一种基于遗传算法优化的城市区域交通大数据分析系统与方法技术方案

本发明专利技术属于城市交通设计领域，具体涉及一种基于遗传算法优化的城市区域交通大数据分析系统与方法。其中，所述系统包括：城市路网与行人出行分布分析模块、城市路网交路流量分析模块、城市轨道交通系统分析模块、城市区域交通系统决策模块。本发明专利技术以城市路网与居民出行分布作为对象，采用连续网络设计中的双层规划模型，将城市路网与居民出行分布的指标引入城市路网优化中，建立了基于遗传算法的城市路网优化双层规划模型，通过遗传算法计算最优解，并基于最优解实现交通系统决策配置，极大提高了城市区域交通的数据分析能力和决策能力。

An analysis system and method for urban area traffic big data based on genetic algorithm optimization

The invention belongs to the field of urban traffic design, and specifically relates to a large data analysis system and method for urban regional traffic based on genetic algorithm optimization. The system includes: urban road network and pedestrian travel distribution analysis module, urban road network traffic analysis module, urban rail transit system analysis module, urban regional traffic system decision-making module. The invention takes the urban road network and the resident trip distribution as the object, adopts the bi-level programming model in the continuous network design, introduces the index of the urban road network and the resident trip distribution into the urban road network optimization, establishes the bi-level programming model of the urban road network optimization based on the genetic algorithm, calculates the optimal solution through the genetic algorithm, and bases on it. The decision-making allocation of traffic system is realized by the optimal solution, which greatly improves the data analysis ability and decision-making ability of urban regional traffic.

