[发明专利]一种单交叉口交通信号优化控制方法

权利要求书

1.一种单交叉口交通信号优化控制方法，其特征在于，包括以下步骤：

1)建立单交叉口交通信号优化控制模型，具体步骤如下：

11)第一相位内车辆总延误时长D₁为：

D₁＝D₁₁+D₁₃                         (1)

D11=D111+D112=max{S11+(c11-g11)x1,0}(T-x1)+12c11(T-x1)2---(2)]]>

D13=D131+D132=max{S13+(c13-g13)x1,0}(T-x1)+12c13(T-x1)2---(3)]]>

第二相位上车辆总延误时长D₂为：

D2=D21+D23=(D211+D212)+(D231+D232)---(4)]]>

D211=(S21x1+12c21x12)+max{S21+c21x1+(c21-g21)x2,0}(T-x1-x2)---(5)]]>

D212=12c21(T-x1-x2)2---(6)]]>

D231=(S23x1+12c23x12)+max{S23+c23x1+(c23-g23)x2,0}(T-x1-x2)---(7)]]>

D232=12c23(T-x1-x2)2---(8)]]>

第三相位上车辆总延误时长D₃为：

D3=D32+D34=(D321+D322)+(D341+D342)---(9)]]>

D321=(S32(x1+x2)+12c32(x1+x2)2)+max{(S32+c32(x1+x2))(x1+x2)+(c32-g32)x3,0}x4---(10)]]>

D322=12c32x42---(11)]]>

D341=(S34(x1+x2)+12c34(x1+x2)2)+max{(S34+c34(x1+x2))(x1+x2)+(c34-g34)x3,0}x4---(12)]]>

D342=c34x42---(13)]]>

第四相位上车辆总延误时长D₄为：

D4=D42+D44=(D421+D422)+(D441+D442)---(14)]]>

D421=S42(T-x4)+12c42(T-x4)2---(15)]]>

D422=0---(16)]]>

D441=S44(T-x4)+12c44(T-x4)---(17)]]>

D442=0---(18)]]>

以上公式中，T表示周期时长，R_ij表示第i相位j方向的交通流；D_ij表示第i相位j方向车辆延误时长；S_ij表示周期开始时，第i相位j方向已存在的排队车辆数；x_i表示第i相位的绿灯时间；c_ij表示第i相位j方向的车流量到达率；g_ij表示绿灯时间内第i相位j方向上的车流量离开率，其中，j＝1,2,3,4分别表示东、南、西、北方向；

12)单交叉口在一个周期内车辆总延误时长D为：

D＝D₁+D₂+D₃+D₄                    (19)

13)根据单交叉口周期内车辆总延误时长，可得到信号配时模型：

D^*＝min D                          (20)

s.t.Σi=14xi=T,(tmin≤xi≤tmax)---(21)]]>

其中t_min>0、t_max>0(t_min<t_max)分别是预先给定的相位最小、最大配时时长；

14)为求解公式(20)、(21)的非线性优化问题，采用加惩罚函数的方法，所述问题转化为：

D*=minD=min(D1+D2+D3+D4)+a(Σi=14xi-T)2---(22)]]>

其中，最后一项是惩罚函数，用于保证出现交通安全、道路损坏等交通问题时，控制器能及时调整配时方案，参数a为较大的事先给定的正数；

2)设计一种基于模糊自适应的混沌遗传算法，以求解上述单交叉口交通信号优化控制模型，具体步骤如下：

21)初始化群体，通过染色体编码技术，将单交叉口相位差作为基因编码，从而构造染色体形成种群样本；

22)选取恰当的种群适应度函数，该函数可以根据待优化的目标函数决定；同时设置相应的遗传参数，包括：种群规模N和最大混沌迭代次数S；

23)计算种群样本的方差V和熵S，同时将遗传过程中的变异概率P_m与交叉概率P_c需经过模糊推理得到，并且每次进化过程中不断更新，其中推理步骤如下：

231)由公式(23)与公式(24)自动改变遗传交叉率P_c和变异率P_m：

Pc={Pc1(fmax-ft)/(fmax-favg),fαvg≤f′,Pc1≤1;Pc2,favg>ft,Pc2≤1;---(23)]]>

Pm=Pm1(fmax-f)/(fmax-favg),favg≤f,Pm1≤1;Pm2,favg>f,Pm2≤1.---(24)]]>

式中：f_max为当前种群最大适应值；f_avg为当前种群平均适应值；f′为待交叉两个体适应值中较大者；f为待变异个体的适应值；为正的常数；

232)种群样本的差异性可以由公式(25)表示为：

E1=fmax-favgfmax∈[0,1]---(25)]]>

而个体样本的差异性可以由公式(26)表示为：

E2=f-favgfmax∈[-1,1]---(26)]]>

上式中：f_avg为种群平均适应值，f_max为种群最大适应值，f为待操作个体适应值；

24)通过限定遗传群体的离散变量集，需采用Logistic映射公式得到相应的混沌变量，并映射到待优化的变量中，其变换式为：x′_i＝a_i+b_ix_i；

25)计算种群样本个体适应度值，同时进行自适应选择操作，保留最优个体，将得到的最优个体不参与交叉和变异操作，其余非最优个体则采用赌轮选择方式进行交叉和变异操作；

26)将遗传过程中交叉率P_c按照相应的交叉方式对选中的多对个体进行交叉操作；同时变异率P_m也需按照相应的变异方式对选中的个体进行相应的变异操作；

27)选取经历遗传过程后适应值较高的优良个体，对这些较好的优良个体进行微小混沌扰动操作，使得在混沌搜索过程中能够自适应地调整扰动幅度；

28)如果满足最大迭代次数N，则终止迭代运算，否则转23)。

2.根据权利要求1所述的单交叉口交通信号优化控制方法，其特征在于，在步骤232)之后的步骤包括：

将模糊变量E₁划分成三个语言集合{大，中，小}，模糊变量E₂也化分成三个语言集合{正，零，负}；同样将交叉率P_c与变异率P_m也划分为三个语言集合{大，中，小}，当E₁为“大”，则表示群体样本的多样性好，交叉率P_c和变异率P_m将取“小”，反之则取“大”；当E₂为“正”，则说明该个体样本“优秀”，交叉率P_c和变异率P_m将取“小”，反之将取“大”。