專利名稱：：基于路口組的交通流優(yōu)化控制方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種交通流控制
技術(shù)領(lǐng)域：
的控制方法，具體是基于路口組的交通流優(yōu)化控制方法。
背景技術(shù)：
：傳統(tǒng)的城市交通流控制最小單元是單個(gè)交叉路口，實(shí)踐表明，在車流量較小的情況下，對(duì)一個(gè)孤立的交叉口采取智能控制算法是可行的，然而，在城市交通網(wǎng)絡(luò)里多個(gè)交叉路口相互距離較近，網(wǎng)絡(luò)里車流量較大的情況下，仍釆用相同的算法就不行了。針對(duì)這種情況，本發(fā)明把交通網(wǎng)絡(luò)里的路口進(jìn)行有效地組合和劃分，相互距離較遠(yuǎn)的交叉路口可認(rèn)為是孤立的，而距離很近的二到三個(gè)交叉路口則把它們組合起來，作為一個(gè)整體進(jìn)行控制，這個(gè)整體就叫做"路口組"。經(jīng)對(duì)現(xiàn)有技術(shù)的檢索發(fā)現(xiàn)黃輝先，史忠科，《單交叉路口交通流實(shí)時(shí)遺傳算法優(yōu)化控制》，系統(tǒng)工程理論與實(shí)踐，2001.3:102-106;劉智勇，朱勁等《單交叉口的多相位模糊控制》，信息與控制，1999.28(6):453-458;陳淑燕，陳森發(fā)等，《單路口交通的多相位實(shí)時(shí)模糊控制》，系統(tǒng)工程理論與實(shí)踐，2003.1:110-115;樊愛龍，馬文閣等，《單交叉口混合交通流預(yù)測(cè)與信號(hào)配時(shí)研究》，遼寧大學(xué)學(xué)報(bào)，2007.27(4):234-237。上述文獻(xiàn)中提到的現(xiàn)有技術(shù)中，關(guān)于單點(diǎn)交通流控制都是以單個(gè)交叉路口作為最小單元的，沒有考慮到距離很近的路口之間在交通流量較大時(shí)的相關(guān)性，因此，把多個(gè)路口組合起來作為一個(gè)"路口組"來進(jìn)行優(yōu)化控制是本發(fā)明的特點(diǎn)。
發(fā)明內(nèi)容本發(fā)明的目的在于克服傳統(tǒng)城市交通控制最小單元為單個(gè)交叉路口不能滿足實(shí)際交通控制需要的不足，提供一種基于"路口組"的交通流優(yōu)化控制方法。針對(duì)交通工程的實(shí)際需要，把城市主干路上距離相近的兩到三個(gè)路口組合起來進(jìn)行控制，可以實(shí)現(xiàn)局部交通流的優(yōu)化，對(duì)交通流微觀控制提供幫助。本發(fā)明通過以下技術(shù)方案實(shí)現(xiàn)，包括以下步驟①利用地面感應(yīng)線圈等已有信息采集手段，采集"路口組"實(shí)時(shí)交通流量信息；②用智能方法建立優(yōu)化控制模型，根據(jù)實(shí)時(shí)交通流信息推理和優(yōu)化控制器的參數(shù)；步驟①，具體方法為根據(jù)現(xiàn)代城市已經(jīng)鋪設(shè)好的地面感應(yīng)線圈實(shí)時(shí)采集城市道路上"路口組"的實(shí)際交通車流量。步驟①，所述的利用地面感應(yīng)線圈等已有信息采集手段，采集"路口組"實(shí)時(shí)交通流量信息是指根據(jù)現(xiàn)代城市已有信息采集手段，特別是由地面感應(yīng)線圈采集的整個(gè)"路口組"的交通流量信息匯總上來。步驟(D,所述的"路口組"是指將城市主干路中相鄰的距離比較近(一般是不超過800m)且具有相關(guān)性的二到三個(gè)交叉路口作為主干路交通流控制的一個(gè)節(jié)點(diǎn)單元(本文以三個(gè)交叉口為例討論)，這個(gè)節(jié)點(diǎn)單元就稱之為"路口組"。規(guī)定"路口組"的內(nèi)部距離即最左邊的路口到最右邊路口的距離不超過1600m。