（交通信息工程及控制专业论文）城市交通控制信号配时技术研究.pdf

五邑大学硕士论文 摘要 伴随着经济的高速增长，城市化水平正在迅速提高，城市的经济职能不断加强， 居民的经济、文化活动日益频繁。这就导致了城市交通需求的快速增长。而随着城 市交通的飞速发展，同时也带来了系列问题如城市交通拥挤、交通延误、交通事 故和交通污染等。显然，解决城市交通问题的最直接的办法就是修建更多的道路和 桥梁以提高路网的通行能力，但是由于资金和城市空间限制的问题，这些方法往往 不是十分可行。本论文试图通过对城市交通信号控制问题的研究，寻求合适的城市 交通信号控制算法，从一定程度上来解决城市交通的拥挤和堵塞问题。具体的研究 内容有以下几点： 1 对城市交通干线的信号动态优化控制问题进行了研究，建立了以控制周期内 干线系统的最小排队长度为目标，以信号周期、绿信比以及相位差为优化控制变量 的城市交通干线信号动态优化控制模型。 2 针对城市交通干线优化问题，提出了“遗传一蚁群混合算法。该算法首先 采用遗传算法对优化问题进行初步求解，然后在此基础上运用蚁群算法求最优解。 仿真研究表明该混合算法在求解干线交通信号动态优化控制问题中的有效性。 3 对区域交通控制的问题进行了研究，建立以延误时间最小为目标，以信号周 期、绿信比、相位及相位差为优化控制变量的区域交通信号优化模型，并将该模型 的优化问题转化为一个对多层决策问题的求解。 4 针对城市区域交通优化问题，提出了“混沌一蚁群”混合算法。该算法在利用 蚁群进行全局搜索的基础上，再利用了混沌变量在局部进行优化搜索。仿真研究表 明该混合算法在求解区域交通信号动态优化控制问题中的有效性。 最后，对全文的研究工作进行了总结，并展望了交通控制系统研发中需要进一 步研究的课题。 关键词：干线交通控制：区域交通控制：蚁群算法：多阶段决策问题：混合优化： 交通仿真：遗传算法：混沌算法 五邑大学硕士论文 a b s t r a c t w i t ht h eh i 【g hg r o w t ho fe c o n o m i c ，t h eu r b a n i z a t i o nf u n c t i o ni se n h a n c i n ga n dt h ee c o n o m ya n d c u l t u r el e v e li si m p r o v i n g ，t h eu r b a na c t i v i t yo fc i t i z e nb e c o m i n gu s u a l l y t h e s em a k et h eh i g h i n c r e a s i n go fu r b a nt r a f f i cd e m a n d a tt h es a m et i m e ，w i t ht h eh i g hi n c r e a s i n go fu r b a nt r a f f i c d e m a n d ，i tm a k e sm a n yp r o b l e m ss u c ha su r b a nt r a f f i cc o n g e s t i o n ，t r a f f i cd e l a y , t r a f f i ca c c i d e n ta n d t r a f f i cp o l l u t i o na n ds oo n o b v i o u s l y , b u i l d i n gm o r er o a d sa n db r i d g e sa r et h ed i r e c ts o l u t i o nt o r e s o l v et h e s eu r b a nt r a f f i cp r o b l e m s ，b u td u et ot h ef u n d sa n dt h eu r b a nr o o m ，t h i sm e t h o di sn o t f e a s i b l e t h ep u r p o s eo ft h i sp a p e ri st os t u d yt h eu r b a nt r a f f i cs i g n a lc o n t r o l ，f i n dt h er i g h tu r b a n t r a f f i cs i g n a lc o n t r o la l g o r i t h ma n da l l e v i a t et h ec o n g e s t i o no fu r b a nt r a f f i ct oac e r t a i ne x t e n t t h e d e t a i l e dr e s e a r c hw o r kd o n ei nt h i st h e s i si sl i s t e db e l o w ： 1 a i m i n ga tt h es i g n a ld y n a m i co p t i m i z a t i o np r o b l e mo ft