一种城市道路交叉口信号控制多目标优化方法技术

一种城市道路交叉口信号控制多目标优化方法，包括以下步骤：步骤1：车辆尾气排放建模：车辆尾气排放造成的经济损失是各种污染物的经济损失之和；步骤2：车辆燃料消耗建模：按照汽油价格将燃料消耗转化成经济损失；步骤3：车辆延时建模；步骤4：建立多目标优化函数：将车辆尾气排放、车辆燃料消耗、车辆延时三种损失情况相结合，构造多目标优化函数；步骤5：采用多搜索策略组合的免疫多目标优化算法训练，得到最优解；步骤6：根据所述最优解，输出最优信号配时方案。本发明专利技术适应性强、可行性强、实效性高、易用性强和实用价值高。

A multi objective optimization method for signalized intersection of urban road

An optimization method of City Road intersection signal control target, which comprises the following steps: Step 1: vehicle emission modeling: vehicle exhaust emissions caused by the economic losses of various pollutants and economic losses; step 2: vehicle fuel consumption model: according to the price of petrol will fuel consumption into economic losses; step 3: the vehicle delay model; step 4: to establish a multi-objective optimization function: vehicle emissions, vehicle fuel consumption, vehicle delay three loss combined with structural multi-objective optimization function; step 5: the search immunization strategy combination of multi-objective optimization algorithm for training, get the optimal solution; step 6: according to the optimum the solution, the output of the optimal signal timing scheme. The invention has the advantages of strong adaptability, strong practicability, high practicability, high usability and high practical value.