在這種情況下，可以將城市的一條主干路看作是以"路口組"為節(jié)點(diǎn)的多個(gè)節(jié)點(diǎn)單元的集合，如圖1所示。步驟②中，所述的用智能方法建立優(yōu)化控制模型，根據(jù)實(shí)時(shí)交通信息推理和優(yōu)化控制器的參數(shù)是指"路口組"未來的總車流量對(duì)下一個(gè)信號(hào)控制周期r的大小具有直接的影響，如果"路口組"未來的總車流量大，則要求周期盡量的長(zhǎng)，如果"路口組"未來的總車流量小，則對(duì)周期的長(zhǎng)度要求則相反.基于這種想法，用預(yù)估的總車流量和近兩個(gè)周期的車流變化量來模糊推理下一個(gè)周期的r值，推理框圖如圖2所示，同時(shí)，建立以車輛平均延誤最小為目標(biāo)的優(yōu)化模型，采用遺傳算法優(yōu)化得到"路口組"的最優(yōu)控制參數(shù)，具體的步驟如下1.模糊化將預(yù)估總流量《、流量變化量、周期r分別劃分為七個(gè)模糊子集如下-f{很少，較少，少，中等，多，較多，很多}勿={負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大}r-服短，較短，短，中等，長(zhǎng)，較長(zhǎng)，很長(zhǎng)}其論域劃分如下，，2,3，4,5,6,7柳肌}~={一5,+3,-2,—1A1,2，3A5}^112,13,14,15,16,17,18,19,20/1，，，…T-{0,1,2,3,4,5,6,7,8}實(shí)際上，預(yù)估總流量《、流量變化量A、周期r的真實(shí)值應(yīng)該是^b幽,^J，Age[-20，+20，re[40,150].量化因子&,X2與比例因子JSC3的值分別為《20+20)",1^zi2掘,12025-(-5)8-0經(jīng)反復(fù)試驗(yàn)，將輸入、輸出變量各個(gè)模糊子集的隸屬函數(shù)都選取三角形函數(shù)如圖4示。2.模糊規(guī)則、推理及反模糊化根據(jù)預(yù)估總流量g、流量變化量經(jīng)過模糊化后的模糊集，我們采用if;cis^andyis5thenzisC形式的模糊推理規(guī)則來進(jìn)行推理，得到合成的模糊關(guān)系/,從而得到模糊規(guī)則庫.然后，用實(shí)際的預(yù)估流量9、流量變化量勿值輸入到控制器去查模糊規(guī)則表，得到周期r的模糊子集，按加權(quán)平均進(jìn)行反模糊化，得到相應(yīng)的精確量r':<formula>formulaseeoriginaldocumentpage7</formula>(1)r'的值還不能直接拿過來用，需要通過比例因子轉(zhuǎn)換才能夠應(yīng)用到后面的優(yōu)化控制中去，實(shí)際上r值為r-40+A"3*r*(2)3.計(jì)算最優(yōu)綠信比對(duì)"路口組"以車輛平均延誤最小為目標(biāo)建立優(yōu)化模型，選取"路口組"的綠信比為變量。為了簡(jiǎn)化問題，以g,、g4、gs為自變量，(其中，g,-l-1;",g2為已知)將四變量求極小值問題簡(jiǎn)化為三變量求極小值問題，"路口組"平均車輛延誤的表達(dá)式(3)可表示為P(g3，g4,g5)(3)則目標(biāo)函數(shù)和約束條件為minrf(/)-尸(g3,g4，g5)<formula>formulaseeoriginaldocumentpage7</formula>(4)(4)式是求極小值問題，采用遺傳算法進(jìn)行優(yōu)化需要轉(zhuǎn)換成極大值問題，因而存在目標(biāo)函數(shù)向適應(yīng)度函數(shù)映射問風(fēng)取如下轉(zhuǎn)換/一orf(,)(5)其中，/為適應(yīng)度函數(shù)，c為使/取正數(shù)的一個(gè)常數(shù)，"為轉(zhuǎn)換系數(shù)，其值隨著目標(biāo)值的趨近而逐漸增大。