[发明专利]一种基于改进哈里斯鹰算法的交通信号配时优化方法

说明书

本发明公开了一种基于改进哈里斯鹰算法的交通信号配时优化方法。1）建立以车辆延误、停车次数、通行能力和尾气排放为指标的信号配时模型；2）选取一种新型群智能算法哈里斯鹰算法对模型求解，并对算法进行改进；3）在算法迭代前引入混沌映射，使个体均匀分布在解空间，提高算法的搜索能力；4）用柯西函数控制莱维飞行的步长，实现平滑过渡，避免算法陷入局部最优；5）在迭代后期加入随机噪声干扰，提高算法变异能力和收敛速度；6）用改进的哈里斯鹰算法（HHOG）对模型进行求解，获得综合效益最高的信号配时方案。

技术领域

本发明涉及交通信息工程领域，特别是涉及智能交通中的信号配时方法改进。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

城市的快速发展加上人口的增长，导致道路上的车辆呈指数形式增长，这加剧了本就不堪重负的交通拥堵问题，城市道路扩建这种昂贵又短视的解决方案不再适用，一种有效的道路资源分配方法是交通信号灯的时间安排。而单交叉口是城市道路交通的基础，因此做好单交叉口的信号配时安排至关重要。

经典的信号配时模型主要有HCM方法、TRRL方法、ARRB方法和Webster方法等。其中ARRB法和TRRL方法不适合车辆饱和度接近或者大于1的情况；而HCM方法计算难度较大且计算公式复杂；Webster方法是最常用的信号配时模型，它不受车辆饱和度的限制，更加符合交叉口实际情况。因此本发明在改进的Webster模型基础上考虑环境因素，构建以平均延误、停车率、通行能力和尾气排放为指标的非线性模型，并使用改进后的哈里斯鹰算法对其进行寻优求解，获得综合效益最高的信号配时方案。

发明内容

为了有效解决交叉口拥堵问题，减少事故发生，本发明提出一种基于改进哈里斯鹰算法的交通信号配时优化方法。本发明建立以车辆延误、停车次数、通行能力和尾气排放为指标的多目标交通信号配时模型，引入哈里斯鹰算法对模型求解。考虑到哈里斯鹰算法（HHO算法）可能存在与传统启发式算法通有的收敛精度低、易陷入局部最优等缺陷，本发明对传统的HHO算法进行了改进，首先，利用Logstic混沌映射初始化种群，增加种群多样性，提高算法的全局搜索能力；其次，用柯西函数控制莱维飞行的步长，实现平滑过渡，提高算法的寻优精度；最后，使用随机噪声干扰对个体进行扰动，使算法跳出局部最优，提高算法收敛速度。

为了实现上述目的，本发明采用如下技术方案：

本发明提供了综合效益较高的信号配时方案。

第一方面，本发明构建了以平均延误、停车率、通行能力和尾气排放为指标的非线性模型。

由于城市道路的车辆行驶有很大的随机性，因此在实施信号配时控制时针对不同的车辆行驶情况采用不同的方案。以往的Webster模型将车辆延误作为唯一的评价指标，本发明与其相比增加了停车次数、通行能力和尾气排放三个指标，目标是降低车辆延误、停车次数和尾气排放，提高车辆通行能力。但是这四个指标之间关系复杂，提高通行能力需要较长的信号周期，而较长的信号周期则会增加停车次数和车辆延误，若停车次数和车辆延误持续增加又会降低通行能力且加剧尾气排放。因此，需要找出一个最佳的信号周期和各相位有效绿灯时间，使车辆延误、停车次数和尾气排放取最小值，通行能力取最大值，需要给这四项指标分配不同的权值，将其换算成同一标准下进行计算，最后求解目标函数的最小值。

第二方面，本发明提供了使用改进后的HHO算法对其进行寻优求解方法。

同其他的群体智能算法相似，传统的HHO算法也存在一定的缺陷，在搜索过程中容易陷入局部最优，存在收敛精度低的问题。为了改进HHO算法存在的问题，论文从三个方面对HHO算法进行了改进。首先，在算法迭代前进行混沌初始化产生初始种群，使个体均匀分布在解空间；其次，用柯西函数控制莱维飞行的步长，实现平滑过渡；最后，在迭代后期加入随机噪声干扰，提高变异能力和收敛速度。

第三方面，本发明还提供了一种动态交通信号配时方案。