基于粒子群优化的关联交叉口 群信号控制策略研究!

收稿日期 , 1 % % 2 3 % 4 3 $ $ 批准号 , 国家自 ! 国家 5 & 4计划项目 " 1 % % & $ 1 $ $ ( + 00$ 6 然科学基金项目 " 批准号 , 资助 # % # 2 5 % & ’ (
步骤 & 以 分 项 预 测 值 C * * =* C $ " >Q R ( 1 " >Q R (
8 9 : ; 小7 4
为相应车流的饱和流量 4 S = + 因此 ( 四 相 位 信 号 控 制 的 E个 关 联 交 叉 口 群 内车辆平均延误时间可表示为 FGF
E I . /
)
# T ’
J = > = + HHHQ
= -. > -. + -.
为了使关联交叉口群内各交叉口平均延误最 少( 同时考虑到周期和最短绿灯时间等约束 ( 建立 性能函数如下 6
惠
徐建闽
卢
凯
? @
每个粒子还知道整个群体目前发现 (同时 ) ! " # $ % & ’ 的最优位置 ) 即全局极值 * (粒子在每一次搜 " # $ % ’ 索 过 程中 ) 通过跟踪个体极值和全局极值来更新 自己的速度与位置 (为改进基本 + , - 算法的收敛 速 度) 等人提出基于惯性权重的粒子群优化 , . / 方法
/ 信号控制性能函数的确定
关联交叉口群的交通控制性能指标包括通行 能 力5 排 队 长 度5 时 间 延 误5 停 车 次 数5 停 车 率5 油 耗5 行程时间等 4 常用的信号控制性能指标有时间 延误 5 排队长度 5 通行能力 4 对于传统的交叉口信 号 控 制而 言 ( 其性能指标的选定取决于交叉口的 交 通 流 状 态6 当 交 通 状 态 为 欠 饱 和5 临 界 饱 和 时( 调 整 交叉 口 交 通 控 制 参 数 ( 使交叉口总时间延误 达 到 最小 ( 或交叉口通行车辆的停车总次数达到 最小 2 当交通状态为过饱和时 ( 应采取相应的控制 策略使得交叉口群在特定时间段内实现最大通行 能 力( 或交叉口的主交通流方向的排队长度最
$ 关联交叉口群的交通流组合预测
交通流预测尤其是短时交通流预测是实现交 通 控制的 重 要 前 提 * 国内外关于短时交通流预测 应用于交通流预测的方法包括多元 的 研究较 多 * 回 归 方 法7 时 间 序 列 方 法7 灰 色 预 测 方 法7 卡尔曼
1 3 4 9 滤波方法 7 神经网络方法等等 8 ) 虽然已有的预
随机粒子 ( 每个粒子都有自己的位置和飞行速度 (
中 记 忆5 跟 踪 当 前 的 最 优 粒 子 进 行 搜 索4 目 前(
设粒子群体规模为 s( 粒子 > # -. ( / ( 0( > s’
FG-
N 7 ? ( # O H H H H LM
= -. > -. + - . K- .
%
基于粒子群优化的关联交叉口群信号控制策略研究 ^^ 傅
8BC D< 8 B/ F ; H > G 4 4 分别为粒子 & 在第 4次 式中 I 76 ) ? ) J) M ’ KL 3 = & ’ & ’ 搜 索 中第 ’维的速度和位置 ) 为最大 N; 6 ) > L 4 G G 8 7 8BC D < 4E 迭代搜索次数 L M 9 : 9 6 为认知因子 L ? 为社会因子 L 6 之 间 的 随 机 数L O ) 6 2 8为惯性因 : ? 分别为介于0 子) 较大的 8 可加强 + ) 2 L 8N0 8B/ 8BC , - 的全局 F D 搜索能力 ) 较小的 8 可加强局部搜索能力 ( 本 文 根 据 惯 性 权 重 粒 子 群 算 法 思 想) 给出交 叉口群的信号实时控制流程如下 I 步骤 6 检测交叉口群的交通流信息 ) 通过标 准车型折算后得到各交叉口准确的流量信息 L 步骤 ? 利用历史交通 流 时 间 序 列 离 线 生 成 基 于 神经 网 络 的 组 合 预 测 模 型 ) 对交通流信息时 间 序 列进 行 可 预 测 性 分 析 ) 根据已有组合预测模 型进行在线预测 L 步骤 P 根据交叉口的流量 M 交叉口之间的距 离M 平均车速信息 ) 初步确定关联交叉口群内共用 周期及相位差 L 步骤 Q 建立 类 似 式 ; 的控制参数; 相位绿 Q > 灯时间 > 优化性能函数 L 步骤 @ 根据惯性权重粒子群算法思想 ) 求解 信号控制参数 I 群体规模R) 粒子维度K) 粒 6 >确定算法参数 (
其速度与位置更新方程可表示为 )
4 4 4 9 : ; * " # $ % > ? ? ’< = & ’ 4 56 4 4 56 = & ’ 7 = & ’5 3 & ’
4 56 4 4 4 4 3 : ; ! " # $ % >5 & ’ 783 & ’5 9 6 & ’< = & ’ 6
; @ > ; A >
E I . / J =H W
= -. > -. + - . K- . K
假定 关 联 交 叉 口 群 由 十 字 交 叉 口 构 成 ( 各交 叉口均设计为四相位信号控制 ( 如图 .所示 4
LM N 7 ? ( # O = > +% 约束条件 6
; X QJ H Q R S< J’
基于粒子群优化的关联交叉口群信号控制策略研究 SS 傅
惠
徐建闽
卢
凯
1 4
基于粒子群优化的关联交叉口 群信号控制策略研究 !