經(jīng)過式(5)的轉(zhuǎn)換，求目標(biāo)函數(shù)極小值問題轉(zhuǎn)化為求適應(yīng)度函數(shù)/極大值問題，采用遺傳算法優(yōu)化得到最優(yōu)控制參數(shù)(算法框圖見圖3)。4.遺傳算法優(yōu)化步驟遺傳算法采用實(shí)數(shù)編碼，用串hA，ar,表示一條染色體，^M6,lh分別表示相位i、相位2、相位3的配時(shí)時(shí)間A、&、G,并且在生成初始種群和經(jīng)交叉、變異算子生成新的部分種群時(shí)必須考慮滿足目標(biāo)函數(shù)的約束條件。采用遺傳算法對(duì)該問題尋優(yōu)的算法如下1)初始化，設(shè)定周期值，本周期和上一個(gè)周期的車輛數(shù)量，種群數(shù)目、染色體長(zhǎng)度、迭代總代數(shù)，復(fù)制、交叉、變異的概率；2)根據(jù)最近兩周期的數(shù)據(jù)，用預(yù)估值和變化量模糊推理下一個(gè)周期值。采用實(shí)數(shù)編碼方法，隨機(jī)產(chǎn)生預(yù)定種群數(shù)目的染色體；3)按照預(yù)定的交叉率在候選解群體中隨機(jī)抽取數(shù)對(duì)候選解進(jìn)行交叉操作4)按照預(yù)定的雜交、變異率抽取候選解進(jìn)行交叉、變異操作；5)計(jì)算每個(gè)候選解的目標(biāo)函數(shù)值，根據(jù)所選的淘汰率淘汰候選解中目標(biāo)函數(shù)值最差者，所缺位置從目標(biāo)函數(shù)較好的解中產(chǎn)生。6)判斷是否到預(yù)定迭代次數(shù)，如果是則繼續(xù)下一步，否則轉(zhuǎn)(3)。7)按最優(yōu)適應(yīng)值計(jì)算各相位配時(shí)；8)預(yù)估下一周期車流量，轉(zhuǎn)2)進(jìn)入下一周期循環(huán)。本發(fā)明的有益效果是對(duì)城市交通微觀控制提出了一個(gè)新的思路，對(duì)減輕目前城市交通的壓力具有實(shí)際意義。單交叉路口是城市交通控制的最小基本單元，通過本方法可以改進(jìn)局部交通單元和主干路的交通流，提高整條主干路的通行能力，減少主干路上車輛的停車次數(shù)，有效避免主干路的擁堵，為現(xiàn)代城市交通控制提供良好的服務(wù)功能。圖1為本發(fā)明的"路口組"示意圖；圖2為本發(fā)明的模糊推理周期的示意框圖；圖3為本發(fā)明的"路口組"交通流優(yōu)化控制圖；圖4為實(shí)際"路口組"的劃分圖；圖5為"路口組"相位劃分示意圖。具體實(shí)施例方式下面結(jié)合附圖與實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明。本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和過程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。一種基于"路口組"的交通流優(yōu)化控制方法，如圖l、圖2、圖3、圖4、圖5所示，它的步驟為(1)利用城市已經(jīng)鋪設(shè)好的地面感應(yīng)線圈實(shí)時(shí)采集城市道路上路口組的實(shí)際交通車流量；(2)用智能方法建立優(yōu)化控制模型，根據(jù)實(shí)時(shí)交通信息推理和優(yōu)化控制器的參數(shù)；其方法為利用路口組未來的總車流量對(duì)下一個(gè)信號(hào)控制周期r的大小具有直接的影響，如果路口組未來的總車流量大，則要求周期盡量的長(zhǎng)，如果路口組未來的總車流量小，則對(duì)周期的長(zhǎng)度要求則相反；用預(yù)估的總車流量和近兩個(gè)周期的車流變化量來模糊推理下一個(gè)周期的r值；同時(shí)，建立以車輛平均延誤最小為目標(biāo)的優(yōu)化模型，采用遺傳算法優(yōu)化得到路口組的最優(yōu)控制參數(shù)；(3)控制器根據(jù)控制模型進(jìn)行優(yōu)化信號(hào)燈控制交通流。