標(biāo)優(yōu)化控制方法流程圖。圖1中，本發(fā)明的實施過程是
步驟1 :建立多目標(biāo)優(yōu)化控制模型。
本發(fā)明的多目標(biāo)優(yōu)化控制模型為 其中，kl表示暢通性的權(quán)重、k2表示均衡性的權(quán)重、a ,表示相位i的優(yōu)先權(quán)重、 CT表示暢通性指標(biāo)值、JH表示均衡性指標(biāo)值、1\表示相位i的延誤時間，Pi表示的是相位 i的排隊長度，M表示交叉口的相位總數(shù)。權(quán)重配置可以人工賦權(quán)，也可以在追求目標(biāo)值最 優(yōu)化的過程中，進(jìn)行自學(xué)習(xí)，可配置多目標(biāo)。 步驟2 :采用周期離散變量正反逐步雙向調(diào)整的方法對周期和綠信比進(jìn)行優(yōu)化。
選定模型以后，需要尋找一個最優(yōu)的信號周期時長C和有效綠燈時間ge。目前普 遍采用的是先由最佳周期時長C的計算公式韋伯最佳周期時長計算公式近似求得C，再根 據(jù)C《60N時增大周期時長，可提高通行能力的原則，調(diào)整C，最后以有效綠燈時間為自變量 將其優(yōu)化。顯然此方法不能保證得到使目標(biāo)函數(shù)值最小的C，而且該方法的適用性有限，當(dāng) & = <飽和度逐漸增加到1時，車輛的總延誤的計算公式將不再適用，導(dǎo)致計算結(jié)果不正確。
為了克服以上弊端，本發(fā)明采用對周期離散變量正反逐步雙向調(diào)整的方法同時對 周期和綠信比進(jìn)行優(yōu)化。周期正向調(diào)整從Cmin開始逐步遞增到Cmax，計算出最小的總延誤時 間T。minl (x);反向調(diào)整方法與正向調(diào)整方法相同，從Cmax開始逐步遞減到Cmin，計算出最小的 總延誤T。一(x)。將兩最小總延誤值進(jìn)行比較，較小數(shù)值所在的周期和綠信比即為模型的最 優(yōu)周期和綠信比，即最佳配時方案。 步驟3 :在多目標(biāo)優(yōu)化控制模型中加入約束條件。
考慮信號控制的實際約束條件，將約束條件表述如下
x,-a,. > 0 X(x,+A() = C0.75^^^1.2 《C《C隨f v = 75km/h
l《i《N 式中ai為第i相位最小有效綠燈時間；A ti為第i相位損失時間；約束條件3是 對交叉口的飽和度(流量與進(jìn)口道通行能力之比，通行能力等于飽和流量與該流向所在相 位的綠信比之積)的限制，O. 75用來避免在飽和度過小，即通行能力遠(yuǎn)大于交通需求時，無 謂的增加車輛延誤和停車次數(shù)，1. 2用來避免飽和度過大而造成擁擠，其值可變。約束條件 4是對信號周期的約束，目前普遍采用的公式為Cmin = 20N， Cmax = 60N， N為相位總數(shù)。
步驟4 :采用遺傳算法對多目標(biāo)優(yōu)化控制模型求解。 由于交叉路口配時問題是一個隨機過程，采用傳統(tǒng)的算法往往難以獲得比較滿意 的最優(yōu)解，本發(fā)明采用遺傳算法進(jìn)行模型求解。圖2是多目標(biāo)優(yōu)化控制模型求解流程圖。圖 2中，多目標(biāo)優(yōu)化控制模型求解過程是 步驟41 :對模型初始化，設(shè)定均衡性指標(biāo)和暢通性指標(biāo)的權(quán)重、種群數(shù)目、染色體 長度、迭代總代數(shù)、復(fù)制、雜交變異概率。 步驟42 :采用二進(jìn)制編碼，在可行域內(nèi)隨機產(chǎn)生種群數(shù)目大小的染色體。
本發(fā)明的實施例中，選用的相位為4。用二進(jìn)制碼數(shù)字串[dw. . . ，c^，(V3，. . . Cl， lV3， . . . ， bp an/3， . . . ， aj表示一條染色體，n為染色體長度。二進(jìn)制碼數(shù)字串[dn/4，...， dj ， [cn/3， . . . cj ， [bn/3， ... ， aj ， [an/3， . . . ， aj分別對應(yīng)相位1、相位2、相位3、相位4的 配時gl， g2， g3， 84，且滿足關(guān)系式