h ea r t e r yo ft h eu r b a nt r a f f i c ，aa r t e r y t r a f f i co p t i m i z a t i o na n dc o n t r o lm o d e li sp u tf o r w a r d ，w h o s eo b j e c t i v ei st om i n i m i z et h et o t a ld e l a y q u e u ev e h i c l e so v e rt h ec o n t r o lp e r i o d a n dt h ed y n a m i co p t i m i z a t i o nm o d e lw h i c ha d o p ts i g n a l c y c l e ，s p l i ta n do f f s e ta st h ed e c i s i o nv a r i a b l e si ss e tu p 2 t ot h es i g n a lo p t i m i z a t i o np r o b l e mo ft h ea r t e r yt r a f f i c ，ah y b r i do p t i m i z a t i o na l g o r i t h mo f “g e n e t i c - a n t ”i sp r e s e n t e d i nt h ea l g o r i t h m ，ag e n e t i ca l g o r i t h mi sf i r s t l ya d o p t e dt os e a r c hf o rt h e o p t i m a ls o l u t i o nt ot h eo p t i m i z a t i o np r o b l e m ，a n dt h e naa n ta l g o r i t h e mi sa d o p t e dt oi n t e n s i f yt h e s e a r c hf o rt h eo p t i m a ls o l u t i o n t h es i m u l a t i o nr e s u l t si n d i c a t et h ev a l i d i t i e so ft h ep r o p o s e dh y b r i d o p t i m i z a t i o na l g o r i t h mi na r t e r yh y b r i do p t i m i z a t i o n 3 t h r o u g hs t u d y i n gt h ea r e at r a f f i cc o n t r o lp r o b l e m s ，aa r e at r a f f i co p t i m i z a t i o nm o d e li s e s t a b l i s h e dt h a ti st om i n i m i z et h et o t a ld e l a yt i m ea st h eg o a l ，a n dt oa d o p ts i g n a lc y c l e ，g r e e nt i m e ， p h a s ea n do f f s e ta sd e c i s i o nv a r i a b l e s a n dt h e nt h eo p t i m i z a t i o np r o b l e mi st r a n f o r m e di n t oa m u l t i - s t a g ed e c i s i o np r o b l e mt os o l v e 4 t ot h es i g n a lo p t i m i z a t i o np r o b l e mo ft h ea r e at r a f f i c ，ah y b r i do p t i m i z a t i o na l g o r i t h mo f “c h a o t i c a n t ”i sp r e s e n t e d i nt h ea l g o r i t h m ，aa n ta l g o r i t h mi su s e dt os e a r c hf o rt h eg l o b a lo p t i m a l s o l u t i o nt ot h eo p t i m i z a t i o np r o b l e m ，a n dt h e nac h a o t i cv a r i a b l ei su s e dt os e a r c hf o rt h el o c a l 五邑大学硕士论文 o p t i m i z a i o n t h es i m u l a t i o nr e s u l t si n d i c a t e t h ev a l i d i t i