[发明专利]基于神经网络和遗传算法的干道相位差仿真优化方法

摘要

本发明公开了一种基于神经网络和遗传算法的干道相位差仿真优化方法，包括获取干道交叉口数据，搭建干道仿真模型，获取不同相位差对应的干道车辆延误数据，采用神经网络拟合相位差和干道车辆延误数据，采用真值编码方法对相位差参数进行处理，生成初始种群，计算个体适应度，判断个体适应度是否满足预设终止条件，当不满足时对群体进行交叉、变异处理，对群体实施最优保存策略，重新计算适应度。本发明以干道车辆总延误最小为优化目标，建立以干道交叉口相位差为优化参数的仿真优化模型，并采用神经网络拟合多交叉口相互影响下的相位差和延误之间的关系，采用遗传算法对模型进行求解，从而减少干道车辆平均延误时间，提高干道交叉口整体通行效率。

主权项

1.一种基于神经网络和遗传算法的干道相位差仿真优化方法，其特征在于，包括以下步骤：A.获取干道交叉口的几何尺寸、渠化、间距和交通流量数据；B.根据步骤A获取的数据在仿真软件中搭建对应的干道仿真模型；C.利用步骤B搭建的干道仿真模型获取不同相位差情况下对应的干道车辆延误数据；D.采用神经网络拟合多交叉口相互影响下的相位差和干道车辆延误数据；E.采用真值编码方法对相位差参数进行处理，生成初始种群；F.计算步骤E生成的群体中个体的适应度；G.判断个体适应度是否满足预设终止条件；若满足，则操作结束，得到最优个体；若不满足，则进行下一步骤；H.采用随机选择方法对群体进行选择处理；I.采用自适应交叉概率方法对群体进行交叉、变异处理；J.对群体实施最优保存策略，返回步骤F。