亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種針對(duì)部分車道車流突變的交叉口自愈合控制方法與流程

文檔序號(hào):11954208閱讀:483來(lái)源:國(guó)知局
一種針對(duì)部分車道車流突變的交叉口自愈合控制方法與流程

本發(fā)明涉及一種針對(duì)部分車道車流突變的交叉口自愈合控制方法,特別涉及一種基于極小型指標(biāo)評(píng)價(jià)方法、BP神經(jīng)網(wǎng)絡(luò)和粒子群優(yōu)化算法的道路交叉口交通控制系統(tǒng)的自愈合控制方法。



背景技術(shù):

路段和交叉口構(gòu)成了城市道路系統(tǒng),其中交叉口是城市交通的關(guān)鍵。由于不同方向的交通流在交叉口處發(fā)生一系列交通行為,因此交叉口處限制著道路的通行能力,并且還是最易發(fā)生交通事故的地點(diǎn)。所以,解決道路交通問(wèn)題的關(guān)鍵就是實(shí)現(xiàn)對(duì)交叉口的有效管理。傳統(tǒng)的交通信號(hào)控制系統(tǒng)使用固定配時(shí),一般其有著固定的控制周期,不能根據(jù)實(shí)際交通流的情況實(shí)時(shí)改變各個(gè)方向的配時(shí)等,導(dǎo)致了大量的時(shí)間和資源的浪費(fèi)?,F(xiàn)今道路中,尤其在道路交叉口,某些車道上車輛突然增多導(dǎo)致交叉口擁擠,運(yùn)行效率不高,一般只能等待交警到達(dá)現(xiàn)場(chǎng)指揮協(xié)調(diào),不僅等待時(shí)間較長(zhǎng)而且消耗大量的人力。所以,通過(guò)檢測(cè)各個(gè)方向上的車流信息并對(duì)交通信號(hào)的控制進(jìn)行優(yōu)化,實(shí)時(shí)調(diào)整各相位的綠燈時(shí)長(zhǎng)等控制參數(shù),可以更合理地控制和引導(dǎo)車輛,提高道路的通行能力。尤其是在車道車流突變的情況下,可以通過(guò)調(diào)整配時(shí)等實(shí)現(xiàn)交通控制系統(tǒng)的自我恢復(fù)。

城市道路交叉口的信號(hào)控制是指利用包括信號(hào)燈信號(hào)和交通警察手勢(shì)信號(hào)的交通信號(hào),從時(shí)間上將相互沖突的交通流予以分離,達(dá)到引導(dǎo)車輛及行人順利地經(jīng)過(guò)交叉口的目標(biāo)。通過(guò)對(duì)城市道路交叉口交通信號(hào)的控制,可以使車輛等有秩序地經(jīng)過(guò)路口,減少車輛排隊(duì)等待時(shí)間,提高交叉口的運(yùn)行效率。常見(jiàn)的城市道路交叉口控制信號(hào)為燈光信號(hào),通過(guò)紅,黃,綠三色燈光,實(shí)現(xiàn)對(duì)車輛和行人通行權(quán)的分配。綠燈為允許通行;黃燈為警示信號(hào);紅燈為禁止通行。本方法中將黃燈時(shí)間算入綠燈時(shí)間之內(nèi)。

常見(jiàn)的研究城市道路交叉口系統(tǒng)的理論方法之一為有模型方法。傳統(tǒng)的基于統(tǒng)計(jì)學(xué)的延誤模型由Webster和Akcelik提出,并被廣泛應(yīng)當(dāng)用到單交叉口的固定配時(shí)策略中。Webster延誤公式是一個(gè)很經(jīng)典的計(jì)算某一相位車道延誤的公式,由于其計(jì)算效果較好所以被人們廣泛使用。評(píng)價(jià)交叉口交通的指標(biāo)除了平均延誤之外,飽和度和平均排隊(duì)長(zhǎng)度也能比較直接地反應(yīng)交叉口的運(yùn)行狀況。但是當(dāng)交叉口很擁擠時(shí),飽和度不再表現(xiàn)交通需求的特征,延誤也不適合作為交通信號(hào)控制的優(yōu)化目標(biāo)。此時(shí)為了避免排隊(duì)長(zhǎng)度過(guò)大導(dǎo)致的溢流,以及對(duì)上游交叉口的影響,應(yīng)該控制排隊(duì)長(zhǎng)度,盡快疏散交叉口滯留排隊(duì)。

