基于改进布谷鸟搜索算法的交叉口群关键路径识别方法技术

本发明专利技术涉及一种基于改进布谷鸟搜索算法的交叉口群关键路径识别方法，将待研究路网的瓶颈交叉口作为起点交叉口，利用布谷鸟搜索算法搜索与瓶颈交叉口关联度高、拥堵严重的局部最优交叉口，结合边寻边走策略逐渐寻找到一条关联度高、拥堵严重的交叉口序列，这条交叉口序列即为交叉口群关键路径，在寻优速度、准确性等方面具有明显的优势，解决了当前搜索交叉口群关键路径工作量大和效率低的问题，便于交叉口群关键路径协调优化方案的制定与实施。本发明专利技术能直接从瓶颈交叉口入手搜索出交叉口群的关键路径，为制定合理的协调优化方案奠定基础。

【技术实现步骤摘要】
基于改进布谷鸟搜索算法的交叉口群关键路径识别方法
本专利技术涉及城市交叉口群关键路径识别
，更具体地说，涉及一种基于改进布谷鸟搜索算法的交叉口群关键路径识别方法。
技术介绍
随着经济的发展，人民生活水平明显改善，城市机动车保有量逐渐上升，高峰时段城市路网交通拥堵现象日益频繁，可能造成交通瘫痪，延长人们出行时间。城市交通原发性拥堵往往产生于某个路段或某个交叉口，随着原发性拥堵持续时间的增长，在拥堵区域上游产生继发性拥堵，最终可能在局部路网形成饱和循环。解决关键的几个大型交叉口或关联交叉口组成的交叉口群的交通阻塞问题可以很大程度上缓解整个路网的交通拥堵。交叉口群是城市道路网络中地理位置相邻且存在较强关联性的若干交叉口的集合。相比控制子区，交叉口群能依据交叉口间的关联特征从路网中予以识别，并且能直接搜索到路网瓶颈区域，能更直接、更有效地从瓶颈区域入手缓解交通拥堵。布谷鸟搜索算法(CuckooSearch，CS)是一种新型的群体智能优化算法，受布谷鸟巢寄生育雏行为的启发，并结合鸟类、果蝇等的飞行特征而提出。布谷鸟搜索算法的优点在于算法简单、参数少、易实现、搜索路径优、收敛速度快等，将布谷鸟搜索算法与边寻边走策略结合起来用于交叉口群关键路径识别领域中，从交通路网的瓶颈交叉口开始逐步搜索出关联性强、拥堵严重的交叉口序列，作为交叉口群的关键路径进行协调优化，在寻优速度、准确率等方面具有明显的优势。目前在城市交叉口群关键路径识别领域，多数研究从划分交叉口群范围入手，基于小波变换、深度优先搜索、广度优先搜索等方式将路网中所有可能的路径识别出来，接着利用适当的关联度模型逐一检验，根据检验结果找出关键路径，过程繁琐，工作量大，不利于大规模路网协调优化方案的快速制定。
技术实现思路
针对现有方法的不足，提出一种基于改进布谷鸟搜索算法的交叉口群关键路径识别方法。本专利技术解决其技术问题所采用的技术方案是：构造一种基于改进布谷鸟搜索算法的交叉口群关键路径识别方法，包括：1)选取待研究路网，获取所述路网的道路拓扑结构和实时交通流数据；2)基于所述路网的道路拓扑结构和实时交通流数据，构建路径关联度模型；3)基于结合边寻边走策略的布谷鸟搜索算法的交叉口群关键路径识别方法，包括以下步骤：3.1)初始化，设置空间维数是2维，交叉口总数为n，最大迭代次数为s，步长为其中，表示所述路网相邻交叉口间所有路段长度的最大值；3.2)选取瓶颈交叉口V0作为起点交叉口，与起点交叉口V0相邻的交叉口数目是a0；3.3)随机选取一个与起点交叉口V0相邻的交叉口作为初始交叉口Vi，i∈[1,n]，目标函数定义为初始交叉口Vi与瓶颈交叉口V0之间的交通关联度Ii,0；其中，交通关联度Ii,0通过构建的路径关联度模型进行计算；3.4)结合Levy飞行公式搜索到距离瓶颈交叉口步长范围内的新交叉口Vi+b，此处b＝1，计算新交叉口Vi+b对应的交通关联度I(i+b),0，比较新交叉口Vi+b与初始交叉口Vi交通关联度的大小关系，若I(i+b),0＞Ii,0，则更新当前最优交叉口为Vi+b；否则，继续将Vi作为当前的最优交叉口，b＝b+1；3.5)判断当前最优交叉口是否满足b≥α0，若满足，记录当前最优交叉口编号，并作为下一代起点交叉口，若不满足，则返回步骤3.4)继续计算；同时判断当前迭代次数是否达到最大迭代次数，若是，则停止算法，输出记录的交叉口序列，识别为交叉口群关键路径；否则，继续转到3.3)进行计算。