[发明专利]一种基于分布估计算法的潮汐车道优化方法

权利要求书

1.一种基于分布估计算法的潮汐车道优化方法，其特征在于，包括以下步骤：

(1)初始化分布估计算法的参数，根据给定变量的可行域，均匀初始化第一代种群个体；

(2)根据实际路网中的OD数据，获取当代种群中每个个体所对应的最优交通流分配；

(3)获取当代种群中每个个体的目标函数的值，该值为给定通行需求和潮汐车道设置条件下系统达到用户平衡时，达到最优交通流分配时的整体通行时间；

(4)对当代种群中的每个个体，按照目标函数值大小升序排列，更新当前最优个体gBest，选择优势群体构建概率频率分布直方图模型，计算频率分布直方图模型频率分布直方图模型同时考虑到不同排位的个体对频率分布直方图模型贡献Δh_k；

(5)结合当代频率分布直方图模型前一代频率分布直方图模型以及学习率参数a，更新频率分布直方图模型

(6)根据频率分布直方图通过轮盘赌方法产生M个新的个体构成新的种群；

(7)如果达到最大进化代数maxGen，则结束分布估计算法并输出当前的全局最优解个体gBest，否则执行步骤(2)。

2.根据权利要求1所述的一种基于分布估计算法的潮汐车道优化方法，其特征在于：对具有|E|条双向道路的路网进行整数编码X＝{x₁,x₂,…,x_k,…,x_n}，变量x_k的可行域其中x_k表示第k条双向道路从较低序号节点往较高序号节点方向通行的车道数目，N_k表示第k条双向车道的总车道数目，x_k,j表示x_k＝j。

3.根据权利要求2所述的一种基于分布估计算法的潮汐车道优化方法，其特征在于：根据给定的变量x_k可行域S_k，根据均匀频率分布直方图模型，随机初始化第一代种群P^t，种群规模为M，t为代数，第一代取t＝1，以后逐代加一。

4.根据权利要求3所述的一种基于分布估计算法的潮汐车道优化方法，其特征在于：获取当代种群中每个个体所对应的最优交通流分配，其目标函数如下：

其中，t_i(x_i,y_i)为给定车道数目x_i和流量大小y_i时道路i的通行时间，A为所有有向车道的集合。

5.根据权利要求4所述的一种基于分布估计算法的潮汐车道优化方法，其特征在于：基于传统的路阻函数(BPR函数)，考虑到潮汐车道中行车道的数目是动态变化的，定义潮汐车道的路阻函数：

其中，为道路i在零流量的条件下的通行时间，K_i为道路i中单位行车道的通行能力，α和β为待定参数。

6.根据权利要求5所述的一种基于分布估计算法的潮汐车道优化方法，其特征在于：获取当代种群中每个个体的目标函数的值的公式为：

其中，x_i和分别为车道数目和车道最优的交通流分配大小，为给定车道数目和车道最优的流量大小时车道的通行时间，A为所有有向车道的集合。

7.根据权利要求6所述的一种基于分布估计算法的潮汐车道优化方法，其特征在于：不同目标函数值的个体对模型的贡献不同，较优的个体对模型的影响更大，通过下式获取每个个体对频率分布直方图模型的贡献值Δh_k：

其中k表示排在第k位的解，m表示所有解的个数。

8.根据权利要求7所述的一种基于分布估计算法的潮汐车道优化方法，其特征在于：引入学习率a更新频率分布直方图模型、考虑不同排位的解对频率分布直方图模型的贡献不同、将频率分布当做概率分布，使用轮盘赌算法生成候选解，引入学习率a，用于在频率分布直方图模型的构建过程中保留历史信息。