【技术实现步骤摘要】
一种城市道路交叉口信号控制多目标优化方法
本专利技术属于智能交通
，尤其涉及一种城市道路交叉口信号控制多目标优化方法。
技术介绍
随着城市道路交通流的不断增长和路网密度的不断增加，城市道路交通状况变得更加复杂，带来的影响不仅仅是车辆的拥堵和延误，同样包括车辆尾气排放、能源消耗等生态、经济方面的负作用。交叉口的信号控制作为城市干线运输网络最重要的组成部分之一，如何选择配时方案影响整个城市交通运行效率，同时能对汽车尾气排放、能源消耗起重要作用。传统的交叉口信号配时方法通常是基于最小交通延时来计算配时方案，随着机动车数量的增长，该方法不能满足实际交通需求，且只考虑了单一的优化目标，优化精度和准确性不高。随着生态环境问题成为当今世界越来越受重视的话题，交通运输中产生的燃料和空气污染问题也成为人们关注的重点，因此，如何优化交叉口信号配时来减少交通运输中产生的尾气排放、能源消耗是智能交通领域的一大突破。已有的文献中大多只采用了汽车燃料及排放单方面的优化目标，没有结合实际交通状况。另一方面，大部分多目标优化算法只考虑全局搜索或局部搜索一种搜索策略，存在精确性不高或过早收敛的问题，因此，如何改善交叉口信号配时中的多目标优化问题的性能成为智能交通领域的一大研究方向。
技术实现思路
为了针对当前交叉口信号控制优化方法中将生态环境问题与交通问题相结合的技术方案的空缺、以及交叉口信号配时多目标优化方法的性能缺陷的不足，本专利技术提出一种适应性强、可行性强、实效性高、易用性强和实用价值高的城市道路交叉口信号控制多目标优化方法，将车辆延误与尾气排放、能源消耗相结合，作为信号控制的优化目标，再利用多搜索策略组合的免疫多目标优化算法进行优化训练，最后根据训练结果选出最优配时方案。本专利技术解决其技术问题所采用的技术方案是：一种城市道路交叉口信号控制多目标优化方法，所述优化方法包括以下步骤：步骤1：优化指标建模选择车辆尾气排放、车辆燃料消耗、车辆延时作为城市道路交叉口信号控制的优化指标，并将其转换成经济损失，分别以表示；步骤2：建立多目标优化函数将车辆尾气排放、车辆燃料消耗、车辆延时三种损失情况相结合，构造多目标优化函数，得到多目标融合的综合经济损失函数如下：其中，Ct为总的经济损失，α、β、γ分别为车辆尾气排放、车辆燃料消耗、车辆延时三种损失情况所占权重，满足α+β+γ＝1；步骤3：采用多搜索策略组合的免疫多目标优化算法训练，得到最优解；步骤4：根据所述最优解，输出最优信号配时方案。进一步，所述步骤1中，优化目标建模具体过程如下：1.1)车辆尾气排放建模车辆尾气排放造成的经济损失是各种污染物的经济损失之和，设交叉口信号控制时的各污染物数量为Nci，i为第i种污染物，则信号控制时的经济损失为：Ce＝∑i(pi*Nci)(2)其中，pi为第i种污染物的单价；为减小与无信号控制时的经济损失差异，将车辆尾气排放经济损失定义如下：其中，Nfi为交叉口自由流条件下第i种污染物的数量；1.2)车辆燃料消耗建模按照汽油价格将燃料消耗转化成经济损失，如下式所示：其中，pg为汽油平均价格，Ng为信号控制时的燃料消耗总量，θ为汽油平均密度；同理，为减小与无信号控制时的经济损失差异，将车辆燃料消耗经济损失定义为下式：其中，Nfg为交叉口自由流条件下燃料消耗总量；1.3)车辆延时建模设城市平均薪资水平为S，Dc为交叉口信号控制时的车辆总延时，不同类型车辆占比为εk，k＝1,…,K为车辆类型总数，Vk为类型k的车辆能容纳乘客数量，则车辆延时的经济损失为：同理，为减小与无信号控制时的经济损失差异，将车辆延时经济损失定义为下式：其中，Df为交叉口自由流条件下的车辆总延时。再进一步，所述步骤3中，多搜索策略组合的免疫多目标优化算法的过程如下：3.1)初始化定义将优化问题的目标函数映射为抗原，优化问题的可行解映射为抗体，以P(t)表示，初始化为空集，将Pareto最优解保存在记忆集M(t)中，t为繁殖代数，M(t)尺寸为m，初始化中M(t)为随机生成，繁殖数为p，克隆数为c，邻居数为n，最大繁殖代数为T；通过对M(t)进行迭代更新，获得分布均匀的Pareto最优解；3.2)选取活跃抗体若M(t)尺寸大于m，则根据拥堵距离保留m个最好抗体，再从m个抗体中根据亲和力选择p个活跃抗体；产生一个0到1之间的随机数rand1作为后面重组运算的标准；以目标抗体最近两邻居所形成矩形周长的估计及最近两邻居与目标抗体的分散距离之差为拥堵距离；根据拥堵距离找出m个最好抗体后，计算各个抗体的亲和力，选取p个亲和力最大的抗体作为活跃抗体，亲和力直接用拥堵距离表示，即Aff(A)＝CD(A,M(t))(8)其中，Aff(A)为记忆集M(t)中抗体A的亲和力，CD(A,M(t))为拥堵距离；3.3)计算邻域计算记忆体M(t)中m个抗体两两抗体间的欧式距离，取n个最近邻居，欧氏距离计算公式如下：其中，为向量和向量的欧式距离，Ni＝n1,n2,…,nn为抗体Ai的n个邻居抗体的编号；3.4)克隆步骤5.2)产生的p个活跃抗体，每个活跃抗体Pi(i＝1,…,p)克隆qi个，qi计算方法如下式所示：其中，运算表示大于Q的最小整数，Aff(Pi)表示活跃抗体Pi的亲和力；3.5)多搜索策略重组运算对每一个克隆抗体，采用多搜索策略重组运算产生重组后代，通过结合局部随机搜索策略的模拟二进制交叉重组算子SBX和全局搜索策略的差分进化重组算子DE进行重组运算。3.6)更新抗体集P(t)：将新产生的抗体加入抗体集P(t)中；3.7)更新记忆集M(t)：根据P(t)和M(t)对M(t)进行更新，去掉其中的弱抗体，保留精华抗体，形成新的记忆集M(t+1)；3.8)判断是否满足繁殖终止条件，重复执行步骤5.2)-5.7)，直到达到最大繁殖代数T；3.9)输出分布均匀Pareto最优解M(t)。更进一步，所述步骤3.2)中，根据目标抗体A两边距离最近的两个抗体A′和A″所形成矩形及A′和A所形成矩形，分散距离定义为A′和A″距离A的分散程度，以A′和A以及A″和A形成矩形的周长估计差表示：其中D(A′,A″)为A′和A″的分散距离，拥堵距离的计算公式可表示为：其中CD(A,M(t))为拥堵距离，A为记忆集M(t)中的抗体；和为第i个目标的最大值和最小值；为非边界抗体两边两个邻居在第i个目标上的最小差值，计算方法如下式：Bi为边界抗体集，计算方法如下式：所述步骤3.5中，多搜索策略重组运算的过程如下：设SBX和DE的使用概率分别为ρ1和1-ρ1，ρ1越大表示SBX算子使用概率越高；当随机数rand1小于ρ1时，执行SBX算子重组运算；当随机数rand1≥ρ1时，执行DE算子重组运算；所述SBX搜索策略的过程如下：除当前操作的抗体外，再从M(t)中随机选择另一个抗体作为父代，由两个父代产生两个重组子代；再根据生成的0到1之间的随机数μ从两个重组子代中选择一个存活者；若μ>0.5则保留第一个重组子代，去掉第二个重组子代；反之则保留第二个重组子代，去掉第一个重组子代；DE搜索策略的过程如下：除当前操作的抗体Ai外，再根据索引从M(t)中选择两个抗体作为父代，r1、r2为从索引序列S中选择的索引编号：其中ωmax和ωmin本文档来自技高网...