<formula>formula see original document page 7</formula><formula>formula see original document page 8</formula>,=1'2,-1 式中e為相位轉(zhuǎn)換損失時間。 步驟43 :計算種群適應(yīng)值，并按適應(yīng)值大小排序。 步驟44 :按復(fù)制概率復(fù)制具有適應(yīng)值較高的染色體到下一代。 步驟45 :按交叉概率、變異概率生成除復(fù)制染色體以外滿足種群數(shù)目的染色體到


新一代。 在生成初始種群和經(jīng)交叉、變異算子生成新的部分種群時，必須考慮模型的約束 條件。選用Smith等于1987年提出的循環(huán)交叉操作交叉，循環(huán)交叉的執(zhí)行以父種群的特征 作為參考，使每個子代種群在約束條件下進(jìn)行重組，變異策略選用對等變換策略。
交叉概率P。和變異概率Pm是影響遺傳算法行為和性能的關(guān)鍵所在，直接影響算法 的收斂性。采用自適應(yīng)遺傳算法來確定，公式如下
<formula>formula see original document page 8</formula> 式中，fmax為群體中最大的適應(yīng)度；favg為每代群體的平均適應(yīng)度值；f'為要交叉 的兩個個體中較大的適應(yīng)度值；f為要變異個體的適應(yīng)度值；Pel = 0. 9， P。2 = 0. 6， Pml = 0. 1， Pm2 = 0. 001。 步驟46 :判斷是否到了迭代總代數(shù)，若沒有，則轉(zhuǎn)至步驟43 ;
步驟47 :按最優(yōu)適應(yīng)值計算各相位配時； 步驟48 :調(diào)整均衡性指標(biāo)和暢通性指標(biāo)的權(quán)重；轉(zhuǎn)至步驟41 。 圖3是本發(fā)明實施例提供的與SCOOT方案綜合指標(biāo)比較示意圖。圖3中，本發(fā)明
提供的實施例以北京市某十字路口為對象進(jìn)行計算。該路口均衡性指標(biāo)和暢通性指標(biāo)的權(quán)
重及各相位的優(yōu)先權(quán)重取值為
<formula>formula see original document page 8</formula>
式中，kl表示均衡性指標(biāo)，k2表示暢通性指標(biāo)。a工a 2 a 3 a 4分別表示東進(jìn)口 ，南 進(jìn)口，西進(jìn)口，北進(jìn)口相位。 帶入模型，經(jīng)過計算配時結(jié)果為gl = 42， g2 = 51， g3 = 49， g4 = 48，單位s (秒)。
依據(jù)圖3所示，本文提出的控制方法暢通性和均衡性都有了一定的改善。暢通性 數(shù)值越低，表示交叉口的交通流延誤時間越少；均衡性指標(biāo)數(shù)值越小，表示交叉口各方向的 交通流越趨于均衡。綜合指標(biāo)是反映交叉口暢通性和均衡性的統(tǒng)一指標(biāo)，在相同權(quán)重knk2 條件下，綜合指標(biāo)值越低表示交叉口暢通性和均衡性越好。 本發(fā)明實現(xiàn)了交通控制既滿足交通流快速疏散的要求，又滿足交通流均衡分布的 要求，提高了道路交叉口的服務(wù)水平。 以上所述，僅為本發(fā)明較佳的具體實施方式
，但本發(fā)明的保護(hù)范圍并不局限于此， 任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換， 都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求的保護(hù)范圍 為準(zhǔn)。
權(quán)利要求
一種城市道路交通多目標(biāo)優(yōu)化控制方法，其特征在于所述方法包括下列步驟步驟1建立多目標(biāo)優(yōu)化控制模型其中，k1表示暢通性的權(quán)重、k2表示均衡性的權(quán)重、αi表示相位i的優(yōu)先權(quán)重、CT表示暢通性指標(biāo)值、JH表示均衡性指標(biāo)值、Ti表示相位i的延誤時間，Pi表示的是相位i的排隊長度，M表示交叉口的相位總數(shù)。步驟2采用周期離散變量正反逐步雙向調(diào)整的方法對周期和綠信比進(jìn)行優(yōu)化；步驟3在多目標(biāo)優(yōu)化控制模型中加入約束條件；步驟4采用遺傳算法對多目標(biāo)優(yōu)化控制模型求解。F2009102354743C0000011.tif