極小型指標(biāo)的評(píng)價(jià)方法:當(dāng)選取的多個(gè)指標(biāo)中所有指標(biāo)都趨近于0時(shí),系統(tǒng)的運(yùn)行被認(rèn)為是統(tǒng)籌協(xié)調(diào),所以綜合評(píng)價(jià)結(jié)果優(yōu)越。當(dāng)所有指標(biāo)都趨近于1時(shí),系統(tǒng)的運(yùn)行被認(rèn)為是統(tǒng)籌協(xié)調(diào),但綜合評(píng)價(jià)結(jié)果較差。當(dāng)指標(biāo)中一些相對(duì)較大,而另一些相對(duì)較小,則認(rèn)為這樣一個(gè)系統(tǒng)是不協(xié)調(diào)的,綜合評(píng)價(jià)結(jié)果一般。

人工神經(jīng)網(wǎng)絡(luò)是復(fù)雜的非線性網(wǎng)絡(luò)系統(tǒng),它能解決傳統(tǒng)算法不能的問(wèn)題。神經(jīng)網(wǎng)絡(luò)具有快速處理信息的能力以及很強(qiáng)的處理不確定性信息的能力。當(dāng)選擇合適的參數(shù),它可以收斂到一個(gè)相對(duì)較小的均方,實(shí)現(xiàn)復(fù)雜和高度非線性映射。人工神經(jīng)網(wǎng)絡(luò)的研究始于1943,經(jīng)過(guò)60多年的發(fā)展,已被廣泛地應(yīng)用于工程研究領(lǐng)域。目前,神經(jīng)網(wǎng)絡(luò)的發(fā)展主要集中在應(yīng)用。多層前饋神經(jīng)網(wǎng)絡(luò)是應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)之一。它是一種多層網(wǎng)絡(luò),具有良好的非線性逼近能力和結(jié)構(gòu)簡(jiǎn)單的優(yōu)點(diǎn)。BP神經(jīng)網(wǎng)絡(luò)在模式識(shí)別、智能控制、分類、預(yù)測(cè)等方面取得了顯著的成績(jī)。

目前,我國(guó)研究交通控制的學(xué)者主要的研究方向?yàn)檐囕v檢測(cè)和信號(hào)優(yōu)化。檢測(cè)方向以模式識(shí)別為主,利用圖像處理技術(shù),同級(jí)車流量大小,辨識(shí)違章情況等。信號(hào)優(yōu)化中,國(guó)內(nèi)學(xué)者傾向于使用生物啟發(fā)式算法,對(duì)交叉口的延誤時(shí)間等進(jìn)行尋優(yōu)。常用的算法有:魚群算法,蟻群算法,遺傳算法,粒子群算法等。粒子群優(yōu)化算法(PSO)是群體智能的典型之一,簡(jiǎn)稱為PSO算法或粒子群算法。粒子群算法是由Eberhart博士和Kennedy博士發(fā)明的一種全局優(yōu)化進(jìn)化算法。一開(kāi)始系統(tǒng)初始化為一組隨機(jī)解,之后多次地迭代來(lái)搜索最優(yōu)值。而對(duì)于確定的延誤模型,需要調(diào)整配時(shí)來(lái)使得延誤最小,即尋找全局最優(yōu)值,所以粒子群算法可以用在對(duì)延誤模型的解算。與蟻群算法相比,粒子群優(yōu)化可以有效地優(yōu)化系統(tǒng)的參數(shù),從而能夠更快地逼近最優(yōu)解。粒子群算法具有優(yōu)異特性的關(guān)鍵是個(gè)體能夠充分利用自身以及種群的經(jīng)驗(yàn)調(diào)整自身的狀態(tài),進(jìn)行下一步的迭代。所以PSO算法適合于求解一些連續(xù)函數(shù)的優(yōu)化問(wèn)題。相比于遺傳算法,在大多情況下,PSO能夠更快地收斂于最優(yōu)解。因此,將粒子群算法用于實(shí)時(shí)求解信號(hào)配時(shí)更快速簡(jiǎn)單,控制效果更好。