e so ft h ep r o p o s e dh y b r i do p t i m i z a t i o n a l g o r i t h mi na r e ah y b r i do p t i m i z a t i o n f i n a l l y , t h ew o r ko ft h i sd i s s e r t a t i o ni ss u m m a r i z e da n dt h ep r o s p e c t i v eo ff u r t h e rr e s e a r c h i nt r a f f i cc o n t r o ls y s t e m si sa l s od i s c u s s e d k e yw o r d s ：a r t e 哆t r a f f i cc o n t r o l ；a r e at r a f f i cc o n t r o l ；a n ta l g o r i t h m ；m u l t i ：s t a g ed e c i s i o n ；h y b r i d o p t i m i z a t i o n ；t r a f f i cs i m u l a t i o n ：g e n e t i ca l g o r i t h m ：c h a o t i ca l g o r i t h m 本人声明 我声明，本论文及其研究工作由本人在导师指导下独立完成，完成论文所用的 一切资料均已在参考文献中列出。 作者：宋运林 签字：稚棘 2 0 0 8 年5 月1 日 五邑大学硕士论文 1 1 研究背景及意义 第一章绪论 交通是城市经济活动的命脉。当前汽车已成为人们日常生活中必不可少的交通 工具，汽车在带给人们各种便利的同时，也带来了一系列令人困惑的问题，如交通 拥挤、环境污染以及交通事故频繁发生等等。 城市交通问题是困扰城市经济社会发展的主要障碍之一。世界上一些大城市， 如纽约、巴黎，其市中心高峰时车速仅在1 6 公里d , 时左右，公共汽车速度更低；在 日本东京市内，早晚高峰时车速仅为9 公里d , 时左右，最低时只有4 公里d , 时左右， 出现了乘车比步行还慢的情况。我国许多城市市区，早晚高峰时车速也仅为1 0 1 5 公 里d , 时。 交通问题每年给世界各国造成了巨大的经济损失，根据美国德州运输研究所对 美国3 9 个主要城市的研究，估计美国每年因交通拥挤造成的经济损失约为4 1 0 亿美 元；日本全国每年由于交通拥挤所造成的经济损失高达1 2 _ ；i e 3 千亿日元；而欧洲每年 因交通事故、交通拥挤和环境污染造成的经济损失分别为5 0 0 亿欧元、5 0 0 0 亿欧元和 5 0 5 0 0 亿欧元；我国国内百万人口以上的大城市，每年由于交通拥挤带来的直接和 间接经济损失达1 6 0 0 亿元，由此可见，交通的不畅带来了巨大的经济损失。 城市交通问题是困扰城市发展、制约城市经济建设的重要因素。为了解决上述 交通问题，修建更多的道路是最直接和最有效的方法，然而，修建新路的巨额资金 和城市有限空间的严格限制，使这一方法受到很大的限制。近十年来，世界各国都 非常重视日益严重的交通问题，投入大量的人力、物力和财力对城市交通运输系统 的管理和控制技术进行研究，相继出现了许多不同的交通控制手段和系统，为缓解 交通拥挤发挥了巨大的作用。在中国的经济高速发展的同时，中国也正变成世界上 最大的汽车消费大国，近年来，汽车消费正以3 0 的比例增长，交通拥挤已经成为 中国许多大中城市所面临的越来越严重的问题。我国现有的设施、道路和交通管理 已经很难适应目前交通的发展速度。“城市要因地制宜采用点、线、面智能交通控制 系统”已成为我国各大中城市交通发展的策略。传统的交通管理手段以及道路的新建 五邑大学硕士论文 和扩建已无法适应交通量急剧增长的需要。采用先进的智能交通控制技术和管理方 法解决城市交通问题已经成为交通管理者的共识。 开发并有效地实施城市智能交通控制系统能有效地减少交通事故、增加交通安 全、缓解交通拥挤、提高交通效益、提高公交效率、减少交通负荷、降低污染程度、 节省能源消耗。对解决城市交通目前所面临的诸多问题具有十分重要的意义，将会 产生巨大的社会和经济效益。 1 2 研究目的和任务 城市交通信号控制是通过对交通流的调节、警告和诱导以达到改善人和货物的 安全运输，提高运营效力。其目的就是改善交通流的质量，更好的利用现有的运输 能力，提高交通流的安全性、快速性和舒适性。具体来说，可以归结为以下四个方 面o l ： 1 ) 减少交通事故，增加交通安全。 对交通实施控制可以把发生冲突的车流和行人从时间上和空间上进行分离，从 而减少交通事故的发生。 2 ) 缓和交通拥挤，提高交通效益。 合理的进行交通控制可以对交通流进行有效的引导和调度，使交通流保持在一 种平稳的运行状态，从而避免或缓解交通拥挤和堵塞情况，大大提高交通运输的能 力和效益。 3 ) 提高公交效益，减少交通负荷。 在交通控制中，可以采用公交优先的方式，减少公交车的旅行时间，提高运行 效率，从而可以提高公共运输能力，减少交通负荷。 4 ) 降低环境污染，节省能源消耗。 