[发明专利]基于最小生成树聚类改进遗传算法的相邻交叉口干道协调控制方法

摘要

基于最小生成树聚类改进遗传算法的相邻交叉口干道协调控制方法，包括相邻交叉口干道协调控制模型的建立；进行个体编码、初始化数据，并设定参数；进行种群初始化；计算种群内个体的适应度值；对种群进行最小生成树聚类；选择种群内个体参加遗传操作；对选择的个体进行交叉和变异操作；重复迭代直到得到最佳个体。本发明以车辆总延误为性能指标通过分析车队到达路口前遇到的信号灯状态以及路口前车辆在放行期间是否完全放行建立了更完善的相邻交叉口干道协调控制模型，并采用改进的遗传算法作为优化算法，同时以周期长度、信号配时、相位差三个因素作为参数进行优化求解。

主权项

一种相邻交叉口干道协调控制模型的建立方法，其特征在于：分析与建立过程如下：以相邻交叉口系统建立数学模型，并从路口A到路口B下行，分析计算从路口A放行车队到达路口B的延误时间；定义路口A第一相位绿灯启亮时刻为0时刻，按照上游路口A放行车队的队首与队尾车辆到达下游路口B遇到的信号灯状态，以及下游路口B在放行期间是否达到平衡点分以下几种情况：1)当车队头部到达路口B遇到第一红灯，将路口A绿灯启亮时刻作为0时刻，第一红灯，即路口B在0时刻后对应相位的信号灯第一次为红灯的状态，且车队尾部到达路口B遇到第二红灯即路口B在0时刻后对应相位的信号灯第二次为红灯的状态，在路口B绿灯放行期间，达到平衡点，即到达车辆与放行车辆达到平衡，到达车辆直接通过路口，满足如下条件车队头部到达路口B的时刻：车队尾部到达路口B的时刻：绿灯启亮时刻与达到平衡点时刻的时间间隔：其中，L为两路口间的距离，Lchu为车队到达下游路口B时的初始排队长度，vl为车辆行驶的自由车速，NAB为上游路口A放行后的车队总车辆数，有NAB＝sd*gA，sd为饱和流率即放行率，q0为车辆到达率；gA为上游路口A的绿灯时间长，gB为下游路口B的绿灯时间长，rB为下游路口B的红灯时间长，T为相位差，C为周期长度，n1为初始排队车辆数，有Vr为一辆车的平均车身长度，车辆数与车队长度的换算值为4；该车队延误描述下，t1为车队头部到达路口B的时刻，t2为车队尾部到达路口B的时刻，t为车队到达路口B在绿灯放行期间达到平衡点的时刻，该车队的受阻时间长，受阻延误Dxia为：Dxia=(n1+sd*x)*(x+T-t1)-sd*x22+(rB+T+C-t2)*q0*(t2-T-gB)2---(1)]]>2)车队头部到达路口B遇到第一红灯，且车队尾部到达路口B遇到第二红灯，在路口B绿灯放行期间，未达到平衡点，即处于过饱和状态，满足如下条件车队头部到达路口B的时刻：车队尾部到达路口B的时刻：未达到平衡状态，处于过饱和状态：NAB+n1>sd*gB车队受阻描述下，受阻延误Dxia为：Dxia=(n1+NAB+n1)*NABq02+(NAB+n1)*(T+C-t2)-(rB+C)*gB*sd2---(2)]]>3)车队头部到达路口B遇到第一红灯，且车队尾部到达路口B遇到绿灯，且在队尾最后一辆车到达路口B前，已经达到平衡状态，满足如下条件车队头部到达路口B的时刻：车队尾部到达路口B的时刻：达到平衡状态：车队受阻描述如下，受阻延误Dxia为：Dxia=(n1+sd*x)*(x+T-t1)-sd*x22---(3)]]>4)车队头部到达路口B遇到第一红灯，且车队尾部到达路口B遇到绿灯，但在该绿灯时长内达到平衡点前，队尾最后一辆车已经到达路口B，没有车辆继续到达，平衡点时刻即为车队最后一辆车放行时刻，满足如下条件车队头部到达路口B的时刻：车队尾部到达路口B的时刻：在达到平衡点前，车队最后一辆车已到达路口B：车队受阻描述如下，受阻延误Dxia为：Dxia=(n1+NAB+n1)*NABq02+(NAB+n1)*(T+NAB+n1sd-t2)-(NAB+n1)22*sd---(4)]]>5)车队头部到达路口B遇到第一红灯，且车队尾部到达路口B遇到绿灯，但队尾最后一辆车到达路口B前都未达到平衡点，即虽然车队在绿灯结束前已经到达路口B，但在绿灯时长内未完全把车队放行，满足如下条件车队头部到达路口B的时刻：车队尾部到达路口B的时刻：路口B绿灯时长内未完全把车队放行：NAB+n1>sd*gB车队受阻描述如下，受阻延误Dxia为：Dxia=(n1+NAB+n1)*NABq02+(NAB+n1)*(T+gB-t2)-(rB+C)*gB*sd2---(5)]]>6)车队头部到达路口B遇到第一红灯，且车队尾部到达路口B也遇到第一红灯，且在路口B的绿灯时长内把车队车辆完全放行，满足如下条件车队头部到达路口B的时刻：车队尾部到达路口B的时刻：路口B绿灯时长内未完全把车队放行：NAB+n1≤sd*gB车队受阻描述如下，受阻延误Dxia为：Dxia=(n1+NAB+n1)*NABq02+(T-t2+T-t2+NAB+n1sd)*(NAB+n1)2---(6)]]>7)车队头部到达路口B遇到第一红灯，且车队尾部到达路口B也遇到第一红灯，且在路口B的绿灯时长内车队车辆未完全放行，满足如下条件车队头部到达路口B的时刻：车队尾部到达路口B的时刻：路口B绿灯时长内未完全把车队放行：NAB+n1>sd*gB车队受阻描述如下，受阻延误Dxia为：Dxia=(n1+NAB+n1)*NABq02+(NAB+n1)*(T-t2+C)-(rB+C)*gB*sd2---(7)]]>8)车队头部到达路口B遇到绿灯，且初始排队车辆未消散，车队尾部到达路口B遇到红灯，在路口B绿灯放行期间，达到平衡点，满足如下条件车队头部到达路口B的时刻：车队尾部到达路口B的时刻：达到平衡点：上述公式中，L'chu为车队头部到达路口B时的车辆排队长度，n2为车队头部到达路口B时的排队等候的车辆数，有：这两个参数同时满足如下条件：n2＝n1‑(t1‑T)*sdt1=L-Lchu′vl]]>得到：Lchu′=L-t1*vl=Lchu*vl+T*sd*Vr*vl-L*sd*Vrvl-sd*Vr]]>车队受阻描述如下，受阻延误Dxia为：Dxia=n2*x12+(rB+T+C-t2)*q0*(t2-T-gB)2---(8)]]>9)车队头部到达路口B遇到绿灯，且初始排队车辆未消散，车队尾部到达路口B遇到红灯，但在路口B绿灯放行期间，未达到平衡点，即路口B处于过饱和状态，车队未完全放行，满足如下条件车队头部到达路口B的时刻：车队尾部到达路口B的时刻：未达到平衡点，处于过饱和状态：NAB+n2>sd*(T+gB‑t1)车队受阻描述如下，受阻延误Dxia为：Dxia=(n2+NAB+n2)*NABq02+(NAB+n2)*(T+C-t2)-(rB+T+C-t1)*sd*(T+gB-t1)2---(9)]]>10)车队头部到达路口B遇到绿灯，且初始排队车辆未消散，同时车队尾部到达路口B时也遇到绿灯，且在车队最后一辆车到达前，已达到平衡点，满足如下条件车队头部到达路口B的时刻：车队尾部到达路口B的时刻：未达到平衡点，处于过饱和状态：x1<t2‑t1车队受阻描述如下，受阻延误Dxia为：Dxia=n2*x12---(10)]]>11)车队头部到达路口B遇到绿灯，且初始排队车辆未消散，同时车队尾部到达路口B时也遇到绿灯，且车队在剩余绿灯时长内完全放行，但在达到平衡点前，车队最后一辆车已经到达路口B，满足如下条件车队头部到达路口B的时刻：车队尾部到达路口B的时刻：未达到平衡点，处于过饱和状态：NAB+n2<sd*(T+gB‑t1)车队受阻描述如下，受阻延误Dxia为：Dxia=(n2+NAB+n2)*NABq02+(NAB+n2)*(NAB+n2sd-NABq0)-(NAB+n2)22*sd---(11)]]>12)车队头部到达路口B遇到绿灯，且初始排队车辆未消散，同时车队尾部到达路口B时也遇到绿灯，但车队在剩余绿灯时长内未完全放行，未达到平衡点，满足如下条件车队头部到达路口B的时刻：车队尾部到达路口B的时刻：未达到平衡点，处于过饱和状态：NAB+n2>sd*(T+gB‑t1)车队受阻描述如下，受阻延误Dxia为：Dxia=(n2+NAB+n2)*NABq02+(NAB+n2)*(rB+T+gB-t2)-(rB+T+C-t1)*sd*(T+gB-t1)2---(12)]]>13)车队头部到达路口B遇到绿灯，且初始排队车辆完全消散，车队尾部到达路口B时遇到红灯，满足如下条件车队头部到达路口B的时刻：车队尾部到达路口B的时刻：初始排队车辆完全消散：L'chu＝L‑t1*vl≤0，车队受阻描述如下，受阻延误Dxia为：Dxia=(rB+T+C-t2)*q0*(t2-T-gB)2---(13)]]>14)车队头部到达路口B遇到绿灯，且初始排队车辆完全消散，车队尾部到达路口B时也遇到绿灯车队头部到达路口B的时刻：车队尾部到达路口B的时刻：初始排队车辆完全消散：L'chu＝L‑t1*vl≤0，Dxia＝0以上所有的延误受阻的所有不同情况，从下游路口B到达上游路口A的上行车队，同样分为上述14种情况，且得出上行车队的总延误Dshang，因此该相邻交叉口的总延误为：D＝Dxia+Dshang   (14)至此，相邻交叉口的干道协调控制系统的数学模型已完成建立；同时考虑分析上游放行车队的队首与队尾到达下游路口时遇到的信号灯状态以及在下游路口放行期间路口前车队是否完全放行，得到14种不同情况下的车队延误描述，建立了相邻交叉口干道协调控制模型。