【技术保护点】
一种城市道路交叉口信号控制多目标优化方法，其特征在于：所述优化方法包括以下步骤：步骤1：优化指标建模选择车辆尾气排放、车辆燃料消耗、车辆延时作为城市道路交叉口信号控制的优化指标，并将其转换成经济损失，分别以

【技术特征摘要】
1.一种城市道路交叉口信号控制多目标优化方法，其特征在于：所述优化方法包括以下步骤：步骤1：优化指标建模选择车辆尾气排放、车辆燃料消耗、车辆延时作为城市道路交叉口信号控制的优化指标，并将其转换成经济损失，分别以表示；步骤2：建立多目标优化函数将车辆尾气排放、车辆燃料消耗、车辆延时三种损失情况相结合，构造多目标优化函数，得到多目标融合的综合经济损失函数如下：其中，Ct为总的经济损失，α、β、γ分别为车辆尾气排放、车辆燃料消耗、车辆延时三种损失情况所占权重，满足α+β+γ＝1；步骤3：采用多搜索策略组合的免疫多目标优化算法对输入的多种信号配时方案进行训练，得到固定配时方案下的最优权重；步骤4：根据所述最优权重，输出最优信号配时方案。2.如权利要求1所述的一种城市道路交叉口信号控制多目标优化方法，其特征在于：所述步骤1中，优化目标建模具体过程如下：1.1)车辆尾气排放建模车辆尾气排放造成的经济损失是各种污染物的经济损失之和，设交叉口信号控制时的各污染物数量为Nci，i为第i种污染物，则信号控制时的经济损失为：Ce＝∑i(pi*Nci)(2)其中，pi为第i种污染物的单价；为减小与无信号控制时的经济损失差异，将车辆尾气排放经济损失定义如下：其中，Nfi为交叉口自由流条件下第i种污染物的数量；1.2)车辆燃料消耗建模按照汽油价格将燃料消耗转化成经济损失，如下式所示：其中，pg为汽油平均价格，Ng为信号控制时的燃料消耗总量，θ为汽油平均密度；同理，为减小与无信号控制时的经济损失差异，将车辆燃料消耗经济损失定义为下式：其中，Nfg为交叉口自由流条件下燃料消耗总量；1.3)车辆延时建模设城市平均薪资水平为S，Dc为交叉口信号控制时的车辆总延时，不同类型车辆占比为εk，k＝1,…,K为车辆类型总数，Vk为类型k的车辆能容纳乘客数量，则车辆延时的经济损失为：同理，为减小与无信号控制时的经济损失差异，将车辆延时经济损失定义为下式：其中，Df为交叉口自由流条件下的车辆总延时。3.如权利要求1所述的一种城市道路交叉口信号控制多目标优化方法，其特征在于：所述步骤3中，多搜索策略组合的免疫多目标优化算法的过程如下：3.1)初始化定义将优化问题的目标函数映射为抗原，优化问题的可行解映射为抗体，以P(t)表示，初始化为空集，将Pareto最优解保存在记忆集M(t)中，t为繁殖代数，M(t)尺寸为m，初始化中M(t)为随机生成，繁殖数为p，克隆数为c，邻居数为n，最大繁殖代数为T；通过对M(t)进行迭代更新，获得分布均匀的Pareto最优解；3.2)选取活跃抗体若M(t)尺寸大于m，则根据拥堵距离保留m个最好抗体，再从m个抗体中根据亲和力选择p个活跃抗体；产生一个0到1之间的随机数rand1作为后面重组运算的标准；以目标抗体最近两邻居所形成矩形周长的估计及最近两邻居与目标抗体的分散距离之差为拥堵距离；根据拥堵距离找出m个最好抗体后，计算各个抗体的亲和力，选取p个亲和力最大的抗体作为活跃抗体，亲和力直接用拥堵距离表示，即Aff(A)＝CD(A,M(t))(8)其中，Aff(A)为记忆集M(t)中抗体A的亲和力，CD(A,M(t))为拥堵距离；3.3)计算邻域计算记忆体M(t)中m个抗体两两抗体间的欧式距离，取n个最近邻居，欧氏距离计算公式如下：其中为m个抗体中任意两抗体Ai和Aj的欧式距离，i≠j，Ni＝i1,i2,…,in为Ai的n个最近邻居的编号，在DE...

【专利技术属性】
技术研发人员：李丹，李建元，钱小鸿，陈涛，应康平，蒋伶华，王开红，
申请(专利权)人：银江股份有限公司，
类型：发明
国别省市：浙江,33