复杂网络视角下基于量子遗传算法的交通控制子区划分方法研究

发布时间：2020-03-22 01:00

【摘要】：随着城市机动车保有量的不断增长,交通拥堵问题变得愈发严重。道路交叉口的协调控制是最为有效的交通管理手段之一。控制子区作为城市交通信号控制系统中的协调控制基本单元,是研究区域交通信号协调控制的基础。本文以城市中的某块区域路网为研究对象,基于现有的交通基础设施,在复杂网络的视角下,利用智能优化算法对该区域内的所有交叉口实施控制子区划分。为了更加简便快捷地量化交叉口间协调控制的性能,本文结合交通路网中动态和静态因素,选取数据易获取的指标,真实地还原路网特征,提出了一种新的关联度衡量方法;在无先验知识的条件下,提出了一种基于模块度的遗传算法(Modularity Based Genetic Algorithm,MBGA),该算法在本文提出的关联度衡量方法基础上,采用模块度作为适应度函数,进行交通控制子区的划分;为了提升子区划分的效率,基于本团队之前的研究基础,将量子遗传算法应用到交通控制子区划分问题中,通过量子比特编码的方式,丰富了种群,并且使算法拥有了更佳的收敛性。通过与其他关联度衡量方法进行对比仿真实验,验证了本文提出的关联度衡量方法的有效性;同时,MBGA成功完成了交通控制子区的划分,相比于对比实验中的算法,取得了相对更优的划分效果;引入量子遗传算法后,通过与MBGA的综合对比分析,验证了量子遗传算法在交通控制子区划分问题中应用的高效性。将整个交通网络划分为若干个子网,可以将复杂的交通控制问题转化为若干个易于解决的子问题,同时能够简化对交通网络的分析和控制。本文针对交通控制子区的划分方法进行探究,为子区划分问题的研究提供了新思路,也为区域交通信号控制奠定了基础。
【图文】：

10图 1- 1 论文整体框架图1.5 创新点与不足1.5.1 可能的创新点作为城市交通信号控制系统中协调控制的基本单元，控制子区的划分是进行区域交通信号协调控制的基础。基于现有的交通基础设施，本文以模拟的区域路网为研究对象，对该区域内的所有交叉口实施控制子区划分，，可能的创新点可归结如下：(1) 提出了一种新的关联度衡量方法，即：11, ,qijI Rt q qid jdd D d j d D d ii j= × ×+ ∑ +∑∈ ≠ ∈ ≠。

12 2- 1 交叉口性能指标与信号周期之间的对应关系性能指标的优劣随着信号周期取值的变化起目标的不同而变化。内信号相位的有效的绿灯时间tEG与总的信号其中，tEG指的是由信号周期内此相位能够绿灯时长。由于车辆加速起步的特点，同时间Lt 必须考虑在内（也就是对应的相位期间
【学位授予单位】：安徽工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U491