傅 惠 徐建闽 卢 凯
华南理工大学 " 摘 要 广州 # $ % & ’ % (
提出基于粒子群优化的城市关联交叉口群信号控制策略 )采用具有车型信息的感应
线圈检测装置 * 获取各交 叉 口 的 实 时 交 通 流 信 息 + 通过对短时交通流时间序列进行可预测分析* 确 定交通流时间序列的动力学 性 质 * 对于具有确定性变化规律的时间序列建立基于神经网络的组合 预测模型 * 实现对交通流 的 在 线 预 测 + 以车辆平均延误时间最少为优化目标* 建立关联交叉口群的 信号控制参数优化性能函数 * 根据粒子群优化思想求解信号控制参数 )仿真实验证实 * 基于粒子群 优化的关联交叉口群信号控制策略有效 ) 关键词 交通流 + 粒子群优化 + 关联交叉口群 + 信号控制 文献标识码 , 0 中图法分类号 , . $ / # -’
= P = + = > > += P -.
> = +=
# I ’
\J = .% J = /% J = T% J = I- G [ Y ]Y LU VZ J = >Z GR T LU V # =- . ( / ( 0( E (> -. ( / ( T ( I ’ 为最小绿灯时间 ( 通常取 . 式中 6 8^ 2 G 为交叉 Y LU V 口群的共 用 信 号 周 期 ( 取为各交叉口韦伯斯特最
图 . 十字路口相位设计
佳估计周期中的最大值 4
为 实 现 对 关 联 交 叉 口 群 的 实 时 优 化 控 制( 以 交 叉 口群 内 车 辆 平 均 延 误 时 间 最 小 为 优 化 目 标 ( 设< 为放行状态变量 ( 有 = > +
< = > +第 =交叉口第 > 相位第 + 条车流放行 . ( 第 =交叉口第 > 相位第 + 条车流禁止放行 ? (
T 基于粒子群优化的信号控制算法
对于四相位交叉口 =的放行状态系数矩阵 @ 可表 = 示为 A? . . ? ? ? ? . . ? ? ? C @ =. ? ? ? ? ? . ? ? ? ? ? ? ? ? ? . . ? ? ? ? . . B? ? ? . ? ? ? ? ? . ? ? D 则 E个关联十字交叉口群的车辆总延误可表示为
/ I
交通与计算机
K
/ ? ? 3年第 T期
第/ 8卷
总. T :期
得到序列) , * ! + "# $% & ’为 训 练 后 网 络 的 输 入 ( + 的第 步预测值 2 . ( / ( 0( $1 & * $% & 步骤 3 由于预测对象变化的随机性较强 ( 可 预 测 的时 间 跨 度 较 短 ( 故可选用随机时间序列预 测方法加以分析 4
L
" $ (
1 B
使其满足条件 , GH IJ; 算法流程如下 ,
<M F " D( ( K"
B B ;$
步骤 $ 对交通流时间序列N O ;$ * 1 * =* < B B 进行历史数据的错误剔除 7 平滑等预处理 + >P 步骤 1 分析时间序列的可预测性质 * 若时间 序列 来自 确 定 性 动 力 系 统 * 具有较长时间的可预 则转入步骤 4 否则转步骤 2 测特性 * * + 步骤 4 分 别 用 @ 种 不 同 的 预 测 方 法 " @值 并 非 越大 越 好 * 应视交通流的变化特征而定( 分 * 别建立相应的模型并得出交通 流 的 预 测 值 C ; $ " * * =* * ;" * * =* * =* C C C C C C C C $ $ $ 1 $ >( 1 1 $ 1 1 1 >( @ ;" * * =* + C C C @$ @1 @> ( E 步 骤 ’ 为了逼近非线性函数关系 < B; 设计 4层神经网络 * 输入节点数为 @* 输出 " ( * F D B 节点数为 $ 隐含层节点数根据经验及实验调整确 * 定+ 步骤 # 将" * ( * ;$ * 1 * =* D < B > 作为输入 B B 输出样本对 * 设计适当的学习算法 * 训练网络达到 期望误差 +