基于遺傳算法的一種改進(jìn)交叉路口信號(hào)燈實(shí)時(shí)控制優(yōu)化方法

胡智鵬

摘 要：針對(duì)城市中日趨緊張的交通壓力，本文提出一種改進(jìn)實(shí)時(shí)相位管理方法，根據(jù)實(shí)時(shí)監(jiān)測(cè)不同相位的汽車流量，對(duì)交通信號(hào)燈采用相應(yīng)動(dòng)態(tài)配時(shí)調(diào)整，利用遺傳算法進(jìn)行優(yōu)化使得各相位汽車滯留量達(dá)到最小。最后，用Matlab對(duì)已有數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，優(yōu)化結(jié)果較好、準(zhǔn)確率較高。

關(guān)鍵詞：遺傳算法；模糊算法；實(shí)時(shí)控制；實(shí)時(shí)交通信號(hào)燈

DOI：10.16640/j.cnki.37-1222/t.2015.24.101

0 引言

在發(fā)展飛速的今天，我們面臨的交通問題依舊非常嚴(yán)重，即便現(xiàn)有的飛機(jī)、高鐵、動(dòng)車等遠(yuǎn)距離運(yùn)輸工具已經(jīng)非常便捷，但在城市中的地鐵、公交、出租車等交通工具依然面臨著嚴(yán)重的考驗(yàn)。人多車多、道路擁堵一直是北京、上海等一線城市面臨最嚴(yán)重的情況。如何才能緩解眼前的交通壓力是我們要解決的首要問題，對(duì)交通路口信號(hào)燈設(shè)施動(dòng)態(tài)有效的管理將有利于緩解現(xiàn)有的交通擁堵問題。

由于，交叉路口在不同相位不同時(shí)間段內(nèi)的車流量也不盡相同，因此，我們要對(duì)各相位信號(hào)燈實(shí)施實(shí)時(shí)管理，進(jìn)而，舒緩交通壓力。目前，國內(nèi)外關(guān)于交通網(wǎng)絡(luò)實(shí)時(shí)優(yōu)化的文章較多，但是，大部分內(nèi)容很少提及相位配時(shí)方案的優(yōu)化[1-4]。本文在同時(shí)考慮各相位智能配時(shí)和過往行人配時(shí)的同時(shí)，利用遺傳算法對(duì)每次相位配時(shí)方案進(jìn)行優(yōu)化，從而得出最優(yōu)化配時(shí)方案。

本文用Matlab 7.0作為編程軟件，編寫了改進(jìn)的交叉路口信號(hào)燈實(shí)時(shí)控制算法運(yùn)算程序。實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法在處理數(shù)據(jù)集的運(yùn)算過程是快速準(zhǔn)確的。

1 遺傳算法

遺傳算法（Genetic Algorithm）是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法。算法從已有解集中的一個(gè)種群（population）開始，而每個(gè)種群都是由經(jīng)過基因編碼的一定數(shù)目的個(gè)體組成。由于遺傳算法是從一個(gè)初始種群開始搜索，這樣就大大降低陷入局部最優(yōu)解的可能性，進(jìn)而加強(qiáng)算法的搜索空間。與傳統(tǒng)優(yōu)化算法相比，遺傳算法具有較強(qiáng)的魯棒性。

2 交叉路口四相位模型

目前，現(xiàn)有交通信號(hào)燈的各相位各車道配時(shí)方案都是根據(jù)交通工程技術(shù)人員利用長(zhǎng)時(shí)間的摸索和個(gè)人經(jīng)驗(yàn)給出的，而實(shí)際上，各相位各車道的車流量是隨機(jī)變化的，若使用以往固定相位車道配時(shí)方案難以得到理想的交通狀況[5]。我們需要在各相位各車道設(shè)置儀器測(cè)得相應(yīng)車流量信息，根據(jù)實(shí)測(cè)數(shù)據(jù)實(shí)時(shí)調(diào)整各相位交通信號(hào)燈的時(shí)長(zhǎng)，從而得到整個(gè)路口的相位配時(shí)，再利用遺傳算法，以各車道車流量最大，其它車道排隊(duì)候車量最小，同時(shí)，確保行人具備安全過路的前提下，進(jìn)行全面優(yōu)化。最后，將優(yōu)化結(jié)果及時(shí)反饋給各相位交通信號(hào)燈，對(duì)信號(hào)燈時(shí)長(zhǎng)進(jìn)行實(shí)時(shí)修正，獲得最佳交通狀態(tài)，達(dá)到預(yù)期目的。

根據(jù)交通路口不同相位不同車道車輛放行狀態(tài)，這里將四相位放行狀態(tài)用一個(gè)系數(shù)矩陣P來表示。設(shè)四個(gè)相位車輛排隊(duì)等待時(shí)長(zhǎng)為：t1、t2、t3和t4，車輛到達(dá)率為：λ1、λ2、λ3和λ4，車輛離開率為：μ1、μ2、μ3和μ4，則可以得到每個(gè)相位車輛滯留量的總和S，同時(shí)，為了確保行人有安全時(shí)間通過路口，我們指定各相位等待時(shí)間t最小值為6秒，若要得到理想相位配時(shí)，我們只需用遺傳算法使得S達(dá)到最小值即可。