自愈合本來(lái)是一個(gè)生物學(xué)概念,自愈指的是一種穩(wěn)定和平衡的自我恢復(fù)機(jī)制,所以自愈合即自我恢復(fù)平衡或穩(wěn)定。將其引入到交通信號(hào)控制中來(lái),就是指當(dāng)交叉口發(fā)生了一些突發(fā)事件導(dǎo)致其通行能力受到影響的情況下,僅通過(guò)一定的控制方案調(diào)整其交通信號(hào)的配置從而恢復(fù)交叉口的正常運(yùn)行。



技術(shù)實(shí)現(xiàn)要素:

本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種針對(duì)部分車道車流突變的交叉口自愈合控制方法。

本發(fā)明為解決上述技術(shù)問(wèn)題采用以下技術(shù)方案:

本發(fā)明提供一種針對(duì)部分車道車流突變的交叉口自愈合控制方法,具體步驟如下

步驟1,同時(shí)考慮交叉口飽和度、平均延誤和平均排隊(duì)長(zhǎng)度三項(xiàng)指標(biāo),利用極小值型指標(biāo)評(píng)價(jià)法構(gòu)建交叉口綜合指標(biāo);

步驟2,根據(jù)交叉口飽和度,將交叉口交通運(yùn)行狀況劃分為五個(gè)等級(jí),其中,劃分依據(jù)為:若飽和度在(0,0.3]范圍內(nèi)則交叉口交通運(yùn)行狀況等級(jí)為1,若飽和度在(0.3,0.6]范圍內(nèi)則交叉口交通運(yùn)行狀況等級(jí)為2,若飽和度在(0.6,0.8]范圍內(nèi)則交叉口交通運(yùn)行狀況等級(jí)為3,若飽和度在(0.8,1]范圍內(nèi)則交叉口交通運(yùn)行狀況等級(jí)為4,若飽和度大于1則交叉口交通運(yùn)行狀況等級(jí)為5;

步驟3,從交叉口交通數(shù)據(jù)中提取若干組交叉口飽和度、平均延誤和平均排隊(duì)長(zhǎng)度值,獲得相應(yīng)的交叉口綜合指標(biāo)值以及交叉口交通運(yùn)行狀況等級(jí);

步驟4,將步驟3中獲得的交叉口飽和度、平均延誤、平均排隊(duì)長(zhǎng)度、交叉口綜合指標(biāo)值以及交叉口交通運(yùn)行狀況等級(jí)作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本,進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí),其中,交叉口飽和度、平均延誤、平均排隊(duì)長(zhǎng)度為神經(jīng)網(wǎng)絡(luò)的輸入,交叉口交通運(yùn)行狀況等級(jí)為神經(jīng)網(wǎng)絡(luò)的輸出;

步驟5,實(shí)時(shí)采集當(dāng)前交叉口的交通數(shù)據(jù),提取當(dāng)前交叉口飽和度、平均延誤和平均排隊(duì)長(zhǎng)度后輸入步驟4中訓(xùn)練完成的BP神經(jīng)網(wǎng)絡(luò),得到當(dāng)前交叉口交通運(yùn)行狀況等級(jí);

步驟6,若步驟5得到的當(dāng)前交叉口交通運(yùn)行狀況等級(jí)小于等于3,則保持當(dāng)前信號(hào)配時(shí);若當(dāng)前交叉口交通運(yùn)行狀況等級(jí)為4,則以交叉口綜合指標(biāo)最小為優(yōu)化目標(biāo),對(duì)交叉口信號(hào)配時(shí)進(jìn)行優(yōu)化;若當(dāng)前交叉口交通運(yùn)行狀況等級(jí)為5,則以交叉口平均排隊(duì)長(zhǎng)度最小為優(yōu)化目標(biāo),對(duì)交叉口信號(hào)配時(shí)進(jìn)行優(yōu)化。

