遗传算法在交通控制中的应用

论文摘要

城市交通问题日益突出,对现有交通进行有效的管理和控制已成为我国交通运输中迫切需要解决的问题。交通工程实践表明,在进行适当规模的道路基础设施建设的同时,对城市交通流进行合理科学的调控与管理,充分发挥现有交通网络的通行潜力,最大程度上使交通流做到有序流动,发展智能交通是解决城市交通问题的根本出路。怎么样对交通流进行合理控制其实是一个优化问题。本文是采用遗传算法方法对城市交叉路口交通信号灯实施合理优化配时控制,以缓解日趋紧张的交通拥挤问题,提高交通效益。针对交通信号控制的具体情况,对算法本身存在的有不等式约束的基本问题做了一个初步改进,采用基于退火选择算子和自适应适应度的改进遗传算法来解决目前的约束处理方法中存在的问题。把改进的算法用到一个交通交叉路口控制模型中得到较好的结果。而对两个交叉路口建立模型中,因为模型的约束条件中不但含有不等式,还含有等式约束,为此,我们采取先随机生成任意种群,然后让种群慢慢逼近到可行域范围内,再让种群在可行域内迭代。对于迭代到可行域之外的群体降低它的适应度,最后经过数次迭代后找到最优解。计算结果显示该方法的有效性。可是无论怎么调控信号配时,交叉路口的通行量是有限的。当交通流量超过交通网络的最大负荷时,协调配时就显得无能为力了。因此,有必要把模型扩大到整个交通网络上来。于是进一步讨论交通网络的最大通行量,对其建立了宏观模型。因为该模型不是只含有一、两个简单的等式约束,而是随着交通网络的扩大,等式约束也逐渐增多。针对该问题本文使用含有排队和小生境混合的自适应遗传算法求解。使用排队论是为了解决滞留的数量和车流量单位不同,不好整合在一起表示种群的适应度;使用小生境可以在求多目标优化时尽量得出分布均匀的Pareto解,以便让决策者利用更高的知识判断具体该使用哪一个数值应用到实际当中;使用自适应适应度函数有利于在计算的过程中避免局部收敛。结果表明新算法解出的结果更好。采用遗传算法及其改进的遗传算法进行交通信号配时和流量计算,为实现交通流畅提供了重要合理的方法。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 国外城市交通控制系统的发展概况
• 1.2 国内城市交通控制技术的发展概况
• 1.3 国内外研究智能交通的几种基本方法
• 1.4 交通控制中的优化问题和智能算法
• 1.4.1 智能算法
• 1.4.2 遗传算法的特点
• 1.4.3 遗传算法在其交通应用中存在的问题
• 1.5 本研究的思路和基本步骤，拟解决的主要问题
• 1.6 本文创新点和文章安排
• 2 遗传算法简介
• 2.1 遗传算法运行过程
• 2.2 遗传算子
• 2.3 遗传算法的适应度
• 2.4 本节结束语
• 3 带不等式约束条件的遗传算法
• 3.1 引言
• 3.2 模拟退火算法
• 3.2.1 模拟退火算法的模型
• 3.2.2 模拟退火算法步骤
• 3.2.3 模拟退火选择
• 3.3 自适应适应度调整
• 3.4 具体算法过程
• 3.5 算例测试
• 3.6 本章结束语
• 4 动态交叉路口模型的建立及仿真
• 4.1 预备知识
• 4.1.1 交通信号控制系统的主要术语和参数
• 4.1.2 信号控制的控制参数
• 4.2 单交叉路口的模型
• 4.3 两个交叉路口模型的建立
• 4.3.1 模型中还存在的问题
• 4.3.2 路口内到达与离开车辆数的联系
• 4.4 两个交叉路口之间的相位差
• 4.4.1 根据相位差对周期的调整
• 4.4.2 相邻路口间相位差的具体算法
• 4.4.3 两个交叉路口总的优化模型
• 4.5 交通仿真及具体算法
• 4.6 本章结束语
• 5 含有等式约束的遗传算法
• 5.1 含有等式约束的优化问题
• 5.1.1 一般等式约束
• 5.1.2 特殊非线性等式约束
• 5.2 算法的可行性分析
• 5.2.1 交叉算子的搜索可达域
• 5.2.2 变异算子的搜索可达域
• 5.2.3 本文算法有效性的证明
• 5.3 数值实验
• 5.4 交通控制的仿真
• 5.5 本章结论语
• 6 交通网络模型及算法实现
• 6.1 问题的引出
• 6.2 模型的建立
• 6.3 具体算例
• 6.4 多目标优化模型
• 6.4.1 算法过程
• 6.4.2 排队选择
• 6.4.3 小生境
• 6.4.4 自动适应的适应度函数
• 6.4.5 具体算法
• 6.5 算法实验
• 6.6 本章结束语
• 7 结论与展望
• 7.1 本文工作总结
• 7.2 今后研究展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录与参与的项目