实施交通控制的任务可以减少汽车的停车次数，并使得车辆在较佳的状态下运 行，从而可以减少尾气的排放，降低对环境的污染，节省能源的消耗。交通控制的 任务就是对道路上的交通流进行合理的引导和控制以缓和防止交通拥挤、减少汽车 尾气的排放和噪音污染及能源消耗，并及时为车辆上的相关人员提供交通信息，从 而提高交通安全。 2 五邑大学硕士论文 1 3 国内外研究状况 1 3 1 城市交通控制系统发展及现状 城市的交通信号控制系统( u r b a nt r a f f i cc o n t r o ls y s t e m ，简称u t c s 系统) 是现 代城市交通管理系统的中枢以及智能交通系统的重要组成部分。运用高科技手段建 设现代化的交通信号控制系统旨在建立先进的、可靠的交通监控系统，优化交通控 制，缓解交通拥堵，减少环境污染，缩短行车时间，降低交通事故发生率。因此， 解决交通管理系统中交通拥堵问题的关键是提升交通信号控制系统的性能。 交通信号控制系统的发展是与科学技术发展水平同步的，不同时代的交通信号 控制系统产品代表了不同时代科技水平。近年来，随着信息技术和通讯技术的飞速 发展，交通信号控制系统也进入快速发展阶段，其发展过程大致经历了如下几个阶 段： 1 ) 英国交通与道路研究实验室1 9 6 8 年提出的离线优化的交通控制方法与软件 t r a n s y t 可视为第一代交通信号控制系统。t r a n s y t 系统的开发是基于上个世纪 6 0 年代初开始时髦的“最优化方法和系统仿真技术”，同时受到当时计算机水平的限 制，只能进行离线控制。与此同时，人们还在不断地对城市交通网络的协调、控制 问题进行研究。随着大系统理论、系统工程理论的出现，城市区域交通控制技术也 有了很大的发展。英国的研究人员认识到，一个城市交通系统本质上说是由道路系 统、信号系统和具有较大随机性的交通流组成。因此，人们除根据历史数据及经验 估计以外，还可以通过埋设在道路系统中的车辆检测装置实时的采集数据达到控制 交通的日的。按照这样的思路，j s b a r a s 和w l e v i n e 等人运用随机点过程理论对交 通流进行了深入、细致的研究，在此基础上推导出更进一步的控制学习算法，为 t r a n s y t 系统的产生莫定了理论基础1 4 , 5 1 。 2 ) 以s c o o t 和s c a t s 为代表的交通信号控制系统被视为第二代交通信号控制 系统，技术背景是上个世纪8 0 年代初出现的速度和容量均能满足在线控制的计算机。 s c o o t 为集中式控制系统，它沿用了传统的控制方法，原理仍然是首先建立数学模 型，然后依据检测信号和数学模型用计算机进行优化和对信号灯的实时配时1 3 0 , 3 1 。 澳大利亚研制的交通控制系统s c a t s ，是递阶式分层分布控制系统。它的特点是以 3 五邑大学硕士论文 主观启发式原理设置交通信号的配时决策表，但这些系统及其体系结构均未考虑如 何实现控制方式或控制模式多元化及传统控制方法与人工智能技术集成的问题 6 1 。 美国的g n g a r t n e r 、西班牙的d m a y m e r i c h 和法国的g s c e m a m 等针对这些问题分别 进行了有益的研究和尝试，但由于这些系统体系结构只强调继承和利用现有交通信 号控制系统而不能自成体系，难以体现控制的递阶式分层的特征，因而具有一定的 局限性。 3 ) o p a c ( o p t i m i z a t i o np o l i c i e sf o ra d a p t i v ec o n t r 0 1 ) 交通信号控制系统是1 9 8 3 年 由美国提出的智能交通信号控制系统，是第三代交通信号控制系统，已在上个世纪 9 0 年代初开始试运行。该控制系统采用动态规划原理优化控制策略以及d y p i c 程序 的反传动态编程算法中提出离散时间周期性滚动优化的方法；同时采用分散式控制 结构以减少网络通信量、分布并行处理以便将危险分散，并使优化过程达到最少的 约束条件。第一个离散时间区间滚动优化信号控制系统是在o p a l 基础上改进而成的 u t o p i a 系统。该系统决策间隔为3 秒，滚动区间长度为1 2 0 秒，系统控制结构是完 全的分散式结构。初始或缺省的信号策略由交通信号控制计算机提供给节点控制器， 然后各节点控制器用启发式优化过程根据自己的实际情况在滚动区间部分或全部修 改信号策略，作为优化的一部分，各节点都将相邻节点当前信号优化策略上的开销 考虑到自己的优化过程中，通过这种方式节点之间可以在分散式结构中得到良好的 协调，从而局部对初始信号策略的优化可以使整个系统的性能得到提高。在优化方 法上，该系统将滚动区间内的所有决策系列以决策树的方式表示，对滚动区间求取 优化信号策略的问题就可转化为求解最短路径问题，其中决策树里的连线长度与滚 动水平线中相应的决策开销对应成比例【3 射。 4 ) 最新一代智能化交通信号控制系统是将人工智能和知识工程等先进的前沿 科学应用于交通信号控制系统，已取得了一系列重要研究成果。智能控制主要是指 基于专家系统的控制、模糊控制、神经网络控制、基于遗传算法的控制等。