其中，在获取所述路网的道路拓扑结构和实时交通流数据的步骤中，包括步骤：选取待研究路网，设路网为A路网，路网A内的每个交叉口为顶点，连接相邻交叉口的道路为路段，路网A内共n条路段；假设存在由二元数组构成的路网无向图N＝(V,L)，其中V是结点集合，表示待研究的物体，L是弧段集合，令L＝(v,w,Ivw)，其中v表示弧段的起点，w表示弧段的终点，Ivw表示弧段起点和终点间的特定关联，为路段通行能力、车速、路段长度、车辆数、车辆旅行时间关联中的一种；将路网A内的每条路段排序，路网A内共n条路段，节点集合V′＝(v1,v2,...,vn)代表所有相邻交叉口间的路段的集合，弧段集合L′＝(f,g,Ifg)，其中f表示路段的起点交叉口，g表示路段的终点交叉口，Ifg表示路段起点交叉口与终点交叉口间的特定关联，是路段通行能力、车速、路段长度、车辆数、车辆旅行时间关联中的一种；其中将每条路段作为边，并对路网A内每条路段排序，构成的集合是图；选取影响路网交通情况的因素，在路段进口处、路段中间和路段出口处分别安装微波雷达检测器，获取实时交通流数据。其中，在构建路径关联度模型的步骤中：离散性指标I1的计算公式如下：其中，i为路径起点交叉口绿灯开始后观测车队离散的时间间隔，通常取一秒；tog和tdg分别是路径方向上起点交叉口和终点交叉口一个周期内的绿灯时长；q0(i)表示车队在起点交叉口绿灯时间开始后在第i时段通过的车辆总数；qd(i+T)表示车队在第(i+T)个时段在终点交叉口绿灯时间内到达的车辆数；T表示车辆平均旅行时间；平均旅行时间修正系数表示为β，根据Rovertson车队离散公式，选择β＝0.8；α代表绿灯时间均衡系数；tming代表路径方向上车辆所途径的全部交叉口周期绿灯时间的最小值。阻滞性指标I2的计算公式如下：其中，代表路段m的阻滞性关联指标，M代表路径中路段数量；的计算公式如下：其中，代表路段m的第n条车道功能区的长度(m)；Lm代表路段m的长度(m)；路径关联度模型为：I＝I1′+I2′,I∈[0,2]其中，I1′代表离散性指标I1的无量纲处理结果；I2′代表阻滞性指标I2的无量纲处理结果；I1′和I2′的计算公式如下：其中，I1max代表交叉口群所有路径离散性指标I1的最大值；I1min代表交叉口群所有路径离散性指标I1的最小值；I2max代表交叉口群所有路径阻滞性指标I2的最大值；I2min代表交叉口群所有路径阻滞性指标I2的最小值。其中，改进的布谷鸟搜索算法是将边寻边走策略结合于传统布谷鸟搜索算法中；首先从起点交叉口出发寻找步长范围内关联度最高的交叉口，即局部最优交叉口；搜索到局部最优交叉口后，判断此时迭代次数是否达到最大迭代次数，若是，则停止迭代；否则以当前局部最优交叉口作为下一代起点交叉口继续寻优，直到达到最大迭代次数为止。区别于现有技术，本专利技术提供的一种基于改进布谷鸟搜索算法的交叉口群关键路径识别方法，将待研究路网的瓶颈交叉口作为起点交叉口，利用布谷鸟搜索算法搜索与瓶颈交叉口关联度高、拥堵严重的局部最优交叉口，结合边寻边走策略逐渐寻找到一条关联度高、拥堵严重的交叉口序列，这条交叉口序列即为交叉口群关键路径，在寻优速度、准确本文档来自技高网...