【技术实现步骤摘要】
一种基于遗传算法优化的城市区域交通大数据分析系统与方法
本专利技术属于城市智慧交通领域，具体涉及一种基于遗传算法优化的城市区域交通大数据分析系统与方法。
技术介绍
城市是人类从事各种社会、政治、经济和文化生活的活动中心，在社会发展中起着极其重要的作用。而城市交通与城市的发展密切相关，是衡量一个城市文明进步的标志。随着社会经济的高速发展和城市化进程的快速推进，交通量持续大幅度增加，交通需求与道路交通设施之间的矛盾日益尖锐，城市交通问题日益严重。城市交通拥挤不仅造成交通事故频发、车辆延误增大，而且进一步带来能源浪费和环境污染的加剧，造成不良的社会经济后果。近年来，随着我国经济的飞速发展，城市化、汽车化进程加快，机动车辆保有量迅猛增加，我国的交通状况日渐恶化，交通拥挤以及能源、环境问题日益严重，特别是一些大城市，交通拥挤已成为制约城市经济发展的瓶颈。为了提高交通网络使用效率，解决交通拥挤和交通安全问题，世界各国在对交通流进行有效管理方面投入了大量的研究，试图应用自然科学与工程技术的最新研究成果解决日益严重的交通问题，城市交通问题的客观需求和现代科学技术的发展促进了智能交通系统的产生。以现代计算机技术、通信技术、电子技术、优化控制技术为核心的智能交通系统是全方位解决交通运输安全和交通拥挤的有效手段。其中的智能交通分析系统又包括许多子系统，例如车流与行人流监测处理、交通信号优化控制、车辆导航地区性或全球性、紧急事件处理、交通分流显示牌与媒体传播、道路桥梁自动收费、路况监控与维护、公路公共交通管理与协调、公共交通优先运行管理、交通流量与旅行时间预测、自动停车与服务、立体交通一体优化化协调与管理等。城市道路交通信号优化控制是智能交通系统的核心组成部分，对城市交通信号优化控制理论与技术的研究具有重要的现实意义和理论价值。合理有效的城市交通分析控制，可以减少或消除可能引发交通拥挤和交通事故的交通冲突点，使车辆和行人的延误时间最小，增加与交叉路口的通行能力，实现交通流的安全性、快速性和舒适性，具有现实而深远的社会经济效益。世界各国在对交通流进行有效管理方面投入了大量的研究，试图应用自然科学与工程技术的最新研究成果解决日益严重的交通问题，具体在城市交通分析优化控制方面也进行了很多研究，但是由于城市交通本身的复杂性、随机性、非线性，交通分析优化控制模型往往很复杂，用于交通信号优化控制模型的求解算法有很多，但是，传统的算法大多数，由于计算量大或者容易使性能指标落入局部极小值而严重制约了模型的应用与发展。遗传算法，是新兴发展起来的一类随机搜索与优化仿生算法。自1975年美国大学的MICHIGAN教授及其学生创建以来，遗传算法已引起了国内外学术界和产业界的广泛关注，成为本世纪计算智能中相当活跃的关键技术之一。遗传算法提供一种求解复杂系统优化问题的通用框架，不依赖问题的具体领域，对问题的种类具有很强的稳健性。目前，遗传算法己被广泛地应用于计算机科学、工程技术、管理科学和社会科学等许多重要领域，而且其的应用领域还在不断的扩展之中。与经典的方法比较，遗传算法还是一门新兴的学科，其实现方法上，还有待改进，尤其是其理论基础极需完善。因此，许多专家学者对其研究的其中一个热点课题就是对基本遗传算法的改进问题，以便使遗传算法的性能和特点能更充分发挥。遗传算法作为新兴发展起来的一类随机搜索与优化仿生算法，具有很多特点，比如以决策变量的编码作为运算对象，直接以目标函数值作为搜索信息，同时使用多个搜索点的搜索信息，使用概率搜索技术等等。它的这些特点使其近年来得到迅速发展，在函数优化、组合优化、自动控制、图象处理、模式识别、机器人学习等等领域得到应用。
技术实现思路
本专利技术试图利用改进的遗传算法的高效优化求解能力，基于交通分析优化控制模型进行运算，根据道路交通流的变化，实时调整分析控制方案对城市交通进行合理高效的控制，进而提高通行能力、改善交通秩序、节省能源消耗、提高交通效益。另外，利用改进的遗传算法来解决城市分析控制的优化问题，对拓宽遗传算法的应用领域，普及和推广遗传算法的应用也具有重要意义。。本专利技术的目的在于提供一种基于遗传算法优化的城市区域交通大数据分析系统。本专利技术的目的还在于提供一种基于遗传算法优化的城市区域交通大数据分析方法。本专利技术的目的是这样实现的：一种基于遗传算法优化的城市区域交通大数据分析系统，包括城市路网与行人出行分布分析模块、城市路网交路流量分析模块、城市轨道交通系统分析模块、城市区域交通系统决策模块；所述城市路网与行人出行分布分析模块包括由行人出行网络和路网网络相互作用而形成的双层网络，上层网络为行人出行网络，通过上层网络和下层网络的节点，采集由上层网络和下层网络的全部节点上的客流量和交通流量组成的城市交通系统大数据，并计算表示人流分布特征、交路通过能力、人流服务能力、交路运营组织复杂性、设备投资与运营费用这些因素的城市区域交通利用率指标；城市路网交路流量分析模块根据所述城市区域交通利用率指标，建立优化单目标函数，并利用遗传算法对上述单目标函数进行优化求解，确定交路通行的最优解；城市轨道交通系统分析模块基于城市路网与行人出行分布分析模块和城市路网交路流量分析模块，以交通车站的客流量为输入条件生成接运公交候选线路集合，根据接驳交通方式构建接运公交线网规划的双层规划网络，上层网络以城市轨道交通系统内出行成本、系统运营成本、单体车辆出行数量的加权之和最小为目标，优化系统内的线路组合方案、线路的车辆配置和发车频率，下层网络以上层网络输出的所有数据为输入，计算不同接驳交通方式的出行成本，利用遗传算法求解模型；城市区域交通系统决策模块用于根据城市路网交路流量分析模块以及城市轨道交通系统分析模块获得的最优解，确定城市路网交路通行和城市轨道交通的配置方案。优选的是，所述城市路网与行人出行分布分析模块计算以下城市区域交通利用率指标：道路单向满载率：高峰单位时间最大单向满载率：道路平均满载率：公共交通平均满载率：城市道路面积密度：L为城市道路的里程长度；E为区域面积；城市人口密度：R为城市人口量；城市道路经济密度：GDP为城市国民生产总值；城市车辆运输密度：I为城市车辆运输周转量；城市区域交通综合密度：城市区域交通路网连通度：L0为城市区域总里程数，θ为非直线系数，即直线里程与总里程的比；H为区域交通路网的总路段数，N为区域交通路网的节点数；城市交通理想道路长度：U为经济指标系数；城市交通理想规模接近度：城市交通道路布局均衡度其中为P0规划区域内路网规模合理的分区数，P为规模区域的总分区数。优选的是，所述城市路网交路流量分析模块获得由行人出行网络和路网网络采集并计算的城市区域交通利用率指标；并且设置约束条件；当超出约束条件时，在遗传计算中关闭路网，直到城市区域交通利用率指标不再超出约束条件。优选的是，所述约束条件包括：路网覆盖范围约束：D*A≤FmaxFmax为道路单项满载极限度；Q*W≤GmaxGmax为道路公共交通满载极限度；最大满载率约束：μmax各道路通道应满足的最大满载率；mmin≤Tε≤mmaxmmin为各交路的最小编组数；mmmax为各交路的最小编组数。优选的是，城市路网交路流量分析模块采用线性加权法，将由城市区域交通利用率指标构成本文档来自技高网...