所述步驟(1)中，所述的路口組是指以城市主干路中相鄰的距離小于800m且具有相關(guān)性的二到三個(gè)交叉路口作為主干路交通流控制的一個(gè)節(jié)點(diǎn)單元；路口組的內(nèi)部距離即最左邊的路口到最右邊路口的距離不超過isoo邁，從而將城市的一條主干路作為多個(gè)節(jié)點(diǎn)單元的集合。所述步驟(2)中，模糊推理下一個(gè)周期的r值的過程為，通過預(yù)估總流量g、流量變化量，在規(guī)則庫指導(dǎo)下依次進(jìn)行模糊化、模糊推理、清晰化，進(jìn)而得到控制周期r;其具體步驟為a模糊化將預(yù)估總流量《、流量變化量、信號(hào)控制周期r分別劃分為七個(gè)模糊子集如下9={很少，較少，少，中等，多，較多，很多}={負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大}"{很短，較短，短，中等，長(zhǎng)，較長(zhǎng)，很長(zhǎng)}其論域劃分如下嚴(yán)2,3，4,5，6,7柳肌}={—5，_4，—3，-2,—1A1，2，3,4，5}ll2，13，14,15,16,17,18,19,20/1，，''，'Jr={0，l,2，3,4，5,6，7,8}實(shí)際上，預(yù)估總流量g、流量變化量勿、周期r的真實(shí)值應(yīng)該是geb^，^J,勿e[-20,+20],re[40,150].量化因子^，X2與比例因子AT3的值分別為<formula>formulaseeoriginaldocumentpage10</formula>輸入、輸出變量各個(gè)模糊子集的隸屬函數(shù)都選取三角形函數(shù)；b模糊推理及清晰化根據(jù)預(yù)估總流量g、流量變化量勿經(jīng)過模糊化后的模糊集，采用ifJtis^andjkis5thenzisC形式的模糊推理規(guī)則來進(jìn)行推理，得到合成的模糊關(guān)系及，從而得到模糊規(guī)則庫；然后，用實(shí)際的預(yù)估流量g、流量變化量值輸入到控制器去査模糊規(guī)則表，得到周期r的模糊子集，按加權(quán)平均進(jìn)行反模糊化，得到相應(yīng)的精確量r':<formula>formulaseeoriginaldocumentpage10</formula>r'的值還不能直接拿過來用，需要通過比例因子轉(zhuǎn)換才能夠應(yīng)用到后面的優(yōu)化控制中去，實(shí)際上r值為所述步驟(3)中，優(yōu)化信號(hào)燈控制交通流過程為，從某一刻開始，記錄每一個(gè)控制周期中車流經(jīng)過路口組的數(shù)量，從第三個(gè)周期開始計(jì)算前兩個(gè)周期車流量的變化值，把當(dāng)前的車流量和前兩個(gè)周期的車流變化量作為控制器的輸入；把采集來的車流量輸入到模糊推理的智能模型中，獲得下個(gè)周期的數(shù)值，釆用遺傳算法優(yōu)化以車輛平均延最小為目標(biāo)的函數(shù)，得到最優(yōu)綠信比，根據(jù)此綠信比把周期分配下去來實(shí)現(xiàn)控制。計(jì)算最優(yōu)綠信比方法為，對(duì)路口組以車輛平均延誤最小為目標(biāo)建立優(yōu)化模型，選取"路口組"的綠信比為變量；為了簡(jiǎn)化問題，以&、g4、g5為自變量，(其中<formula>formulaseeoriginaldocumentpage10</formula>為己知)將四變量求極小值問題簡(jiǎn)化為三變量求極小值問題，"路口組"平均車輛延誤的表達(dá)式(3)可表示為<formula>formulaseeoriginaldocumentpage10</formula>(3)則目標(biāo)函數(shù)和約束條件為<formula>formulaseeoriginaldocumentpage11</formula>(4)式是求極小值問題，采用遺傳算法進(jìn)行優(yōu)化需要轉(zhuǎn)換成極大值問題，因而存在目標(biāo)函數(shù)向適應(yīng)度函數(shù)映射問