基于蚁群算法的交通信号配时优化
发布时间：2020-08-15 18:26
【摘要】：改革开放和人口数目的增长促进了我国城市化进程的迅速发展，但同时也导致一些城市出现交通拥堵现象，且近几年交通拥堵现象出现恶化倾向，因此提高主干路交通流通行能力，减少车辆因拥堵产生的延误，对于改善交通拥堵现象很有必要。而资金、时间和资源方面由于成本过高、施工周期长和可用土地较少等原因局限了投资扩路，所以通过优化交通信号双向绿波带控制改善交通拥堵现象具有一定的研究意义。由于蚁群算法具有良好的信息正反馈性、分布式计算性、并行性及强鲁棒性等优点，而遗传算法模拟了自然界优胜劣汰的进化思想，所以将两种算法融合的GAAA算法，应用于交通信号绿波带控制模型求解，引起了该领域学者的注意和高度关注。 本文采用改进的GAAA算法求解交通信号双向绿波带控制模型最优解，以便于绿波带控制的更好发展。在交通控制理论基础上，建立双向绿波带控制性能指标的优化模型，如延误、道路交叉口处排队等待通过的交通流长度和车辆停车率；根据蚁群算法基本原理并结合遗传算法，改进GAAA算法，建立融合智能优化算法求解交通信号控制问题；借助MATLAB软件实现改进的GAAA算法求解交通信号双向绿波带控制模型。 以具体主干路沿线相邻两个道路交叉口为实例对象，统计所需数据并进行预处理。将处理后的数据带入本文所建立的模型，借助MATLAB软件通过改进的GAAA算法求解，得到优化后具体的交通信号双向绿波控制方案及性能指标评价值，验证算法求解模型的可行性，证明改进的GAAA算法应用于交通信号配时问题正确可行，且可改善交通拥堵现象。
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：U491.54
【图文】：
工、各司其职的蚁群行为却引起研究人员的关注。研究表明：蚂蚁自身在爬行放一种特殊的分泌物，称之为“信息素”[3]，蚂蚁之间的群行为是通过该分泌流、协调分工，完成段路径上复杂的食物搜索任务。蚁群行为描述及蚁群算法原理) 蚁群行为描述过长时间对蚂蚁行为的观察，研究人员发现：蚂蚁在各种活动过程中的交流并觉、听觉，而是在爬行路径上留下一种用来探路的信息素。蚁群每从一个陌生寻食物点时，都会任意选择一条路径行进，同时在爬行路径上留下与之路径长的信息素。信息素会随着时间推移和路径长度的增加有一定程度的挥发，也就所行进的路径长度越长，遗留的信息素就越少。当有其它蚁群再次经过该地点选择有较多信息素遗留的路径行进，这样蚁群之间的行为就形成一种正反馈息素积累越多，路径越优，最终蚁群就通过信息素查找到最优路径。并且，在路径的过程中，遇到障碍物蚁群也能迅速重新查找最优路径[3]，如图 1.1 所示成任务。信息素使得蚁群行为自身具有高度的自组织性，便于查找最优路径。
蚁自身内在的基因决定其对所处环境作出反应，也就是说蚂蚁自身所在基因的外在表现；只蚂蚁只根据自身所处的环境做出反应，而且蚁群中每只蚂蚁所作出，但信息素的存在，使得蚁群能够玩完成具有很高自组织性[3]的群反面的几点假设，蚁群算法的寻优过程可分为适应和协作两个最基本的，蚂蚁根据自身所处的环境作出判断，并在行为过程中遗留一定量的信程中，该路径被蚂蚁选择的次数越多，信息素的遗留速度大于挥发速也就越大，则最终被蚁群选择的概率就越大，但信息素的浓度会随着发减少；协作阶段，备选路径上的信息素不断更新、调整，最终便可表明，蚁群算法展现了蚂蚁自身的特点，通过浓度不断变化的信息素，最终得到所求问题的最优解[18]。蚁群算法自身具有多主体智能系统地组织机制使得问题的求解求解过程不需要对问题的任意方面都有很织其本质就是蚁群算法系统在没有外界影响下使系统熵增加的一个从演化[19]过程，其逻辑结构图[20]如图 1.2 所示：