智能控 制方法的最大特点是其控制算法具有较强的逼近非线性函数的能力，不依赖于精确 的数学模型，这对于交通系统这样复杂难以建立较好数学模型的系统是一个有效方 法。美国和荷兰等国目前正在研究基于智能a g e n t 的u t c s ，主要原理是在城市交通 网络中的一系列重要节点部署智能a g e n t ，用于对所属的网络区域实现信号灯控制， 它不但具有交通管理专家的经验知识，还具有不断学习的能力，具有本区域的交通 流信息；这些智能a g e n t 之间通过通信层( 规范、内容、协议) 进行信息( 路由信息、 4 五邑大学硕士论文 交通流信息、控制信息) 交流，解决单智f l 皂a g e n t 信息不完整性，并通过协调层进行 目标比同，解决交通网络中的资源、目标和结果冲突，最终实现交通控制的优化。 这样的系统在巴塞罗那取得了很好的实验控制效果，预计在很短的时间内就会应用 于实际i 3 4 。3 6 】。 5 ) 伴随城市交通系统的规模复杂性特征的形成及发展，汇集多种控制方法的交 通控制集成策略应运而生，r t - t r a c s ( e v a l u a t i o no fr e a l t i m et r a m ca d a p t i v e s i g n a lc o n t r o lp r o t o t y p e s ) 、m u l t i a l g o r i t h m i c s 是其中颇具代表性的两种。集成智能城 市交通信号控制系统中基本控制层的建造应充分吸收与借鉴有关思想，以实现不同 控制方法的有机集成和综合利用f 7 3 2 9 1 。 近年来国内学者追踪国外的研究方向在优化算法上取得了显著的成果，相应地 建立了模糊控制、神经网络控制、基于遗传算法的控制、基于智能体的控制等一系 列算法。相关学科成果的引入固然重要，交通模型和优化模型的发展更是不可或缺。 1 3 2 优化方法研究现状 所谓优化算法，其实就是一种搜索过程或规则。它是基于某种思想和机制，通 过一定的途径或规则来得到满足用户要求的问题的解。 传统的优化方法一般是采用局部搜索算法，该算法是基于贪婪思想，利用邻域 函数进行搜索的，从一个初始解出发，利用邻域函数持续的在当前解的邻域中搜索 比它好的解。局部搜索算法尽管具有通用易实现的特点，但搜索性能完全依赖于邻 域函数和初始解，邻域函数设计不当或初值选取不合适，则算法最终的性能将会很 差。因此，若不在策略上进行改进，要实现全局优化，局部搜索采用的邻域函数必 须是“完全的”，而这在大多数情况下是无法实现的，而且穷举的方法对于大规模非 线性优化问题在搜索时间上是不允许的，因此传统优化方法在复杂工程优化问题中 应用得越来越少了。 智能优化方法是2 0 世纪8 0 年代发展起来的新颖优化算法，目前发展较快的、典 型的优化算法主要有：遗传算法、模拟退火法、禁忌搜索算法、神经网络法、混沌 算法、粒子群算法和蚁群算法等f 3 7 卅】。 对一种优化算法最重要的要求是既能够找到全局最优解，又尽可能的快速收敛。 随着科技的发展和工程问题范围的拓展，问题规模的扩大和复杂度的增加，单独一 5 五邑大学硕士论文 种优化算法的优化结果往往不够理想，同时算法理论研究的落后也导致了单一算法 性能改进程度的局限性，而基于自然机理来提出新的优化思想是一件很困难的事情。 所以，如何合理的结合两种算法的优点来构造新的混合算法，使各种单一算法之间 相互取长补短，产生更好的优化效果有着很重要的意义。 近年来，智能优化算法之间的混合不断被尝试，遗传算法和模拟退火法混合， 遗传算法和神经网络法混合等等。以混沌方法混合为例：由于混沌的遍历性和内随 机性，将混沌优化算法与其他优化算法进行混合被广泛地进行了研究。哈工大的学 者提出基于混沌变量的模拟退火优化方法，该算法按一定方式确定初始温度，利用 混沌变量产生随机扰动，并且随着搜索的进行逐渐减小随机扰动的幅度，数值计算 表明，提出的混沌模拟退火算法可以显著减少计算量，提高求得全局最优解的计算 效率，是一种高效的模拟退火优化算法0 5 。2 0 0 4 年意大利的f l a v l o c a n a v o 等人将混 沌序列引入了蚁群算法。这种算法与普通蚁群算法的主要区别在于用混沌序列来代 替普通的随机数序列 1 0 1 。 1 4 论文主要工作及章节安排 本文主要是利用混合优化算法进行城市交通控制信号动态优化，主要的内容按 以下各章节分别介绍： 第一章首先介绍选题的背景和意义，然后介绍研究的目的和任务，接着对国内 外交通控制发展进行了回顾，并介绍其研究现状及优化算法的研究现状，最后介绍 本论文的主要工作和章节安排。 第二章首先介绍了交通控制的基本概念、控制参数、控制类型及常用的性能评 价指标。然后对文章后面要用到的基本算法( 蚁群算法、混沌算法和遗传算法) 的 基本思想进行了阐述。 第三章首先对城市交通干线的信号动态优化控制问题进行了研究，建立了以控 制周期内干线系统的最小排队长度为目标，以信号周期、绿信比、相位以及相位差 为优化控制变量的城市交通干线信号动态优化控制模型。接着比较了遗传算法与蚁 群算法的优缺点，提出了“遗传一蚁群”混合算法，讲述了这种新算法的原理和流程。 