題，取如下轉(zhuǎn)換Z-c-orf(O(5)其中，/為適應(yīng)度函數(shù)，c為使/取正數(shù)的一個(gè)常數(shù)，"為轉(zhuǎn)換系數(shù)，其值隨著目標(biāo)值的趨近而逐漸增大；經(jīng)過式(5)的轉(zhuǎn)換，求目標(biāo)函數(shù)極小值問題轉(zhuǎn)化為求適應(yīng)度函數(shù)/極大值問題，采用遺傳算法優(yōu)化得到最優(yōu)控制參數(shù)；遺傳算法優(yōu)化步驟遺傳算法采用實(shí)數(shù)編碼，用串hA，"J表示一條染色體，[",他lh分別表示相位i、相位2、相位3的配時(shí)時(shí)間"&、&并且在生成初始種群和經(jīng)交叉、變異算子生成新的部分種群時(shí)必須考慮滿足目標(biāo)函數(shù)的約束條件。所述遺傳算法對(duì)該問題尋優(yōu)的算法如下1)初始化，設(shè)定周期值，本周期和上一個(gè)周期的車輛數(shù)量，種群數(shù)目、染色體長(zhǎng)度、迭代總代數(shù)，復(fù)制、交叉、變異的概率；2)根據(jù)最近兩周期的數(shù)據(jù)，用預(yù)估值和變化量模糊推理下一個(gè)周期值；采用實(shí)數(shù)編碼方法，隨機(jī)產(chǎn)生預(yù)定種群數(shù)目的染色體；3)按照預(yù)定的交叉率在候選解群體中隨機(jī)抽取數(shù)對(duì)候選解進(jìn)行交叉操作；4)按照預(yù)定的雜交、變異率抽取候選解進(jìn)行交叉、變異操作；5)計(jì)算每個(gè)候選解的目標(biāo)函數(shù)值，根據(jù)所選的淘汰率淘汰候選解中目標(biāo)函數(shù)值最差者，所缺位置從目標(biāo)函數(shù)較好的解中產(chǎn)生；6)判斷是否到預(yù)定迭代次數(shù)，如果是則繼續(xù)下一步，否則轉(zhuǎn)(3);7)按最優(yōu)適應(yīng)值計(jì)算各相位配時(shí)；8)預(yù)估下一周期車流量，轉(zhuǎn)(2)進(jìn)入下一周期循環(huán)。實(shí)施例1:本實(shí)施例，選取濟(jì)南市的經(jīng)十路作為研究對(duì)象，把青年東路，千佛山路，和歷山路與經(jīng)十路交叉的三個(gè)路口劃分為"路口組"進(jìn)行實(shí)施控制。濟(jì)南市經(jīng)十路的第二個(gè)"路口組"包括歷山路口、千佛山路口和舜耕路口，兩兩路口之間的距離分別為700m和400m，符合"路口組"的條件，如圖4所示。該"路口組"的交通流模型如圖1所示，它包含三個(gè)單交叉路口，分別用C"C2,C3來表示，"路口組"內(nèi)每個(gè)單交叉路口有東、南、西、北四個(gè)方向，每個(gè)方向均存在右行、直行、左行三條車道車流，其中，東西方向?yàn)橹鞲陕贩较?。每條車道有兩個(gè)感應(yīng)線圈，一個(gè)線圈埋設(shè)在停車線處，叫做停車線感應(yīng)線圈，另一個(gè)埋設(shè)在距離停車線線圈100160M處，叫做上游感應(yīng)線圈。停車線感應(yīng)線圈用來檢測(cè)離開該區(qū)域的車流量，上游感應(yīng)線圈用來測(cè)量進(jìn)入兩線圈之間區(qū)域的車流量，通過檢測(cè)到的車流信息，為交通流的控制提供必要的數(shù)據(jù)。"路口組"的相位劃分與單個(gè)交叉路口是有所區(qū)別的，含有三個(gè)交叉路口的"路口組"的相位劃分如圖5所示。圖中給出五個(gè)相位，第一、三、四、五相位的劃分與單交叉路口的四相位是完全一樣的，分別表示主干路的東西直行相和東西左行相，支路方向的南北直行相和南北左行相。第二相位是由于"路口組"具有的特點(diǎn)而劃分出來的，表示直行左行相，車流的情況是在第0)號(hào)路口由東向西直行和由東向南左行及在第③號(hào)路口由西向東直行和由西向北左行，而在第②號(hào)路口交通流不受此影響。