基于自适应遗传算法的双环信号配时优化方法技术

本发明专利技术公开了一种基于自适应遗传算法的双环信号配时优化方法。其包括获取交叉口使用双环信号配时时的交叉口交通流数据，使用真值编码方法进行处理，生成初始父代群体，计算个体的适应度，判断个体适应度是否满足预设终止条件，当不满足时采用随机联赛选择方法对群体进行选择处理，采用自适应交叉概率方法对群体进行单点交叉处理，采用自适应变异概率方法对群体进行非均匀变异处理，对群体实施最优保存策略，重新计算个体的适应度。本发明专利技术以交叉口车辆平均延误最少为优化目标，建立以各流向绿灯时间为优化参数的双环信号配时优化模型，并采用自适应遗传算法对模型进行求解，从而减少交叉口车辆平均延误时间，提高交叉口运行效率。

Double loop signal timing optimization method based on adaptive genetic algorithm

The invention discloses a double loop signal timing optimization method based on adaptive genetic algorithm (adaptive genetic algorithm). It includes the acquisition of intersection traffic flow data using double intersection signal timing, the use of real value encoding method is applied to generate the initial parent population, calculate the fitness of individuals, determine the individual fitness meets the preset termination condition is not satisfied, when using stochastic tournament selection method select processing group, using adaptive the crossover probability method for single point intersection of groups, the adaptive mutation probability method for non uniform mutation of groups, implementing the optimal preservation strategy of group, to calculate the fitness of individuals. The intersection of the average vehicle delay at least as optimization objectives, to establish the direction of green time for double signal timing optimization parameter optimization model, and the model was solved by using adaptive genetic algorithm, so as to reduce the average delay time of vehicles at intersections, improve the intersection efficiency.

