基于自適應(yīng)遺傳算法的交叉口信號(hào)配時(shí)多目標(biāo)優(yōu)化

劉春旭　王劍鋒

摘 要：本文以交叉口的平均延誤、平均停車(chē)次數(shù)、通行能力為控制目標(biāo)，建立了多目標(biāo)信號(hào)控制模型，并利用自適應(yīng)遺傳優(yōu)化算法求解，最后在matlab中進(jìn)行實(shí)例仿真，仿真結(jié)果表明，本文所提信號(hào)控制模型比傳統(tǒng)的Webster法好，同時(shí)自適應(yīng)遺傳算法比普通遺傳算法求解更快、更準(zhǔn)。

關(guān)鍵詞：交叉口；信號(hào)配時(shí)；多目標(biāo)；自適應(yīng)遺傳算法

中圖分類(lèi)號(hào)：U491 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2017）22-0012-02

交通規(guī)劃是城市整體規(guī)劃的重要組成部分，而交叉口控制則是交通規(guī)劃應(yīng)予以重視和考慮的問(wèn)題。傳統(tǒng)信號(hào)控制采取定時(shí)信號(hào)控制，而路網(wǎng)的交通狀況是實(shí)時(shí)變化的，則定時(shí)信號(hào)控制方案難以對(duì)路口進(jìn)行最優(yōu)控制。并且，國(guó)內(nèi)外學(xué)者研究最多的則是單目標(biāo)信號(hào)控制模型，評(píng)價(jià)延誤、排隊(duì)長(zhǎng)度、停車(chē)次數(shù)、通行能力等單一評(píng)價(jià)指標(biāo)則是近年來(lái)的研究重點(diǎn)，然而，人們?cè)谶M(jìn)行城市路口信號(hào)控制時(shí)，追求的是多種控制目標(biāo)，因此本文以平均延誤、通行能力、平均停車(chē)次數(shù)作為平均指標(biāo)，對(duì)各優(yōu)化目標(biāo)采取建立多目標(biāo)優(yōu)化模型，并利用自適應(yīng)遺傳算法求解。

1 多目標(biāo)函數(shù)的建立

1.1 常用的單目標(biāo)函數(shù)

（1）車(chē)輛的平均延誤：

通常情況由于車(chē)道的增量

信號(hào)相位階段數(shù)；損失時(shí)間；控制評(píng)價(jià)函數(shù)的權(quán)重系數(shù)；C實(shí)際信號(hào)配時(shí)中的周期；最大周期；最小周期；、-、分別表示相位的最大平均延誤、最大通行能力、最大平均停車(chē)次數(shù)；、-、分別表示相位的最小平均延誤、最小通行能力、最小平均停車(chē)次數(shù)。

2 目標(biāo)函數(shù)的優(yōu)化

3 自適應(yīng)遺傳算法求解多目標(biāo)函數(shù)

3.1 自適應(yīng)遺傳算法

自適應(yīng)遺傳算法同普通遺傳算法的區(qū)別在于，不采用固定個(gè)參數(shù)，交叉概率和變異概率能夠隨適應(yīng)度的變化而相應(yīng)變化。在自適應(yīng)遺傳算法中，交叉概率和變異概率按式（8）和式（9）調(diào)整：

3.2 具體步驟

Step1：設(shè)置種群數(shù)個(gè)數(shù)、染色體的長(zhǎng)度、總迭代次數(shù)，最小相位綠燈時(shí)間，最小周期與最大周期。

Step2：采用實(shí)數(shù)編碼，在可行域內(nèi)隨機(jī)產(chǎn)生種群數(shù)目大小的染色體。

Step3：計(jì)算每個(gè)個(gè)體目標(biāo)函數(shù)及適應(yīng)度值，由于PI值在0～1之間則：。

Step4：所有個(gè)體（包括父代、子代）進(jìn)行排序選擇操作，挑選出同種群大小的新種群。

Step5：隨機(jī)配對(duì)個(gè)體以的交叉概率進(jìn)行交叉操作。

Step6：種群內(nèi)個(gè)體以的變異概率變異操作。

Step7：判斷在選擇、交叉、變異、復(fù)制后所產(chǎn)生新群體個(gè)體個(gè)數(shù)是否等于設(shè)定群體數(shù)目大小，如是則進(jìn)行下一步，否則返回Step4。

Step8：判斷是否達(dá)到迭代總數(shù)，若沒(méi)有，則返回Step3；否則，輸出最佳個(gè)體（最佳信號(hào)配時(shí)方案，即周期，各相位綠燈時(shí)間）。

4 實(shí)例分析

4.1 路口選取及渠化

本文以重慶臨江門(mén)交叉口為例，如圖1，交通調(diào)查獲得交叉口高峰時(shí)段的最高15min流量，折算處理后，如圖2。

該交叉口無(wú)行人和非機(jī)動(dòng)車(chē)輛，為三相位定時(shí)信號(hào)，周期132s，黃燈時(shí)間3s，全紅時(shí)間1s，第一相位時(shí)間40s，第二相位時(shí)間38s，第三相位時(shí)間42s。交叉口現(xiàn)狀實(shí)測(cè)延誤89s，服務(wù)水平F級(jí)。