正如我們希望單交叉路口的車輛在綠燈結(jié)束后能夠完全通過路口一樣，也希望"路口組"在東西直行方向上的綠燈結(jié)束時(shí)，進(jìn)入"路口組"的車輛能夠無延誤地通過整個(gè)"路口組"，即保證出口處的綠燈亮至車輛基本放行完畢，這段時(shí)間就是第二相位。第②交叉路口是一個(gè)普通的單交叉路口，它有四個(gè)相位分別是東西直行相，東西左轉(zhuǎn)相，南北直行相和南北左行相。本實(shí)施例的具體步驟如下①從某一刻開始，記錄每一個(gè)控制周期中每一個(gè)相位時(shí)間內(nèi)車流經(jīng)過"路口組"的數(shù)量，把所有相位時(shí)間內(nèi)通過的車流數(shù)量加起來就得到整個(gè)周期內(nèi)通過"路口組"的車流數(shù)量，從第三個(gè)周期開始計(jì)算前兩個(gè)周期車流量的變化值，把當(dāng)前的車流量和前兩個(gè)周期的車流變化量作為控制器的輸入。②把采集來的車流量輸入到模糊推理的智能模型中，獲得下個(gè)周期的數(shù)值，采用遺傳算法優(yōu)化以車輛平均延最小為目標(biāo)的函數(shù)，得到最優(yōu)綠信比，根據(jù)此綠信比把周期分配下去來實(shí)現(xiàn)控制。整個(gè)控制實(shí)驗(yàn)在三個(gè)路口分別控制和"路口組"控制分別進(jìn)行了十個(gè)周期，得到的結(jié)果如表1和表2所示。通過對(duì)兩個(gè)表數(shù)據(jù)的比較，很容易發(fā)現(xiàn)，在支路方向兩種情況下的交通量變化不大，幾乎是一樣的；在主干路方向的兩種情況下的交通量則有差別，三個(gè)路口作為"路口組"進(jìn)行信號(hào)燈優(yōu)化控制時(shí)的交通量比三個(gè)路口信號(hào)燈相互獨(dú)立控制時(shí)的交通量提髙了約6.90%。這說明了，把三個(gè)路口作為一個(gè)"路口組"進(jìn)行優(yōu)化信號(hào)燈控制交通流，將會(huì)改善主干路方向的交通狀況，有助于主干路方向車流的疏導(dǎo)和流通，而對(duì)支路方向的車流量影響不是很大。表l以所有交叉路口為節(jié)點(diǎn)時(shí)的交通量<table>tableseeoriginaldocumentpage13</column></row><table>表2以"路口組"為節(jié)點(diǎn)時(shí)的交通量<table>tableseeoriginaldocumentpage13</column></row><table>實(shí)施例2本實(shí)施例，選取濟(jì)南市的經(jīng)十路作為研究對(duì)象，把整條經(jīng)十路劃分為多個(gè)"路口組"進(jìn)行實(shí)施控制，其劃分方法為5個(gè)"路口組"，即山師東路路口至山大路路口、舜耕路口至歷山路路口、緯一路路口至民生大街路口、緯十二路口至緯五路路口和南辛莊路口至經(jīng)七路路口(圖4表示第二個(gè)"路口組")。從經(jīng)十路的東端入口處添加測(cè)試車，在上述兩種情況下分別出發(fā)10次，得到表3、表4的停車次數(shù)結(jié)果。通過對(duì)表3和表4數(shù)據(jù)的比較，可以明顯看到，在第一種情況下10次出發(fā)平均停車次數(shù)為3.9次，第二種情況下平均停車次數(shù)為3.1次，第二種情況比第一種情況平均停車次數(shù)減少了0.8次。這說明以"路口組"作為主干路的節(jié)點(diǎn)單元不僅提高了干路方向的交通量而且在一定程度上加寬了綠波帶，使車輛的運(yùn)行更加暢通。<table>tableseeoriginaldocumentpage14</column></row><table>權(quán)利要求1.