作為本發(fā)明的進(jìn)一步優(yōu)化方案,交叉口綜合指標(biāo)的表達(dá)式為:

<mrow> <msup> <mi>r</mi> <mn>2</mn> </msup> <mo>=</mo> <msup> <mrow> <mo>(</mo> <mover> <mi>x</mi> <mo>&OverBar;</mo> </mover> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mover> <mi>Q</mi> <mo>&OverBar;</mo> </mover> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mover> <mi>d</mi> <mo>&OverBar;</mo> </mover> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow>

式中,r為交叉口綜合指標(biāo),x,Q,d分別為交叉口飽和度、平均排隊(duì)長(zhǎng)度、平均延誤;

交叉口飽和度的表達(dá)式為:

<mrow> <mi>x</mi> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>4</mn> </munderover> <msub> <mi>&omega;</mi> <mi>i</mi> </msub> <mo>&times;</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> </mrow>

式中,xi為第i個(gè)相位的飽和度,ωi為第i個(gè)相位的權(quán)重,X為四個(gè)相位的飽和度之和;qi為第i個(gè)相位的車輛到達(dá)率,ci為第i個(gè)相位的通行能力,si為第i個(gè)相位的飽和流率,Ci為第i個(gè)相位的周期,gi為第i個(gè)相位的綠燈時(shí)間;

交叉口平均排隊(duì)長(zhǎng)度的表達(dá)式為:

<mrow> <mi>Q</mi> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>4</mn> </munderover> <msub> <mi>&omega;</mi> <mi>i</mi> </msub> <mo>&times;</mo> <msub> <mi>Q</mi> <mi>i</mi> </msub> </mrow>

式中,Qi為第i個(gè)相位的排隊(duì)長(zhǎng)度,

交叉口平均延誤的表達(dá)式為:

<mrow> <mi>d</mi> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>4</mn> </munderover> <msub> <mi>w</mi> <mi>i</mi> </msub> <mo>&times;</mo> <msub> <mi>d</mi> <mi>i</mi> </msub> </mrow>

式中,di為第i個(gè)車道的延誤,C為交叉口信號(hào)燈的周期時(shí)長(zhǎng),gi為第i個(gè)相位的綠燈時(shí)間,qi為第i個(gè)車道的車輛到達(dá)率,Si為第i個(gè)車道的飽和流率。

作為本發(fā)明的進(jìn)一步優(yōu)化方案,以交叉口綜合指標(biāo)最小為優(yōu)化目標(biāo),對(duì)交叉口信號(hào)配時(shí)進(jìn)行優(yōu)化,具體為:根據(jù)交叉口綜合指標(biāo)的表達(dá)式利用粒子群優(yōu)化算法實(shí)時(shí)求解使得交叉口綜合指標(biāo)最小的信號(hào)配時(shí),以此對(duì)當(dāng)前信號(hào)配時(shí)進(jìn)行優(yōu)化。

作為本發(fā)明的進(jìn)一步優(yōu)化方案,以交叉口平均排隊(duì)長(zhǎng)度最小為優(yōu)化目標(biāo),對(duì)交叉口信號(hào)配時(shí)進(jìn)行優(yōu)化,具體為:根據(jù)交叉口平均排隊(duì)長(zhǎng)度的表達(dá)式利用粒子群優(yōu)化算法實(shí)時(shí)求解使得交叉口平均排隊(duì)長(zhǎng)度最小的信號(hào)配時(shí),以此對(duì)當(dāng)前信號(hào)配時(shí)進(jìn)行優(yōu)化。