最后利用该算法来解决先前提出交通干线信号优化问题，并用仿真实验验证了该算 法对干线信号优化的效果。 6 五邑大学硕士论文 第四章首先对区域交通控制的问题进行了研究，把交通优化问题转化为了一个 多层决策问题。接着结合蚁群算法和混沌算法各自的特点，提出了”混沌一蚁群”混 合算法，讲述了该混合算法的基本思想及流程。最后利用该算法来解决多层决策的 问题，即区域交通信号动态优化的问题，并用仿真实验验证该算法的对于优化区域 交通信号的效果。 最后，对全文的研究工作进行了总结，并展望了交通控制系统研发中需要进一 步研究的课题。 7 五邑大学硕士论文 第二章相关理论与算法 2 1 城市交通信号控制概述n 叫 城市交通信号控制就是通过对交叉1 ：3 的信号灯的灯色顺序和持续时间进行有效 的控制，使得车辆能够高效地驶离交通路口，达到疏导、改善交通流的目的。下面 仅对城市交通信号控制的相关内容作一简单介绍。 2 1 1 基本概念与控制参数 1 ) 步与步长 在信号交叉口每个方向可以有有8 种灯色：红、黄、绿、左箭头、右箭头、人行 红、人行绿。当进行信号控制时，这些灯色中的某些将被点亮。某一时刻，灯控路 口各个方向信号灯状态所组成的一组确定的灯色状态称为步，不同的灯色状态构成 不同的步，步持续的时间称为步长。 2 ) 相位 在交通控制中，为了避免平面交叉口上各个方向交通流之间的冲突，通常采取 分时通行的方法，即在一个周期的某一个时间段，交叉口上某一支或几支交通流具 有通行权( e p 该方向上的信号灯为绿色或绿箭头) 而与之冲突的其他交通流不能通行 ( e p 该方向上的信号灯为红色) 。把每一种控制状态，即对各进i e 到不同方向所显示 的不同灯色的组合，称为一个信号相位，简称相位。一个周期内有几个信号相位， 则称该信号系统为几相位系统。 3 ) 周期 用于指挥交通的信号总是一步一步循环变化的，一个循环由有限个步构成。一 个循环内各步的步长之和称为信号周期，简称周期，用c 表示。若一个循环有n 步， 各个步步长分别为，l ，r 2 ，乙则 c = + ，2 + + ( 2 - 1 ) 4 ) 绿信比 8 五邑大学硕士论文 在一个信号周期中，各相位的有效绿灯时间与周期长度之比称为绿信比。若设 乞为第i 相位号的有效绿灯时间，c nnn - e 度，则该相信号的绿信比丑为 丑= 么i c( 2 2 ) 显然0 疋 鸠( m s 是最大迭代次数) 时，厂不变，转下一步，否则，令k = k + l ， 转( 4 ) ； ( 7 ) 按式礁+ 。= x + q 毛卅，进行第二次载波，其中q 为调节常数，使得q 薯卅。为小 幅度混沌变量； ( 8 ) 同前面( 2 ) ( 7 ) ，继续迭代，至到满足算法终止条件。 混沌优化算法的的优点：利用了混沌运动的独特性质，收敛能力强。 缺点：从初始点出发的串行操作随机性和遍历性进行优化，算法的全局，搜索 时间长。 2 2 3 遗传算法 遗传算法( g a ) 是由美国m i c h i g a n 大学的j o h nh o o l a n d 教授发展建立的，h o l l s t i e n 第一个尝试g a 应用于函数优化问题，d e j o n g 也通过实验对g a 应用于函数优化问题 进行研究，并结合模式定理得出一系列的实验结果。 g a 是一种基于自然选择原则和自然遗传机制的搜索算法。模拟了自然界中的生 命进化机制，在人工系统中实现特定目标的优化。他将预求解的问题进行编码，每 个可能的解均被表示成字符串的形式，初始化时随机产生一个种群，种群规模定为 n ，采用合理的适应函数对种群进行评估，并在此基础上进行繁殖、交叉和变异等 遗传操作1 5 1 - 5 3 1 。 g a 的基本优化步骤： 1 5 五邑大学硕士论文 ( 1 ) 通过编码初始化种群p ( o ) ； ( 2 ) 评价种群p ( t ) 每个个体的适应度； ( 3 ) 对种群p ( t ) 进行选择、交叉、变异运算得到下一代种群p ( 什1 ) ； ( 4 ) 终止条件判断，经过最大迭代次数后输出适应度最小的个体作为最优解。 g a 的优点： ( 1 ) 对参数集的编码进行操作，而不是参数本身； ( 2 ) 是多个初始点的并行操作； ( 3 ) 使用选择、交叉、变异随机搜索规则，增加搜索的灵活性。 缺点：算法特殊的编码方式，使得该算法的优化精度受编码位数的影响，并且 算法的存储量较大，搜索速度慢。 2 3 本章小结 本章首先介绍了城市交通信号控制的相关概念、控制分类、评价指标等，接着 分别介绍了蚁群算法、混沌算法和遗传算法的相关知识，它们是本文开发混合优化 算法的基础算法。 1 6 五邑大学硕士论文 第三章遗传一蚁群算法在交通干线信号动态 优化中的应用 3 1 城市交通干线信号优化模型 3 1 1 交通干线系统的基本描述 设由n 个交叉路口、6 n + 2 个路段组成的城市双向交通干线系统如图3 1 所示。其 中，东西方向为干线交通，南北方向为支线交通。在干线交通流中，假设由东向西 方向的交通流为干线上的主要车流，由西向东方向的交通流为干线上的次要车流， 即干线上由东向西的交通负荷大于由西向东的交通负荷。