图 2.1 具有绿波的干线 图 2.2 具有阻塞的绿波主干路交通信号控制同样可分为离线控制方式和在线控制方式。对离线控制方式而言，系统所依据的模型主要由周期、时段和相位差决定。主干线道路各交叉口交通信号控制系统之间具有联动关系，一般各联动交叉口最大距离为 800 米，由于两个相邻交叉口之间存在一些干扰因素，如行人、学校、商店等，超过 800 米联动效果会过于严重。在线控制方式，首先将各道路交叉口检测到的实时交通流信息发送给中心计算机，然后对其进行优化处理，最后反馈给各交叉口的交通信号控制系统实现绿波控制。但是当某道路交叉口出现密度较大的车流时，绿波也会导致交通拥堵甚至堵塞，见图 2.2 所示。这说明交通信号控制系统需面向网络化、区域化。(3) 网络交通信号控制方式网络交通信号控制方式又称区域交通信号控制方式，针对城市交通流量相对较大的主干线，从全局思想出发，协调控制主干线上相临近的多个交叉口的交通信号控制系统，使得区域内各车辆在通过某些交叉口时所产生的损失[21]（包括时间延误、停车次数、耗油）最小。该方式使统一调度、管理所处区域道路交叉路网更加容易实现，更好提高道路网运行效率。
本文编号：2794477
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：U491.54
【图文】：
工、各司其职的蚁群行为却引起研究人员的关注。研究表明：蚂蚁自身在爬行放一种特殊的分泌物，称之为“信息素”[3]，蚂蚁之间的群行为是通过该分泌流、协调分工，完成段路径上复杂的食物搜索任务。蚁群行为描述及蚁群算法原理) 蚁群行为描述过长时间对蚂蚁行为的观察，研究人员发现：蚂蚁在各种活动过程中的交流并觉、听觉，而是在爬行路径上留下一种用来探路的信息素。蚁群每从一个陌生寻食物点时，都会任意选择一条路径行进，同时在爬行路径上留下与之路径长的信息素。信息素会随着时间推移和路径长度的增加有一定程度的挥发，也就所行进的路径长度越长，遗留的信息素就越少。当有其它蚁群再次经过该地点选择有较多信息素遗留的路径行进，这样蚁群之间的行为就形成一种正反馈息素积累越多，路径越优，最终蚁群就通过信息素查找到最优路径。并且，在路径的过程中，遇到障碍物蚁群也能迅速重新查找最优路径[3]，如图 1.1 所示成任务。信息素使得蚁群行为自身具有高度的自组织性，便于查找最优路径。
蚁自身内在的基因决定其对所处环境作出反应，也就是说蚂蚁自身所在基因的外在表现；只蚂蚁只根据自身所处的环境做出反应，而且蚁群中每只蚂蚁所作出，但信息素的存在，使得蚁群能够玩完成具有很高自组织性[3]的群反面的几点假设，蚁群算法的寻优过程可分为适应和协作两个最基本的，蚂蚁根据自身所处的环境作出判断，并在行为过程中遗留一定量的信程中，该路径被蚂蚁选择的次数越多，信息素的遗留速度大于挥发速也就越大，则最终被蚁群选择的概率就越大，但信息素的浓度会随着发减少；协作阶段，备选路径上的信息素不断更新、调整，最终便可表明，蚁群算法展现了蚂蚁自身的特点，通过浓度不断变化的信息素，最终得到所求问题的最优解[18]。蚁群算法自身具有多主体智能系统地组织机制使得问题的求解求解过程不需要对问题的任意方面都有很织其本质就是蚁群算法系统在没有外界影响下使系统熵增加的一个从演化[19]过程，其逻辑结构图[20]如图 1.2 所示：
图 2.1 具有绿波的干线 图 2.2 具有阻塞的绿波主干路交通信号控制同样可分为离线控制方式和在线控制方式。对离线控制方式而言，系统所依据的模型主要由周期、时段和相位差决定。主干线道路各交叉口交通信号控制系统之间具有联动关系，一般各联动交叉口最大距离为 800 米，由于两个相邻交叉口之间存在一些干扰因素，如行人、学校、商店等，超过 800 米联动效果会过于严重。在线控制方式，首先将各道路交叉口检测到的实时交通流信息发送给中心计算机，然后对其进行优化处理，最后反馈给各交叉口的交通信号控制系统实现绿波控制。但是当某道路交叉口出现密度较大的车流时，绿波也会导致交通拥堵甚至堵塞，见图 2.2 所示。这说明交通信号控制系统需面向网络化、区域化。(3) 网络交通信号控制方式网络交通信号控制方式又称区域交通信号控制方式，针对城市交通流量相对较大的主干线，从全局思想出发，协调控制主干线上相临近的多个交叉口的交通信号控制系统，使得区域内各车辆在通过某些交叉口时所产生的损失[21]（包括时间延误、停车次数、耗油）最小。该方式使统一调度、管理所处区域道路交叉路网更加容易实现，更好提高道路网运行效率。
【参考文献】
相关期刊论文 前1条
1 樊晓珂;;城市交通拥堵问题研究[J];中国公共安全(学术版);2007年01期
本文编号：2794477
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2794477.html