3 改進(jìn)相位配時(shí)優(yōu)化算法

實(shí)際中交叉相位配時(shí)是一個(gè)動(dòng)態(tài)的過程，每次相位配時(shí)都需要根據(jù)前一時(shí)間段各相位車流量的改變而改變[6][7]，若采用傳統(tǒng)的算法則往往難以獲得比較滿意的最優(yōu)解，以往算法都只是以各相位車輛滯留量最小為目標(biāo)函數(shù)，而忽略了行人過路的安全時(shí)間。本文采用遺傳算法進(jìn)行交通信號(hào)配時(shí)優(yōu)化、按周期順序進(jìn)行實(shí)時(shí)優(yōu)化配時(shí)控制，在加入確保行人有安全過路時(shí)間的前提下，利用本周期與前一個(gè)周期各相位車道車流信息對(duì)下一周期各相位車道車流進(jìn)行預(yù)估，利用遺傳算法對(duì)相位配時(shí)方案進(jìn)行優(yōu)化處理，在確保安全的前提下，獲得最優(yōu)解使得各相位滯留車輛總和最小，從而緩解交通壓力。

改進(jìn)遺傳優(yōu)化算法如下：

Step1 初始化，設(shè)定初始種群、迭代次數(shù)、選擇、交叉、復(fù)制、變異概率；

Step2 編碼，本文采用二進(jìn)制編碼隨機(jī)產(chǎn)生種群數(shù)目大小的染色體；

Step3 選擇，選擇適應(yīng)度大的個(gè)體保留，刪除適應(yīng)度小的個(gè)體；

Step4 復(fù)制，按照指定概率復(fù)制具有適應(yīng)值高的染色體到下一代；

Step5 變異，按照指定概率變異染色體到下一代；

Step6 判斷是否已到預(yù)設(shè)迭代次數(shù)上限，若到達(dá)上限轉(zhuǎn)至Step7，若沒到則跳到Step 3；

Step7 計(jì)算各相位配時(shí)使得目標(biāo)函數(shù)最??；

Step8 預(yù)估下一周期各相位汽車流量，跳轉(zhuǎn)至Step2。

4 仿真實(shí)驗(yàn)

本文采用Matlab 7.0程序設(shè)計(jì)語言對(duì)上述改進(jìn)遺傳算法進(jìn)行編程：

Step1 利用Rand函數(shù)，隨機(jī)生成初始種群P，設(shè)置迭代次數(shù)M，各相位滯留車輛總和S，各相位配時(shí)總和T（T≤24）；

Step2 在確保各相位配時(shí)ti（i=1，2，3，4）都超過6秒的基礎(chǔ)上，計(jì)算目標(biāo)函數(shù)J，判斷J是否滿足小于δ或相對(duì)上次所得價(jià)值函數(shù)結(jié)果J2之差小于δ。如果滿足上述條件之一則算法停止，否則進(jìn)行Step3；

Step3 計(jì)算使得上述條件J滿足時(shí)，各相位配時(shí)ti（i=1，2，3，4）；

Step4 更新隸屬度矩陣，返回Step2。

改進(jìn)后遺傳算法優(yōu)化和實(shí)際測(cè)量遺傳算法優(yōu)化結(jié)果一致，改進(jìn)遺傳算法優(yōu)化時(shí)間為10秒，已有優(yōu)化算法時(shí)間為15秒，傳統(tǒng)算法每周期各相位初始搜索時(shí)間均設(shè)定為30秒，由此可以看出與傳統(tǒng)的優(yōu)化算法比較，改進(jìn)后的遺傳算法具有較強(qiáng)的魯棒性，運(yùn)行結(jié)果較好。

5 結(jié)論

智能控制在我們的日常生活中的應(yīng)用是非常廣泛的，比如，汽車的智能雨刷系統(tǒng)、汽車車牌的識(shí)別系統(tǒng)等。從實(shí)際應(yīng)用的角度看，智能控制是數(shù)據(jù)挖掘的主要任務(wù)之一。

國內(nèi)外關(guān)于智能交通燈的文獻(xiàn)較多，本文主要針對(duì)傳統(tǒng)的相位配時(shí)方案，通過對(duì)已有算法添加行人安全時(shí)間，再用遺傳算法進(jìn)行優(yōu)化，用Matlab 7.0編程工具進(jìn)行編程，仿真實(shí)驗(yàn)編寫程序進(jìn)行結(jié)果測(cè)試。測(cè)試結(jié)果表明改進(jìn)算法具有運(yùn)算速度快安全系數(shù)高的特點(diǎn)，但是在處理龐大數(shù)據(jù)集時(shí)，優(yōu)化會(huì)有明顯速度降低。

改進(jìn)后的算法比較適合處理單交叉路口四相位問題，而且配時(shí)速度和安全性是比較好的。在處理滯留量大問題時(shí)，算法速度明顯下降，怎樣才能將算法程序過程優(yōu)化、略減，提高優(yōu)化速度，這是未來需要進(jìn)一步解決的問題。

參考文獻(xiàn)：

[1]溫志達(dá)，梁桂榮，陳碧銘，高素萍.基于車流量的智能交通燈控制系統(tǒng)[J].自動(dòng)化技術(shù)與應(yīng)用，2009（06）.

[2]金永鎬，邵奎軍.基于總線模式的交通燈控制系統(tǒng)的設(shè)計(jì)[J].信息化縱橫，2009（08）.

[3]黃毅.智能交通燈控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].科技資訊，2008（28）.

[4]張曉紅，楊利彬，鄭志丹.交通燈狀態(tài)及計(jì)時(shí)控制的算法變換[J].信息技術(shù)，2009（08）.

[5]別一鳴，王琳虹，王殿海，宋現(xiàn)敏.城市路網(wǎng)交通控制子區(qū)動(dòng)態(tài)劃分策略[J].中國公路學(xué)報(bào)，2013（06）.

[6]黃向黨，金志揚(yáng)，羊秋玲.交通燈動(dòng)態(tài)配時(shí)策略研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2013（10）.

[7]首艷芳，徐建閩.信號(hào)交叉口多目標(biāo)動(dòng)態(tài)決策模型及其優(yōu)化方法[J].公路交通科技，2012（11）.endprint