【技术实现步骤摘要】
基于遗传算法优化模糊控制的交通信号灯智能配时方法
本专利技术属于交通信号灯智能配时
，涉及一种基于遗传算法优化模糊控制的交通信号灯智能配时方法。
技术介绍
车辆给人们的日常生活带来了极大的便利，然而随着越来越多的车辆驶向道路，增加了城市道路的交通负担，加上交通信号灯不能合理调控各方向的车流通行，使城市出现越来越严重的交通拥堵现象。过长时间的等红灯进一步还会加剧大气污染，影响人们的出行心情，增加交通事故率。因此合理控制交通信号灯绿灯时长能够有效提高车辆通行效率，减少车辆油耗及尾气排放，改善空气质量，在经济和生态上都有着重要的意义。目前，已有的方法主要靠固定时间设置绿灯时间，这种方法普遍应用于城市各个路口信号灯控制系统中。但由于其固定的通行时间，会导致浪费车道资源，不利于高效率通行。此外，这种方法在一些因天气、公共事件、节假日等因素产生的复杂交通流情况下又会暴露出其无法实时调控通行时间的弊端。一些数学模型如Webster模型用于信号灯配时策略设计，虽然模型简单易用,但其适用性较差，难以适用于不同环境的交通路口。随着...
【技术保护点】
1.基于遗传算法优化模糊控制的交通信号灯智能配时方法，其特征是：首先构建模糊控制模型，然后采用GA算法优化模糊控制模型，得到优化后的模糊控制模型，最后将通行前等待红灯的车队长度和最近一段时间内的车流量输入到优化后的模糊控制模型中，由其输出绿灯时长；其中，通行前等待红灯的车队长度的单位为m；最近一段时间内的车流量的单位为辆/h；绿灯时长的单位为s；/n模糊控制模型的构建流程如下：/n(1)划分变量子集；/n分别将通行前等待红灯的车队长度、最近一段时间内的车流量和绿灯时长划分为多个区域子集；/n(2)选取隶属度函数实现变量模糊化；/n选取三角形隶属度函数作为通行前等待红灯的车队...
【技术特征摘要】
1.基于遗传算法优化模糊控制的交通信号灯智能配时方法，其特征是：首先构建模糊控制模型，然后采用GA算法优化模糊控制模型，得到优化后的模糊控制模型，最后将通行前等待红灯的车队长度和最近一段时间内的车流量输入到优化后的模糊控制模型中，由其输出绿灯时长；其中，通行前等待红灯的车队长度的单位为m；最近一段时间内的车流量的单位为辆/h；绿灯时长的单位为s；
模糊控制模型的构建流程如下：
(1)划分变量子集；
分别将通行前等待红灯的车队长度、最近一段时间内的车流量和绿灯时长划分为多个区域子集；
(2)选取隶属度函数实现变量模糊化；
选取三角形隶属度函数作为通行前等待红灯的车队长度、最近一段时间内的车流量和绿灯时长对应的隶属度函数，依据隶属度函数对变量进行模糊化；
(3)确定模糊控制规则；
(4)模糊推理；
将采集得到的通行前等待红灯的车队长度和最近一段时间内的车流量进行模糊化处理得到通行前等待红灯的车队长度和最近一段时间内的车流量的模糊量，并按照模糊控制规则进行模糊推理，输出绿灯时长的模糊量；
(5)对绿灯时长的模糊量的进行解模糊得到t，即得到模糊控制模型；
采用GA算法优化模糊控制模型的流程如下：
(1)确定初始化参数，即种群规模S、交叉概率Pc、变异概率Pm、最大进化代数Gm，将三个三角形隶属度函数的顶点位置依次排列，具体排列顺序为：先通行前等待红灯的车队长度，再最近一段时间内的车流量，后绿灯时长，组成一个向量，并进行二进制编码，作为种群中的个体染色体；
(2)对种群中的个体染色体进行交叉操作；
(3)对种群中的个体染色体进行变异操作；
(4)对种群中的个体染色体进行解码，并计算个体染色体的适应度；
对每一个个体染色体进行二进制解码，将得到的向量作为三角形隶属度函数参数，并按此参数建立隶属度函数，建立模糊控制模型，在VISSIM软件中仿真，通过仿真软件模拟真实道路车流信息，使用建立的模糊控制模型控制信号灯时长，检验模型控制效果，将仿真情况下通行前等待红灯的车队长度和最近一段时间内的车流量输入到模糊控制模型中，由其输出绿灯时长后，计算个体染色体的适应度，公式如下：
式中，F为适应度函数，Y为平均车辆延误，即平均每辆车等待红灯的时间，具体为10个红绿灯周期内，平均每辆车等待红灯的时间长度；
(5)根据个体染色体的适应度对种群中的个体染色体进行选择操作；
(6)判断迭代次数是否达到最大进化代数Gm，如果是，则结束，输出适应度最大的个体对应的模糊控制模型，即为优化后的模糊控制模型；反之，则返回步骤(2)。
2.根据权利要求1所述的基于遗传算法优化模糊控制的交通信号灯智能配时方法，其特征在于，通行前等待红灯的车队长度为绿灯信号亮起前1～5秒时的等待红灯车队长度，最近一段时间内的车流量为最近5～15分钟内的车流量。
3.根据权利要求1所述的基于遗传算法优化模糊控制的交通...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。