【相似文献】

相关期刊论文 前10条

1 雎贵芳;;基于改进量子遗传算法的聚类算法研究[J];电子制作;2019年08期

2 朱海斌;许峰;;基于改进多生境排挤算法的量子遗传算法[J];软件工程;2018年04期

3 马永杰;李积雅;王刚成;;改进双链量子遗传算法及其应用[J];西北师范大学学报(自然科学版);2017年01期

4 刘刚;赵海洋;陈华;郝晓辰;;基于改进的量子遗传算法的认知无线网络频谱分配方法[J];高技术通讯;2015年Z1期

5 于艾清;刘滔;;基于自适应量子遗传算法的电力系统机组组合问题[J];上海电力学院学报;2015年01期

6 胡咏梅;;混合量子遗传算法在软硬件协同综合中的应用研究[J];世界科技研究与发展;2012年02期

7 贾春兰;朱凯;;分组量子遗传算法在混凝土重力坝坝体综合弹性模量反演中的应用[J];水利与建筑工程学报;2015年04期

8 范成臣;;基于量子遗传算法的软件测试数据自动生成研究[J];明日风尚;2016年21期

9 赵平;;基于量子遗传算法的电力通信网路由选择策略分析[J];数码世界;2016年12期

10 陈吕强;;链式双链量子遗传算法[J];黄山学院学报;2014年05期

相关会议论文 前8条

1 解光军;操礼程;范海秋;;改进型量子遗传算法及其性能分析[A];第二十三届中国控制会议论文集（下册）[C];2004年

2 朱东坡;李飞;;量子遗传算法在认知无线电频谱分配中的应用[A];2010年通信理论与信号处理学术年会论文集[C];2010年

3 李兆华;李飞;;基于量子遗传算法的OFDM自适应调制技术[A];2009年通信理论与信号处理学术年会论文集[C];2009年

4 杨建林;黄宇鹏;莫阮清;;基于Ward等值和量子遗传算法的电网综合限流措施优化配置方法及应用[A];输变电工程技术成果汇编——国网上海经研院青年科技论文成果集[C];2017年

5 张治平;周树德;;基于量子计算的智能优化方法研究[A];第六届全国信号和智能信息处理与应用学术会议论文集[C];2012年

6 杨英;王锡淮;肖健梅;;基于QGA的物流配送中心配送优化问题研究[A];2007中国控制与决策学术年会论文集[C];2007年

7 曾成;赵锡均;徐红;;基于量子遗传算法的聚类方法[A];第二十九届中国控制会议论文集[C];2010年

8 郭明;李飞;;一种解决认知无线电频谱分配的量子遗传算法[A];2009年通信理论与信号处理学术年会论文集[C];2009年

相关博士学位论文 前10条

1 钱锦昕;基于项目反应理论和量子智能算法的选题策略研究[D];南京师范大学;2014年

2 李盼池;量子计算及其在智能优化与控制中的应用[D];哈尔滨工业大学;2009年

3 孙鹏飞;基于计算智能技术的蛋白质结构预测方法研究[D];哈尔滨工程大学;2010年

4 高林;数据校正技术若干研究及应用[D];华东理工大学;2010年

5 刘传领;基于势场法和遗传算法的机器人路径规划技术研究[D];南京理工大学;2012年

6 高骏;电力变压器故障诊断与状态综合评价研究[D];华中科技大学;2011年

7 黄宇;基于量子计算的热工过程辨识研究及应用[D];华北电力大学;2012年

8 宁涛;混合量子算法在车辆路径问题中应用的研究[D];大连海事大学;2013年

9 马天义;低功耗软硬件划分算法研究[D];哈尔滨工业大学;2009年

10 王柏;寒地黑土玉米调亏灌溉和水氮耦合效应研究[D];东北农业大学;2013年

相关硕士学位论文 前10条

1 方晗琦;复杂网络视角下基于量子遗传算法的交通控制子区划分方法研究[D];安徽工业大学;2018年

2 王旭海;基于改进量子遗传算法的含分布式电源配电网故障区段定位方法的研究[D];西安理工大学;2019年

3 张烨;基于量子遗传算法的多星任务规划问题研究[D];合肥工业大学;2018年

4 李积雅;改进双链量子遗传算法的研究及应用[D];西北师范大学;2017年

5 王珊;改进的量子遗传算法在车间调度中的应用[D];大连交通大学;2018年

6 鲁岳;虚拟树木生成算法的研究及应用[D];东北大学;2017年

7 李明亮;基于改进量子遗传算法的资源约束项目调度问题算法研究[D];天津大学;2017年

8 孙宇枭;双链量子遗传算法的改进及其在信号去噪中的应用[D];哈尔滨工程大学;2015年

9 张海丽;量子遗传算法研究与应用[D];新疆大学;2014年

10 胡小勤;多目标量子遗传算法在低功耗状态分配中的应用[D];广西民族大学;2015年

本文编号：2594207