由于双向交通的复杂性， 要实现干线两个方向交通最优的协调控制比较困难，因此，本章在研究中采取了优 先相位差的控制模式，即在信号优化中，首先满足干线上主要车流的最优相位差的 要求，在此基础上，再确定次要车流的相位差关系。 北 刿土u 上l 一土l _ j 上l - tn t 厂 t 厂 t 厂 赂订 崩口 路口 培l l 。 1 2 刀 图3 1 交通干线系统组成 为研究方便，将整个干线系统上的路段分为系统路段、外部输入路段和外部输 出路段，分别定义如下： 系统路段位于交通干线上每对相邻交叉路口之间、且只包含同一方向交通 流的路段。设所有系统路段组成的集合用c 表示，则共包括2 ( n - 1 ) 个路段元素； 五邑大学硕士论文 外部输入路段位于交通干线系统的边界上、且使交通流流入干线系统交叉 路口的路段。设所有外部输入路段组成的集合用乇表示，则其共包括 2 n + 2 个路段元素； 外部输出路段位于交通干线系统的边界、且使交通流流出干线系统的路段。 设所有外部输出路段的集合用用乞表示则其共包括2 n + 2 个路段元 素。 3 1 2 车流宏观运动动态描述 由于受交通信号、到达车辆的影响，路段上的交通流量随着信号周期而动态变 化，为了从宏观角度描述整个干线系统上路段交通流的这种动态特性，着重考虑在 一个周期内、不同路段上的车辆排队长度以及进出该路段的车辆的变化情况。图3 2 表示了一条路段上的交通流量在一个信号周期内的动态变化情况。 q 彳形( 后) q ( 七) o v , ( k ) 图3 。2 路段i 上的交通流描述 ；( 七) 图中符号定义如下： i ，j ，h 表示路段，且i is u ie l u ie 0 ，j i 。u i e i ，h i s u ie o ； 七表示信号周期，k = 1 ，2 ，k ，其中k 为控制周期内的信号周期数； 厂表示相位，f = 1 ，2 ，f ，其中f 为信号周期k 内的相位书； q 路段i 上的交通容量，表示所能容纳的最大车辆数，辆； q ( 七) 第k 个信号周期开始时，路段i 上的车辆数，辆； 彳k ( 七) 第k 个信号周期内，进入路段i 的车辆数，辆； d 形( 七) 第k 个信号周期内，离开路段i 的车辆数，辆； ( 后) 第k 个信号周期的第f 个相位期间，路段h 进入路段i 的时间车辆，辆； 配( 七) 第k 个信号周期的第f 个相位期间，路段i 进入路段j 的时间车辆，辆。 一个信号周期内，路段i 上的延误排队车辆情况不仅受到上一个信号周期结束 时该路段上的延误排队车辆影响，同时与当前信号周期内的到达车辆和离开车辆有 1 8 五邑大学硕士论文 关。不失一般性，车流的这种动态特性由下面的车辆守恒规律描述： q ( 七+ 1 ) = m a x o ，q ( 七) + 彳巧( 七) 一d ( 七) ) 、( 3 1 ) v i 丘u 毛；七= 1 ，2 ，k 一个信号周期内进入路段i 的车辆数可表示为本信号周期内所有相位期间实际 进入该路段的车辆数之和，即： f 么形( 七) = 彳巧，( 七) f = l ( 3 2 ) v i u 毛；七= 1 ，2 ，k 式中，a v , ，( 七) 是第k 个信号周期的第f 个相位期间进入路段i 的车辆数，辆。 同理，一个信号周期内从路段i 上流出的交通量，则可用下面的关系来描述： f d e ，( 后) = d e ，( 后) ( 3 - 3 ) f = l v i u 毛；后= 1 ，2 ，k 式中，d e ，( 后) 为第k 个信号周期的第f 个相位期间从路段i 上流出车辆总数，辆。 3 1 3 干线协调相位差动态描述 在交通干线系统的信号协调控制中，相位差的确定非常重要。在交通量比较低 的情况下，由于不必考虑下游系统路段上排队车辆的影响，相位差为车队在路段上 的平均行驶时间( 系统路段长度与路段评价车速的比值) ，此时相位差是静态的，不 随信号周期的变化而变化。然而随着交通量的不断增多，由于下游系统路段上可能 形成的车辆排队的影响，车队在路段上的行驶不仅取决于路段长度与平均速度的比 值，而且取决于路段上的车辆排队长度。由于车辆排队的动态性，相位差也应该是 动态的。 设干线的主要车流方向上连接系统路段i 的上、下游交叉口分别为路口n 和路口 n + l 。图3 3 为确定路口n 和路口n + 1 间相位差关系的时间一距离图，即所谓的时距图。 1 9 五邑大学硕士论文 一一l 二一车队中的第辆车 、一_ 率队渭散被 、i 、以 ：。，口( 七)b 、 ，p 耙气 ，旌垒 i 一一 j 一 一1 ，端1 一 瓦( 七) 一! i一l - 一寰示红色倌号灯 图3 3 路1 3 n 、n + l 间的时距图 图中主要符号定义如下： 厶路段i 的长度( 米) ； 形路段i 上的平均车速( 米秒) ； 从路口直行排队车辆开始放行时，车队的消散波波速( 米秒) ； d 。上游路口n 直行相位放行车队中的头车遇到下游系统路段车队的尾车而停车 后，到重新开始行使时的等待时间( 秒) ； 厶，口( 尼) 第k 个信号周期开始时，路段i 上的车辆排队长度( 米) 皖州( 后) 第k 个信号周期期间，路口n 对路n n + l 的相位差( 秒) 。