一種路口組交通流優(yōu)化控制方法，其特征是，它的步驟為(1)利用城市已經(jīng)鋪設(shè)好的地面感應(yīng)線圈實(shí)時(shí)采集城市道路上路口組的實(shí)際交通車流量；(2)用智能方法建立優(yōu)化控制模型，根據(jù)實(shí)時(shí)交通信息推理和優(yōu)化控制器的參數(shù)；其方法為利用路口組未來的總車流量對(duì)下一個(gè)信號(hào)控制周期T的大小具有直接的影響，如果路口組未來的總車流量大，則要求周期盡量的長(zhǎng)，如果路口組未來的總車流量小，則對(duì)周期的長(zhǎng)度要求則相反；用預(yù)估的總車流量和近兩個(gè)周期的車流變化量來模糊推理下一個(gè)周期的T值；同時(shí)，建立以車輛平均延誤最小為目標(biāo)的優(yōu)化模型，采用遺傳算法優(yōu)化得到路口組的最優(yōu)控制參數(shù)；(3)控制器根據(jù)控制模型進(jìn)行優(yōu)化控制交通流。2.如權(quán)利要求1所述的路口組交通流優(yōu)化控制方法，其特征是，所述步驟(1)中，所述的路口組是指以城市主干路中相鄰的距離小于800m且具有相關(guān)性的二到三個(gè)交叉路口作為主干路交通流控制的一個(gè)節(jié)點(diǎn)單元；路口組的內(nèi)部距離即最左邊的路口到最右邊路口的距離不超過1600m,從而將城市的一條主干路作為多個(gè)節(jié)點(diǎn)單元的集合。3.如權(quán)利要求1所述的路口組交通流優(yōu)化控制方法，其特征是，所述步驟(2)中，模糊推理下一個(gè)周期的r值的過程為，通過預(yù)估總流量g、流量變化量，在規(guī)則庫指導(dǎo)下依次進(jìn)行模糊化、模糊推理、清晰化，進(jìn)而得到控制周期r;其具體步驟為-將預(yù)估總流量9、流量變化量、信號(hào)控制周期r分別劃分為七個(gè)模糊子集如下:9={很少，較少，少，中等，多，較多，很多}={負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大}p服短，較短，短，中等，長(zhǎng)，較長(zhǎng)，很長(zhǎng)}其論域劃分如下-r={0,l,2,3,4，5,6,7，8}實(shí)際上，預(yù)估總流量9、流量變化量勿、周期r的真實(shí)值應(yīng)該是^b^,《皿]，e[-20，+20]，re[40,150].量化因子&，AT2與比例因子《3的值分別為a模糊化<formula>formulaseeoriginaldocumentpage3</formula>輸入、輸出變量各個(gè)模糊子集的隸屬函數(shù)都選取三角形函數(shù)；b模糊推理及清晰化根據(jù)預(yù)估總流量g、流量變化量經(jīng)過模糊化后的模糊集,采用if;cisJandyis5thenzisc形式的模糊推理規(guī)則來進(jìn)行推理，得到合成的模糊關(guān)系/，從而得到模糊規(guī)則庫；然后，用實(shí)際的預(yù)估流量9、流量變化量值輸入到控制器去查模糊規(guī)則表，得到周期r的模糊子集，按加權(quán)平均進(jìn)行反模糊化，得到相應(yīng)的精確量r':乂-ir'的值還不能直接拿過來用，需要通過比例因子轉(zhuǎn)換才能夠應(yīng)用到后面的優(yōu)化控制中去，實(shí)際上r值為4.如權(quán)利要求l所述的路口組交通流優(yōu)化控制方法，其特征是，所述步驟(3)中，優(yōu)化信號(hào)燈控制交通流過程為，從某一刻開始，記錄每一個(gè)控制周期中車流經(jīng)過路口組的數(shù)量，從第三個(gè)周期開始計(jì)算前兩個(gè)周期車流量的變化值，把當(dāng)前的車流量和前兩個(gè)周期的車流變化量作為控制器的輸入；把采集來的車流量輸入到模糊推理的智能模型中，獲得下個(gè)周期的數(shù)值，采用遺傳算法優(yōu)化以車輛平均延最小為目標(biāo)的函數(shù)，得到最優(yōu)綠信比，根據(jù)此綠信比把周期分配下去來實(shí)現(xiàn)控制。5.