【技术保护点】
1.一种基于遗传算法优化的城市区域交通大数据分析系统，其特征在于，包括城市路网与行人出行分布分析模块、城市路网交路流量分析模块、城市轨道交通系统分析模块、城市区域交通系统决策模块；所述城市路网与行人出行分布分析模块包括由行人出行网络和路网网络相互作用而形成的双层网络，上层网络为行人出行网络，通过上层网络和下层网络的节点，采集由上层网络和下层网络的全部节点上的客流量和交通流量组成的城市交通系统大数据，并计算表示人流分布特征、交路通过能力、人流服务能力、交路运营组织复杂性、设备投资与运营费用这些因素的城市区域交通利用率指标；城市路网交路流量分析模块根据所述城市区域交通利用率指标，建立优化单目标函数，并利用遗传算法对上述单目标函数进行优化求解，确定交路通行的最优解；城市轨道交通系统分析模块基于城市路网与行人出行分布分析模块和城市路网交路流量分析模块，以交通车站的客流量为输入条件生成接运公交候选线路集合，根据接驳交通方式构建接运公交线网规划的双层规划网络，上层网络以城市轨道交通系统内出行成本、系统运营成本、单体车辆出行数量的加权之和最小为目标，优化系统内的线路组合方案、线路的车辆配置和发车频率，下层网络以上层网络输出的所有数据为输入，计算不同接驳交通方式的出行成本，利用遗传算法求解模型；城市区域交通系统决策模块用于根据城市路网交路流量分析模块以及城市轨道交通系统分析模块获得的最优解，确定城市路网交路通行和城市轨道交通的配置方案。...