2.根據(jù)權(quán)利要求1所述的城市道路交通多目標(biāo)優(yōu)化控制方法，其特征是所述采用周期 離散變量正反逐步雙向調(diào)整的方法對周期和綠信比進(jìn)行優(yōu)化具體是，周期正向調(diào)整從Cmin 開始逐步遞增到Cmax，計算出最小的總延誤時間T。minl (X);周期反向調(diào)整從Cmax開始逐步遞 減到Cmin，計算出最小的總延誤時間T in2(x);將所述兩個最小的總延誤時間T。minl(x)和步驟3 步驟4T in2(x)進(jìn)行比較，數(shù)值小的總延誤時間所在的周期和綠信比即為最優(yōu)周期和綠信比。
3.根據(jù)權(quán)利要求1所述的城市道路交通多目標(biāo)優(yōu)化控制方法，其特征是所述約束條件為<formula>formula see original document page 0</formula>其中，A為第i相位最小有效綠燈時間；A ti為第i相位損失時間。
4.根據(jù)權(quán)利要求1所述的城市道路交通多目標(biāo)優(yōu)化控制方法，其特征是所述步驟4具 體包括下列步驟步驟41 :對模型初始化，設(shè)定均衡性指標(biāo)和暢通性指標(biāo)的權(quán)重、種群數(shù)目、染色體長 度、迭代總代數(shù)、復(fù)制、雜交變異概率；驟42 :采用二進(jìn)制編碼，在可行域內(nèi)隨機產(chǎn)生種群數(shù)目大小的染色體； 驟43 :計算種群適應(yīng)值，并按適應(yīng)值大小排序； 驟44 :按復(fù)制概率復(fù)制具有適應(yīng)值較高的染色體到下一代；驟45 :按交叉概率、變異概率生成除復(fù)制染色體以外滿足種群數(shù)目的染色體至新一歪驟46 :判斷是否到了迭代總代數(shù)，若沒有，則轉(zhuǎn)至步驟43驟47 :按最優(yōu)適應(yīng)值計算各相位配時； 驟48 :調(diào)整均衡性指標(biāo)和暢通性指標(biāo)的權(quán)重；轉(zhuǎn)至步驟41。步步步步 步步步代
5.根據(jù)權(quán)利要求4所述的城市道路交通多目標(biāo)優(yōu)化控制方法，其特征是所述交叉概率為<formula>formula see original document page 3</formula>其中，為群體中最大的適應(yīng)度；favg為每代群體的平均適應(yīng)度值；f'為要交叉的兩體中較大的適應(yīng)度值；f為要變異個體的適應(yīng)度值；Pel = 0. 9， P。2 = 0. 6。
6.根據(jù)權(quán)利要求4所述的城市道路交通多目標(biāo)優(yōu)化控制方法，其特征是所述變異概率為<formula>formula see original document page 3</formula>為群體中最大的適應(yīng)度；favg為每代群體的平均適應(yīng)度值；f'為要交叉的兩 體中較大的適應(yīng)度值；f為要變異個體的適應(yīng)度值；Pml = 0. 1， Pm2 = 0. 001。
全文摘要
本發(fā)明屬于城市道路交通控制技術(shù)領(lǐng)域，尤其涉及一種城市道路交通多目標(biāo)優(yōu)化控制方法。技術(shù)方案包括建立多目標(biāo)優(yōu)化控制模型，采用周期離散變量正反逐步雙向調(diào)整的方法對周期和綠信比進(jìn)行優(yōu)化，在多目標(biāo)優(yōu)化控制模型中加入約束條件，采用遺傳算法對多目標(biāo)優(yōu)化控制模型求解。本發(fā)明實現(xiàn)了交通控制既滿足交通流快速疏散的要求，又滿足交通流均衡分布的要求，提高了道路交叉口的服務(wù)水平。
文檔編號G06N3/12GK101707000SQ20091023547
公開日2010年5月12日 申請日期2009年10月26日 優(yōu)先權(quán)日2009年10月26日
發(fā)明者史元超, 徐東偉, 李海健, 秦勇, 董宏輝, 賈利民, 賈睿妍, 鄧文 申請人:北京交通大學(xué)