皖卅， o 表示路口 n 的直行相位绿灯比路i ：l n + l 的直行相位绿灯早开启秒瓯肿。秒；皖卅。 0 表示路 口n 的直行相位绿灯比路n n + l 的直行相位绿灯晚开启瓯肿，秒；而瓯卅。= 0 表示 路口n 和路1 ：3 n + l 的直行相位绿灯同时开启。 在图3 3 中，上游路口n 的第一相位开始放行后，直行车队以平均车速行驶证下 游系统路段i 上，遇到下游车队时停车，等待d 。时间后随下游排队车辆一起行驶。 若相位差瓯肿。( 七) 选择不合适，则车队在下游系统路段上会产生等待延误见，系统 效率较低。 因此，合理的相位差瓯卅( 七) ，应保证谚= 0 ，即上游路口n 第一相位绿灯开启后， 放行车队中的头车到达下游系统路段i 车队尾部的时刻，应正好等于下游车队中的尾 车刚好开始行驶的时刻，也即下游路e i n + l 放行绿灯开启后，下游车队的消散波到达 车尾车时的时刻。根据时距图3 3 ，要满足上述条件，则有下列关系成立： 铱r 叫1 6 怒 瞅 背 五邑大学硕士论文 即： 令： 点。，( 七) + ，+ 墨二刍：垒! 生! ：，+ 塑 吒) + “平纠+ 等 v i l ；刀= 1 ，2 ，n 一1 ；k = l ，2 ，k w 咖警一半 v i l ；n = 1 ，2 ，n 一1 ；k = 1 ，2 ，k 则有： ( 3 4 ) ( 3 - 5 ) 易( 七) = 厶，q ( 后) 厶( 定义为系统路段i 的占有率) ( 3 6 ) 阶k 舭) 去一气掣 ( 3 7 ) h sy t v i ；刀= 1 ，2 ，n - 1 ；k = l ，2 ，k 公式( 3 - 7 ) 确立了相位差随路段车辆排队长度的动态变化关系。 对于干线上次要车流方向各路口间的相位差关系，通常根据相位差闭合条件获 得。相位差闭合条件说明了形成闭合环路的各路口间相位差之间的关系，即环路上 各路口间相对相位差之和等于公共信号周期的整数倍。 在干线次要车流方向上，设路d n + l 、n 间第k 个信号周期的相位差为瓯肿1 ( 后) ； 则根据相位差闭合条件，有下列关系成立： 瓯。肿。( 七) + 瓯+ l ，。( 七) = c ( 后) ( 3 8 ) v n = 1 ，2 ，n - 1 ；k = 1 ，2 ，k 式中，c ( k ) 表示第k 个信号周期路口n 和路口n + 1 的公共周期，取两者周期长g ( 七) 和 e + ( 七) 的最大值，即c ( k ) = m a x c ( 后) ，q + 。( 七) ) ，秒。 3 1 4 变量约束描述 在交通干线的信号优化过程中，必须考虑绿灯时间与周期时长的关系及其约束 条件。这些关系有下面公式表示： f ( 七) = e ( 七) ( 3 9 ) f = l 2 1 五邑大学硕士论文 v n = 1 ，2 ，一1 ；七= 1 ，2 ，k ；= 1 ，2 ， 式中，g ( 尼) 表示路口n 第k 个信号周期的周期时长，秒。 f r i i 。g 二( 后) 一 v n = l ，2 ，n - 1 ；k = 1 ，2 ，k ；f = l ，2 ，f 式中i g f 幽表示路口n 第价相位的最小绿灯时间，秒； 一表示路口n 第价相位的最大绿灯时间，秒。 c a e ( 后) v 七= 1 ，2 ，k 。 式中： 表示最小信号周期时间，秒； c 二表示最大信号周期时间，秒。 3 1 5 优化性能指标及问题描述 ( 3 - 1 0 ) ( 3 - 1 1 ) 为提高整个干线系统通行量，减少交通阻塞，让干线上的车流通畅，则信号控 制参数的优化目标为：在控制周期为k 信号个周期内，使每个路口上的排队最少。 在满足( 3 1 ) ( 3 1 1 ) 式等条件下使得( 3 - 1 2 ) 目标函数最小，即： r r a i n q ( 3 - 1 2 ) k f f i ll e l u l , e , u ，肠 式中：q 是路口i 的排队的车辆数，表示为： q = 纠 j ( 3 1 3 ) 纠= m a x 0 ，纠一1 + 彳巧，- d r , ， ( 3 1 4 ) 式中：j = l ，2 ，3 ，4 ，表示相位；a v , 是路口i 中第j 个相位时到达的车辆数；d r , 是路口 i 在第j 个相位时离开的车辆数；纠以路口i 中在第j 个相位前一个相位停留的车辆 数。 五邑大学硕士论文 3 2 遗传一蚁群优化方法的实现 3 2 1 遗传算法的优、缺点 遗传算法的优点： ( 1 ) 具有大范围全局搜索的能力，与问题领域无关； ( 2 ) 搜索从群体出发，具有潜在的并行性；可进行多值比较，鲁棒性强； ( 3 ) 搜索使用评价函数启发，其过程简单； ( 4 ) 使用概率机制进行迭代，具有随机性； ( 5 ) 具有可扩展性，容易与其他算法结合。 其缺点是： 对于系统中的反馈信息利用不够，当求解到一定范围时往往做大量无为的冗余 迭代，求精确解效率低。 3 2 2 蚁群算法的优、缺点 蚁群算法的优点： ( 1 ) 其原理是一种正反馈机制或称增强型学习系统，它通过信息素的不断更新达 到最终收敛于最优路径上； ( 2 ) 它是一种通用型随机优化方法，但人工蚂蚁决不是对实际蚂蚁的一种简单模 拟，它融进了人类的智能； ( 3 ) 它是一种分布式的优化方