【技术保护点】
1.一种基于改进布谷鸟搜索算法的交叉口群关键路径识别方法，其特征在于：包括以下步骤：/n1)选取待研究路网，获取所述路网的道路拓扑结构和实时交通流数据；/n2)基于所述路网的道路拓扑结构和实时交通流数据，构建路径关联度模型；/n3)基于结合边寻边走策略的布谷鸟搜索算法的交叉口群关键路径识别方法，包括以下步骤：/n3.1)初始化，设置空间维数是2维，交叉口总数为n，最大迭代次数为s，步长为

【技术特征摘要】
1.一种基于改进布谷鸟搜索算法的交叉口群关键路径识别方法，其特征在于：包括以下步骤：
1)选取待研究路网，获取所述路网的道路拓扑结构和实时交通流数据；
2)基于所述路网的道路拓扑结构和实时交通流数据，构建路径关联度模型；
3)基于结合边寻边走策略的布谷鸟搜索算法的交叉口群关键路径识别方法，包括以下步骤：
3.1)初始化，设置空间维数是2维，交叉口总数为n，最大迭代次数为s，步长为其中，表示所述路网相邻交叉口间所有路段长度的最大值；
3.2)选取瓶颈交叉口V0作为起点交叉口，与起点交叉口V0相邻的交叉口数目是a0；
3.3)随机选取一个与起点交叉口V0相邻的交叉口作为初始交叉口Vi，i∈[1,n]，目标函数定义为初始交叉口Vi与瓶颈交叉口V0之间的交通关联度Ii,0；其中，交通关联度Ii,0通过构建的路径关联度模型进行计算；
3.4)结合Levy飞行公式搜索到距离瓶颈交叉口步长范围内的新交叉口Vi+b，此处b＝1，计算新交叉口Vi+b对应的交通关联度I(i+b),0，比较新交叉口Vi+b与初始交叉口Vi交通关联度的大小关系，若I(i+b),0＞Ii,0，则更新当前最优交叉口为Vi+b；否则，继续将Vi作为当前的最优交叉口，b＝b+1；
3.5)判断当前最优交叉口是否满足b≥α0，若满足，记录当前最优交叉口编号，并作为下一代起点交叉口，若不满足，则返回步骤3.4)继续计算；同时判断当前迭代次数是否达到最大迭代次数，若是，则停止算法，输出记录的交叉口序列，识别为交叉口群关键路径；否则，继续转到3.3)进行计算。


2.根据权利要求1所述的基于改进布谷鸟搜索算法的交叉口群关键路径识别方法，其特征在于，在获取所述路网的道路拓扑结构和实时交通流数据的步骤中，包括步骤：
选取待研究路网，设路网为A路网，路网A内的每个交叉口为顶点，连接相邻交叉口的道路为路段，路网A内共n条路段；
假设存在由二元数组构成的路网无向图N＝(V,L)，其中V是结点集合，表示待研究的物体，L是弧段集合，令L＝(v,w,Ivw)，其中v表示弧段的起点，w表示弧段的终点，Ivw表示弧段起点和终点间的特定关联，为路段通行能力、车速、路段长度、车辆数、车辆旅行时间关联中的一种；将路网A内的每条路段排序，路网A内共n条路段，节点集合V′＝(v1,v2,...,vn)代表所有相邻交叉口间的路段的集合，弧段集合L′＝(f,g,Ifg)，其中f表示路段的起点交叉口，g表示路段的终点交叉口，Ifg表示路段起点交叉口与终点交叉口间...

【专利技术属性】
技术研发人员：闫飞，宋雅剑，郑晟，张曼，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西;14