[发明专利]一种基于改进遗传算法的智能交通信号灯调控方法

权利要求书

1.一种基于改进遗传算法的智能交通信号灯调控方法，其特征在于，包括如下步骤：

步骤1：建立十字路口环境模型并设置种群参数；

步骤2：定义适应度函数；

步骤3：基于改进的遗传算法并根据适应度函数选取最优簇首节点；

步骤4：对普通节点进行分簇并将其坐标信息和速度信息传递给相应簇首节点，簇首节点整合并获取车辆信息传递至交通信号灯；

步骤5：交通信号灯根据车辆信息进行调控。

2.根据权利要求1所述的基于改进遗传算法的智能交通信号灯调控方法，其特征在于，所述步骤1：用MATLAB模拟十字路口环境，将车辆视为节点，随机生成N个节点的坐标，并随机生成这些节点的对应速度；给种群规模NP、所有节点个数N、簇首节点个数M、最大迭代次数Gm、簇首收集信息半径的预设常量R₀赋初值；其中，普通节点个数为N-M。

3.根据权利要求1所述的基于改进遗传算法的智能交通信号灯调控方法，其特征在于，所述步骤2：将交通信号灯所在位置设为基站，设置簇首收集信息半径R_c，具体半径公式如下

其中，R₀为预设常量，表示簇首节点的最大通信半径，d_max表示簇首节点距基站的最大距离，d_min表示簇首节点距基站最小距离，d(g_i,BS)表示第i个簇首节点到基站BS的距离，c为控制参数，c∈(0,1)；

将十字路口根据马路中线以及车辆行驶方向划分成八个区域，每个区域内的普通节点只能与相同区域内的簇首节点进行通信；普通节点的有效条件为：普通节点和簇首节点的距离小于等于簇首收集信息半径R_c，即

dist(s_j(x_j,y_j,z_j),g_i(x_i,y_i,z_i))≤R_c

其中，s_j(x_j,y_j,z_j)表示第j个普通节点的坐标，j∈{1,2,…N-M}，g_i(x_i,y_i,z_i)表示第i个簇首节点的坐标，i∈{1,2,…M}，N-M表示普通节点的个数，M表示簇首节点的个数；

用C_t表示t时刻全部的簇首节点覆盖的普通节点的个数，以簇首节点覆盖普通节点的覆盖率更高为目标设置适应度函数，适应度函数具体表示为：

节点的适应度函数fit的值越大，越符合簇首节点的要求。