現(xiàn)狀北區(qū)路左轉(zhuǎn)和直行車(chē)流量相差并不大，左轉(zhuǎn)車(chē)道為3車(chē)道，而直行車(chē)道為1車(chē)道，則北區(qū)方向左轉(zhuǎn)和直行均為兩車(chē)道。現(xiàn)狀臨江東路車(chē)道的左轉(zhuǎn)車(chē)輛和直行車(chē)輛所占比例較大，直行增加一車(chē)道，右轉(zhuǎn)增加一車(chē)道。

信號(hào)控制方案推薦四相位控制，右轉(zhuǎn)車(chē)輛不控制，相位一：北區(qū)路-中華路，北區(qū)路-臨江東路；相位二：臨江東路直行，左轉(zhuǎn)；相位三：中華路直行，左轉(zhuǎn)；相位4：臨江西路直行。

4.2 路口交通流數(shù)據(jù)檢測(cè)

交叉口各進(jìn)口方向每條車(chē)道停車(chē)線(xiàn)前1m處安裝了環(huán)形感應(yīng)線(xiàn)圈檢測(cè)器，檢測(cè)器能夠一天24小時(shí)檢測(cè)出每車(chē)道上的交通流。由于凌晨00：00-04：00，人和車(chē)流量稀少，交通信號(hào)控制燈在這時(shí)間段為綠閃，選擇某工作日04：00-24：00共300組交通流量。

4.3 參數(shù)的設(shè)置

（1）參數(shù)的設(shè)定。黃燈時(shí)間；全紅時(shí)間；綠燈間隔時(shí)間：；綠前、綠后損失：；損失時(shí)間：。

（2）最小綠燈時(shí)間計(jì)算。

式中：行人過(guò)街道長(zhǎng)度，m；行人過(guò)街步速，取1.0；綠燈間隔時(shí)間，s。

（3）周期和飽和度的最值。本文中最大周期為：，飽和度的最大值為=0.9，最小值為0.7。

（4）優(yōu)化算法的參數(shù)設(shè)置。普通遺傳算法（交叉概率和變異概率分別為0.9和0.01）和自適應(yīng)遺傳算法的最大進(jìn)化代數(shù)和初始種群都分別為300和50，染色體長(zhǎng)度實(shí)數(shù)編碼即變量個(gè)數(shù)。

（5）計(jì)算、、-、-、、6個(gè)界定值。根據(jù)路口現(xiàn)有高峰小時(shí)各方向交通流量，采用自適應(yīng)遺傳算法（最大迭代次數(shù)為500、粒子數(shù)目為20）分別計(jì)算各最值。

4.4 仿真分析

運(yùn)用Webster法、遺傳優(yōu)化法和自適應(yīng)遺傳優(yōu)化法分別計(jì)算出此路口各階段的周期時(shí)長(zhǎng)、有效綠燈時(shí)間、平均停車(chē)次數(shù)、平均延誤和通行能力。

仿真后，本文所提控制方法，路口的平均延誤、平均停車(chē)次數(shù)和通行能力比Webster法分別提高了5.6%、10.2%、20.6%，交叉口得到了更好的控制，其服務(wù)水平也相應(yīng)的提高了。自適應(yīng)遺傳算法不到50次接近收斂，普通遺傳算法要150多次才接近收斂，自適應(yīng)遺傳算法相比遺傳算法收斂速度有較大的提高，自適應(yīng)遺傳算法的交通配時(shí)優(yōu)延誤，停車(chē)次數(shù)，通行能力比遺傳算法方法分別提高了1.36%，2.12%，2.44%。自適應(yīng)遺傳算法相對(duì)遺傳算法能更快速、準(zhǔn)確地尋找出信號(hào)優(yōu)化控制參數(shù)。

5 結(jié)語(yǔ)

本文研究了城市節(jié)點(diǎn)中交通信號(hào)配時(shí)及多目標(biāo)優(yōu)化問(wèn)題，提出了一種多目標(biāo)信號(hào)控制目標(biāo)函數(shù)，并引入了自適應(yīng)遺傳算法求解多目標(biāo)最優(yōu)解問(wèn)題。實(shí)例仿真表明，所提交叉口信號(hào)控制方法使得路口信號(hào)配時(shí)得到了優(yōu)化控制，渠化設(shè)計(jì)后交叉口的平均延誤控制在36.5s以下，服務(wù)水平由F級(jí)上升到C級(jí)，交叉口得到明顯改善。

參考文獻(xiàn)

[1]馬瑩瑩，楊曉光，曾瀅.信號(hào)控制交叉口周期時(shí)長(zhǎng)多目標(biāo)優(yōu)化模型及求解[J].同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，37（6）：761-765.

[2]王維國(guó)，宋陽(yáng)，郭多祚.一種求解混合多目標(biāo)規(guī)劃問(wèn)題的功效系數(shù)法[J].運(yùn)籌與管，2007，16（4）：23-27.

[3]劉春旭.復(fù)雜路口實(shí)時(shí)信號(hào)控制技術(shù)的研究[D].重慶：重慶交通大學(xué)，2013.endprint