如權(quán)利要求4所述的路口組交通流優(yōu)化控制方法，其特征是，計(jì)算最優(yōu)綠信比方法為，對(duì)路口組以車輛平均延誤最小為目標(biāo)建立優(yōu)化模型，選取"路口組"的綠信比為變量；為了簡(jiǎn)化問題，以&、g4、gs為自變量，(其中，g,-i-^"，&為己知)將四變量求極小值問題簡(jiǎn)化為三變量求極小值問題，"路口組"平均車輛延誤的表達(dá)式(3)可表示為"(0=P(g3，g4，g5)則目標(biāo)函數(shù)和約束條件為:minW)=/>(g3，g4，g5)<formula>formulaseeoriginaldocumentpage3</formula>71(4)式是求極小值問題，采用遺傳算法進(jìn)行優(yōu)化需要轉(zhuǎn)換成極大值問題，因而存在目標(biāo)函數(shù)向適應(yīng)度函數(shù)映射問題，取如下轉(zhuǎn)換<formula>formulaseeoriginaldocumentpage4</formula>其中，/為適應(yīng)度函數(shù)，c為使/取正數(shù)的一個(gè)常數(shù)，"為轉(zhuǎn)換系數(shù)，其值隨著目標(biāo)值的趨近而逐漸增大；經(jīng)過式(5)的轉(zhuǎn)換，求目標(biāo)函數(shù)極小值問題轉(zhuǎn)化為求適應(yīng)度函數(shù)/極大值問題，采用遺傳算法優(yōu)化得到最優(yōu)控制參數(shù)；遺傳算法優(yōu)化步驟遺傳算法采用實(shí)數(shù)編碼，用串hA，^j表示一條染色體，hlhlh分別表示相位1、相位2、相位3的配時(shí)時(shí)間&、&、&并且在生成初始種群和經(jīng)交叉、變異算子生成新的部分種群時(shí)必須考慮滿足目標(biāo)函數(shù)的約束條件。6.如權(quán)利要求5所述的路口組交通流優(yōu)化控制方法，其特征是，所述遺傳算法對(duì)該問題尋優(yōu)的算法如下1)初始化，設(shè)定周期值，本周期和上一個(gè)周期的車輛數(shù)量，種群數(shù)目、染色體長(zhǎng)度、迭代總代數(shù)，復(fù)制、交叉、變異的概率；2)根據(jù)最近兩周期的數(shù)據(jù)，用預(yù)估值和變化量模糊推理下一個(gè)周期值；采用實(shí)數(shù)編碼方法，隨機(jī)產(chǎn)生預(yù)定種群數(shù)目的染色體；3)按照預(yù)定的交叉率在候選解群體中隨機(jī)抽取數(shù)對(duì)候選解進(jìn)行交叉操作；4)按照預(yù)定的雜交、變異率抽取候選解進(jìn)行交叉、變異操作；5)計(jì)算每個(gè)候選解的目標(biāo)函數(shù)值，根據(jù)所選的淘汰率淘汰候選解中目標(biāo)函數(shù)值最差者，所缺位置從目標(biāo)函數(shù)較好的解中產(chǎn)生；6)判斷是否到預(yù)定迭代次數(shù)，如果是則繼續(xù)下一步，否則轉(zhuǎn)(3);7)按最優(yōu)適應(yīng)值計(jì)算各相位配時(shí)；8)預(yù)估下一周期車流量，轉(zhuǎn)(2)進(jìn)入下一周期循環(huán)。全文摘要本發(fā)明公開了一種路口組交通流優(yōu)化控制方法。它解決了目前城市交通控制最小單元為單個(gè)交叉路口不能滿足實(shí)際交通控制需要的不足，可以實(shí)現(xiàn)局部交通流的優(yōu)化，對(duì)交通流微觀控制提供幫助。該方法的步驟為(1)利用城市已經(jīng)鋪設(shè)好的地面感應(yīng)線圈實(shí)時(shí)采集城市道路上“路口組”的實(shí)際交通車流量；(2)用智能方法建立優(yōu)化控制模型，根據(jù)實(shí)時(shí)交通信息推理和優(yōu)化控制器的參數(shù)；(3)控制器根據(jù)控制模型進(jìn)行優(yōu)化控制交通流。文檔編號(hào)G08G1/083GK101266718SQ20081001570公開日2008年9月17日申請(qǐng)日期2008年4月24日優(yōu)先權(quán)日2008年4月24日發(fā)明者朱文興,楊立才,磊賈申請(qǐng)人:山東大學(xué)