[发明专利]一种基于混沌人工鱼群算法的关联交叉口信号控制方法

摘要

本发明涉及一种基于混沌人工鱼群算法的关联交叉口信号控制方法。从城市道路交叉口之间的关联关系出发，对关联交叉口进行初步定义。在此基础上，提出以关联交叉口总体通行效率作为控制目标，针对城市道路交通流存在的非线性及时变特点，设计出基于混沌人工鱼群算法的交通信号控制算法，将混沌人工鱼群算法应用于城市关联交叉口的信号控制参数优化求解，具有计算简单操作方便的优势且满足现代交通控制技术在实时性方面的要求。本文提出的城市关联交叉口群信号控制策略，以关联交叉口群内车辆平均延误时间最少为优化目标，因此其全局控制效果优于单点控制，有利于改善关联交叉口的总体通行效率，对于提高城市路网整体通行效率具有十分重要的意义。

主权项

一种基于混沌人工鱼群算法的关联交叉口信号控制方法，包括以下步骤：步骤1：建立关联交叉口信号优化控制模型满足条件公式(1.1)、(1.2)的相邻的交叉口就构成了以C0为中心的关联交叉口；关联交叉口集合主要包括主交叉口C0和与主交叉口C0距离di的附近交叉口Ci。C0和Ci之间的关联度系数为r0i，dist(C0,Ci)≤d0   (1.1)max{Corr(M0i，Mij)}≥r0，j＝1，2，3，4   (1.2)式中：i＝1，2，3，4，分别代表交叉口进口的东、西、南、北方向；dist(C0,Ci)为交叉口C0和Ci之间的距离；M0i为交叉口C0在进道口i方向的交通流参数时间序到；Mij为交叉口Ci在进道口j方向的交通流参数时间序列；Corr(M0i，Mij)为交叉口C0进口i方向和交叉口Ci进口j方向交通流参数时间序列之间的关联度；d0和r0为确定的值；步骤2：关联交叉口优化策略在保持关联性不变的情况下，将4个交叉口组成的关联交叉口分拆成为四个基本的子单元，然后对这4个基本单元进行优化；该关联交叉口有4个十字交叉口组成，各个交叉口设计为4相位的信号控制，以关联交叉口内的车辆延误时间最小为优化目标，进而实现对关联交叉口的信号实时优化控制；步骤3：关联交叉口信号控制性能指标函数的确定取Nhij为交叉口的通行状态变量，则有交叉口h的通行状态系数矩阵Nh可以表示为：Nh=01100001100100000100000000110000100010000010]]>所以由C个单交叉口组成的关联交叉口的车辆总延误可以表示为：D=Σh=1CΣi=14Σj=112Σm=1thimax[0,(Phij+Σn=1mqhn-shjNhijthi)]---(1.3)]]>式中：thi表示为第h交叉口各个相位的配时；Phij表示为第h个交叉口第j条车流在第i个相位前停留的车辆数目；j表示为交叉口东、西、南、北四个入口方向的右、中、左共计12条车流；Shj表示为对应车流的饱和车流量；所以，关联交叉口内的车辆平均的延误时间为：D‾=DΣh=1CΣi=14Σj=112qhjthi---(1.4)]]>交叉口平均延误最小的性能函数可表示为：mins=minΣh=1CΣi=14Σj=112Σm=1thimax[0,(Phij+Σn=1mqhn-shjNhijthi)]/qhjthi---(1.5)]]>对应的约束条件为：th1+th2+th3+th4=Tgmin≤thi≤T-3gmin---(1.6)]]>(h＝1，2，…，C，i＝1，2，3，4)式1.6中：gmin为最小绿灯时间，一般取为15s；T为关联交叉口的通用信号周期，我们取关联交叉口中各交叉口Webster最优估计周期中的最大值；步骤4：算法思想利用混沌人工鱼群算法(CAFSA)对关联交叉口信号优化配时的目标函数进行优化求解，该算法首先采用混沌初始化方法产生初始种群，然后利用混沌现象随机和不重复遍历的特性，使种群在可行解空间中形成比较理想的分布，最终得到所求目标函数的最优值；步骤5：算法步骤算法步骤如下：Step1设定人工鱼群算法的参数：鱼群规模m，最大迭代次数gen，人工鱼的感知范围Visual，最大移动步长step，拥挤度因子δ、每次移动最大试探次数为Trynumber等；Step2利用混沌运算对鱼群初始化：随机的在解空间中混沌产生N条人工鱼，并从中选出较优的M(M<N)条人工鱼作为初始鱼群X(0)；Step3对初始鱼群X(0)的每个个体计算其函数值，并将其中最优的数值计入公告板；Step4对目前精确度进行考察，如果达到初始设置的精确度要求，执行步骤9，否则继续执行下一步骤；Step5分别对模拟人工鱼Xi模拟鱼群的聚群行为和追尾行为，并得到与之相应的Xinext，对Xinext的各分量在其视野范围内进行一次混沌搜索XH＝Xinext+Δi，其中Δi＝‑Visual+2Visual*z，其中z为混沌变量，若XH的位置优于Xinext，则替换Xinext；Step6将得到的最优的Xinext作为下一步状态执行，完后得到新的群体X(t)；Step7将公告板中的数值与新产生群体中的最优数值进行比较，如果优于公告板上的数值，则更新公告板；Step8对公告板上的数值进行精确度比较，若其数值达到设定的精确度，则继续执行下一步骤；否则转向步骤5；Step9算法终止，输出最优解；步骤6：结果分析。