【技术实现步骤摘要】
基于自适应遗传算法的双环信号配时优化方法
本专利技术属于交通工程
，尤其涉及一种基于自适应遗传算法的双环信号配时优化方法。
技术介绍
交叉口作为城市交通网络的重要组成部分，往往是城市拥堵的多发地。提升交叉口的运行效率是缓解城市交通拥堵的重要手段之一。合理的信号配时方案能够使得交通流在交叉口的时间和空间中均衡分布，有效提高交叉口甚至整个路网的运行效率，因此国内外学者对交叉口信号配时优化模型进行了大量研究，提出了多种信号配时优化模型。虽然国内外的配时优化模型成果很多，但是现有的配时优化模型大多数都是针对单环结构(非搭接)相位方案进行配时优化，针对双环结构(含搭接)相位方案的配时优化模型较少。由于我国城市交叉口多使用传统单环相位方案，当交叉口车流量不均衡时时，即使对其应用配时优化模型进行优化，也难免会因为同一相位内各流向交通量不均衡而造成交叉口时空资源的浪费。针对这种情况，对交叉口信号配时采用双环相位方案能够有效减少交叉口时空资源的浪费，所以研究建立双环信号配时优化模型对提高交通运行效率，缓解交通拥堵有重要的作用。
技术实现思路
本专利技术的专利技术目的是：为了解决现有技术总存在的以上问题，本专利技术提出了一种基于自适应遗传算法的双环信号配时优化方法，以期减少交叉口车辆平均延误时间，提高交叉口运行效率。本专利技术的技术方案是：一种基于自适应遗传算法的双环信号配时优化方法，包括以下步骤：A、获取交叉口使用双环信号配时时的交叉口交通流数据；B、对步骤A中交叉口交通流数据使用真值编码方法进行处理，生成初始父代群体；C、计算生成的群体中个体的适应度；D判断个体适应度是否满足预设终止条件；若满足，则操作结束，得到最优个体；若不满足，则进行下一步骤；E、采用随机联赛选择方法对群体进行选择处理；F、采用自适应交叉概率方法对群体进行单点交叉处理；G、采用自适应变异概率方法对群体进行非均匀变异处理；H、对群体实施最优保存策略，返回步骤C。进一步地，所述步骤B对步骤A中交叉口交通流数据使用真值编码方法进行处理具体为：将交叉口交通流数据中的各流向绿灯时长的组合作为个体，个体染色体形式表示为g＝＜g1,g2,g3,g4,g5,g6,g7,g8＞，其中gi表示第i个流向的绿灯时间；设定各流向绿灯最大值为gimax、各流向绿灯最小值为gimin、各流相损失时间为li、最大进化代数为T、种群规模为M、最大交叉概率为Pcmax、最小交叉概率为Pcmin、最大变异概率为Pmmax、最小变异概率为Pmmin；根据双环相位结构设定各流向的绿灯时间约束为g1+g2-g5-g6＝0g3+g4-g7-g8＝0g1+g2+g3+g4-C＝0。进一步地，所述步骤C计算生成的群体中个体的适应度具体为：将交叉口车辆平均延误D为目标函数，构造个体的适应度函数模型为F＝minD。进一步地，所述交叉口车辆平均延误D的计算公式具体为：其中，gei为流向i有效绿灯时长；xij为流向i第j进口道的饱和度；qi为流向i实际到达的当量交通量；C为信号周期时长。进一步地，所述步骤F采用自适应交叉概率方法对群体进行单点交叉处理具体为：每次随机选择群体中的2个个体，选取适应度较高的对应个体到下一代群体中，迭代M次后得到下一代群体的M个个体。进一步地，所述步骤E采用随机联赛选择方法对群体进行选择处理具体为：E1、在群体中的个体编码串中随机设定一个交叉点；E2、计算自适应交叉概率；E3、以自适应交叉概率在交叉点互相交换两个父代个体的部分染色体，生成两个新的个体。进一步地，所述自适应交叉概率的计算公式具体为：其中，Pc为交叉概率，Pcmax和Pcmin分别为交叉概率的上限和下限，fmax和favg分别为当前群体中的最大适应度值和平均适应度值，f'为两个交叉个体中适应度较大值，A为常数。进一步地，所述步骤G采用自适应变异概率方法对父代群体进行非均匀变异处理具体为：G1、在群体中的个体编码串中随机设定一个交叉点；G2、计算自适应变异概率；G3、以自适应变异概率对父代个体变异点基因进行非均匀变异，产生一个在[gimin,gimax]上服从非均匀变异的随机值，用以替换变异点上的原有基因值，生成新的个体。进一步地，所述自适应变异概率的计算公式具体为：其中，Pm为变异概率，Pmmax和Pmmin分别为变异概率的上限和下限，fmax和favg分别为当前群体中的最大适应度值和平均适应度值，f为该变异个体中适应度值，A为常数。进一步地，所述步骤H中对群体实施最优保存策略具体为：遍历当代群体中适应度最高的个体和适应度最低的个体，判断当前群体中适应度最高个体的适应度是否高于所有代群体中个体的最高适应度；若是，则以当前群体中的最佳个体作为所有代群体中适应度最高的个体；若否，则将所有代群体中适应度最高的个体替换当代群体中适应度最低的个体。本专利技术的有益效果是：本专利技术以交叉口车辆平均延误最少为优化目标，建立以各流向绿灯时间为优化参数的双环信号配时优化模型，并采用自适应遗传算法对模型进行求解，从而减少交叉口车辆平均延误时间，提高交叉口运行效率。附图说明图1是本专利技术的基于自适应遗传算法的双环信号配时优化方法的流程示意图。图2是现有技术中单环信号控制方案示意图。图3是本专利技术中双环信号控制方案示意图。图4是本专利技术实施例中两个交叉口的渠化示意图。图5是本专利技术实施例中交叉口1的优化方案示意图。图6是本专利技术实施例中交叉口2的优化方案示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，为本专利技术的基于自适应遗传算法的双环信号配时优化方法的流程示意图。一种基于自适应遗传算法的双环信号配时优化方法，包括以下步骤：A、获取交叉口使用双环信号配时时的交叉口交通流数据；B、对步骤A中交叉口交通流数据使用真值编码方法进行处理，生成初始父代群体；C、计算生成的群体中个体的适应度；D判断个体适应度是否满足预设终止条件；若满足，则操作结束，得到最优个体；若不满足，则进行下一步骤；E、采用随机联赛选择方法对群体进行选择处理；F、采用自适应交叉概率方法对群体进行单点交叉处理；G、采用自适应变异概率方法对群体进行非均匀变异处理；H、对群体实施最优保存策略，返回步骤C。在步骤A中，如图2所示，为现有技术中单环信号控制方案示意图；如图3所示，为本专利技术中双环信号控制方案示意图。本专利技术采用双环信号配时方案对交叉口进行控制，获取交叉口交通流数据。在步骤B中，本专利技术对步骤A中交叉口交通流数据中的个体采用真值编码方法进行真值编码处理，将交叉口交通流数据中的各流向绿灯时长的组合作为个体，个体染色体形式表示为g＝＜g1,g2,g3,g4,g5,g6,g7,g8＞，其中gi表示第i个流向的绿灯时间；设定各流向绿灯最大值为gimax、各流向绿灯最小值为gimin、各流相损失时间为li、最大进化代数为T、种群规模为M、最大交叉概率为Pcmax、最小交叉概率为Pcmin、最大变异概率为Pmmax、最小变异概率为Pmmin；由于绿灯时间一般不大于60s，因此每个基因座设定为2位，染色体基因长度为16位。由于交叉口采用标准双环八相位结构，根据双本文档来自技高网...