【技术特征摘要】
1.一种基于遗传算法优化的城市区域交通大数据分析系统，其特征在于，包括城市路网与行人出行分布分析模块、城市路网交路流量分析模块、城市轨道交通系统分析模块、城市区域交通系统决策模块；所述城市路网与行人出行分布分析模块包括由行人出行网络和路网网络相互作用而形成的双层网络，上层网络为行人出行网络，通过上层网络和下层网络的节点，采集由上层网络和下层网络的全部节点上的客流量和交通流量组成的城市交通系统大数据，并计算表示人流分布特征、交路通过能力、人流服务能力、交路运营组织复杂性、设备投资与运营费用这些因素的城市区域交通利用率指标；城市路网交路流量分析模块根据所述城市区域交通利用率指标，建立优化单目标函数，并利用遗传算法对上述单目标函数进行优化求解，确定交路通行的最优解；城市轨道交通系统分析模块基于城市路网与行人出行分布分析模块和城市路网交路流量分析模块，以交通车站的客流量为输入条件生成接运公交候选线路集合，根据接驳交通方式构建接运公交线网规划的双层规划网络，上层网络以城市轨道交通系统内出行成本、系统运营成本、单体车辆出行数量的加权之和最小为目标，优化系统内的线路组合方案、线路的车辆配置和发车频率，下层网络以上层网络输出的所有数据为输入，计算不同接驳交通方式的出行成本，利用遗传算法求解模型；城市区域交通系统决策模块用于根据城市路网交路流量分析模块以及城市轨道交通系统分析模块获得的最优解，确定城市路网交路通行和城市轨道交通的配置方案。2.根据权利要求1所述的基于遗传算法优化的城市区域交通大数据分析系统，其特征在于，所述城市路网与行人出行分布分析模块计算以下城市区域交通利用率指标：道路单向满载率：高峰单位时间最大单向满载率：道路平均满载率：公共交通平均满载率：城市道路面积密度：L为城市道路的里程长度；E为区域面积；城市人口密度：R为城市人口量；城市道路经济密度：GDP为城市国民生产总值；城市车辆运输密度：I为城市车辆运输周转量；城市区域交通综合密度：城市区域交通路网连通度：L0为城市区域总里程数，θ为非直线系数，即直线里程与总里程的比；H为区域交通路网的总路段数，N为区域交通路网的节点数；城市交通理想道路长度：U为经济指标系数；城市交通理想规模接近度：城市交通道路布局均衡度其中为P0规划区域内路网规模合理的分区数，P为规模区域的总分区数。3.根据权利要求2所述的基于遗传算法优化的城市区域交通大数据分析系统，其特征在于，所述城市路网交路流量分析模块获得由行人出行网络和路网网络采集并计算的城市区域交通利用率指标；并且设置约束条件；当超出约束条件时，在遗传计算中关闭路网，直到城市区域交通利用率指标不再超出约束条件。4.根据权利要求3所述的基于遗传算法优化的城市区域交通大数据分析系统，其特征在于，城市路网交路流量分析模块采用线性加权法，将由城市区域交通利用率指标构成的多目标优化转换为单目标优化；转换后的城市路网优化单目标函数为ρ＝τ1*α+τ2*β+τ3*γ+τ4*δτ1+τ2+τ3+τ4＝1τ1为α的权重；τ2为β的权重；τ3为γ的权重；τ4为δ的权重。5.根据权利要求4所述的基于遗传算法优化的城市区域交通大数据分析系统，其特征在于，城市路网交路流量分析模块进一步采用遗传算法，基于约束条件对上述单目标进行优化；优化过程为：1)染色体编码，根据各α、β、γ、δ变量的取值范围以及约束条件进行编码，2)计算染色体适应度函数值，将转化后的单目标函数作为遗传算法的适应度函数，Fit(X)＝τ1*α-τ2*β-τ3*γ-τ4*δFit(X)表示染色体的适应度函数；3)染色体交叉变异，在交叉变异前，对各子代适应度进行排序，保留适应度最大的两个子代不进行交叉变异操作，其中，交叉采用单点交叉，变异也采用单点变异；3.1)对城市区域交通利用率指标随机赋值，生成初始种群；3.2)调整染色体种群为可行解；3.3)计算染色体适...

【专利技术属性】
技术研发人员：杨帆，
申请(专利权)人：特斯联北京科技有限公司，
类型：发明
国别省市：北京,11