【技术保护点】
一种基于自适应遗传算法的双环信号配时优化方法，其特征在于，包括以下步骤：A、获取交叉口使用双环信号配时时的交叉口交通流数据；B、对步骤A中交叉口交通流数据使用真值编码方法进行处理，生成初始父代群体；C、计算生成的群体中个体的适应度；D判断个体适应度是否满足预设终止条件；若满足，则操作结束，得到最优个体；若不满足，则进行下一步骤；E、采用随机联赛选择方法对群体进行选择处理；F、采用自适应交叉概率方法对群体进行单点交叉处理；G、采用自适应变异概率方法对群体进行非均匀变异处理；H、对群体实施最优保存策略，返回步骤C。

【技术特征摘要】
1.一种基于自适应遗传算法的双环信号配时优化方法，其特征在于，包括以下步骤：A、获取交叉口使用双环信号配时时的交叉口交通流数据；B、对步骤A中交叉口交通流数据使用真值编码方法进行处理，生成初始父代群体；C、计算生成的群体中个体的适应度；D判断个体适应度是否满足预设终止条件；若满足，则操作结束，得到最优个体；若不满足，则进行下一步骤；E、采用随机联赛选择方法对群体进行选择处理；F、采用自适应交叉概率方法对群体进行单点交叉处理；G、采用自适应变异概率方法对群体进行非均匀变异处理；H、对群体实施最优保存策略，返回步骤C。2.如权利要求1所述的基于自适应遗传算法的双环信号配时优化方法，其特征在于，所述步骤B对步骤A中交叉口交通流数据使用真值编码方法进行处理具体为：将交叉口交通流数据中的各流向绿灯时长的组合作为个体，个体染色体形式表示为g＝＜g1,g2,g3,g4,g5,g6,g7,g8＞，其中gi表示第i个流向的绿灯时间；设定各流向绿灯最大值为gimax、各流向绿灯最小值为gimin、各流相损失时间为li、最大进化代数为T、种群规模为M、最大交叉概率为Pcmax、最小交叉概率为Pcmin、最大变异概率为Pmmax、最小变异概率为Pmmin；根据双环相位结构设定各流向的绿灯时间约束为g1+g2-g5-g6＝0g3+g4-g7-g8＝0g1+g2+g3+g4-C＝0。3.如权利要求2所述的基于自适应遗传算法的双环信号配时优化方法，其特征在于，所述步骤C计算生成的群体中个体的适应度具体为：将交叉口车辆平均延误D为目标函数，构造个体的适应度函数模型为F＝minD。4.如权利要求3所述的基于自适应遗传算法的双环信号配时优化方法，其特征在于，所述交叉口车辆平均延误D的计算公式具体为：其中，gei为流向i有效绿灯时长；xij为流向i第j进口道的饱和度；qi为流向i实际到达的当量交通量；C为信号周期时长。5.如权利要求3所述的基于自适应遗传算法的双环信号配时优化方法，其特征在于，所述步骤F采用自适应交叉概率方法对群体进行单点交叉处理具体为：每次随机选择群体中的2个个体，选取适应度较高的对应个体到下一代群体中，迭代M次后得到下一代群体的M个个体。6.如权利要求5所述的基于自...

【专利技术属性】
技术研发人员：姚志洪，蒋阳升，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川,51