作為本發(fā)明的進(jìn)一步優(yōu)化方案,步驟3中的交叉口交通數(shù)據(jù)通過(guò)VISSIM模擬交叉口交通獲得。

本發(fā)明采用以上技術(shù)方案與現(xiàn)有技術(shù)相比,具有以下技術(shù)效果:本發(fā)明通過(guò)同時(shí)考慮三個(gè)交通評(píng)價(jià)指標(biāo)評(píng)價(jià)交叉口的交通運(yùn)行狀態(tài),與現(xiàn)有只考慮單個(gè)評(píng)價(jià)交通指標(biāo)相比更全面、準(zhǔn)確地反應(yīng)了交叉口的實(shí)際運(yùn)行情況,且得到了綜合評(píng)價(jià)指標(biāo)的表達(dá)式;利用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)能根據(jù)實(shí)時(shí)交通數(shù)據(jù)快速評(píng)價(jià)交叉口的運(yùn)行情況,可以用于交叉口交通的實(shí)時(shí)監(jiān)測(cè);當(dāng)交叉口中某些車道車輛發(fā)生突變導(dǎo)致交叉口運(yùn)行狀況較差時(shí),利用粒子群優(yōu)化算法快速求解優(yōu)化目標(biāo)函數(shù)進(jìn)行配時(shí)優(yōu)化;針對(duì)不同運(yùn)行狀況等級(jí)的交叉口,分別選取不同的優(yōu)化目標(biāo)函數(shù),更符合實(shí)際需要,通過(guò)對(duì)交通信號(hào)的調(diào)整使得部分車道車流突變的交叉口能快速地自行恢復(fù)暢通。

附圖說(shuō)明

圖1為本發(fā)明中控制方法的方框圖。

圖2為本發(fā)明中控制對(duì)象即四相位交叉口的VISSIM仿真模型圖。

圖3為本發(fā)明中BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差曲線圖。

具體實(shí)施方式

下面結(jié)合附圖以及具體實(shí)施例對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)說(shuō)明:

如圖1所示,本發(fā)明設(shè)計(jì)了基于極小型指標(biāo)評(píng)價(jià)方法、BP神經(jīng)網(wǎng)絡(luò)和粒子群優(yōu)化算法的道路交叉口交通控制系統(tǒng)的自愈合控制方法,所研究的四相位交叉口的VISSIM仿真模型如圖2所示。

一、針對(duì)四相位道路交叉口運(yùn)行狀況綜合評(píng)價(jià)指標(biāo)的求解方法

1)三個(gè)交通評(píng)價(jià)指標(biāo)的選?。?/p>

飽和度是最重要的道路服務(wù)水平的指標(biāo)之一,計(jì)算公式為q/c,其中q是車輛到達(dá)率,c是通行能力。飽和度數(shù)值越大,道路的服務(wù)水平越差。本發(fā)明中,借鑒美國(guó)《通行手冊(cè)》對(duì)道路服務(wù)水平的分類,結(jié)合中國(guó)實(shí)際情況和現(xiàn)有研究,將中國(guó)道路的擁擠等級(jí)和服務(wù)水平分為以下五類,如表1所示:

等級(jí)1即第一服務(wù)水平:道路暢通,服務(wù)水平很好,道路飽和度在(0,0.3]范圍內(nèi);

等級(jí)2即第二服務(wù)水平:道路暢通,服務(wù)水平很好,道路飽和度在(0.3,0.6]范圍內(nèi);

等級(jí)3即第三服務(wù)水平:道路有些許擁擠,服務(wù)水平相對(duì)較好,道路飽和度在(0.6,0.8]范圍內(nèi);

等級(jí)4即第四服務(wù)水平:道路擁擠,服務(wù)水平較差,道路飽和度在(0.8,1]范圍內(nèi);

等級(jí)5即第五服務(wù)水平:道路嚴(yán)重?fù)頂D,服務(wù)水平極差,道路飽和度大于1。

表1交叉口飽和度與交叉口運(yùn)行狀況等級(jí)對(duì)照表

本發(fā)明中,針對(duì)四相位交叉口,從四個(gè)相位中各選擇一個(gè)關(guān)鍵車道,將該關(guān)鍵車道的飽和度作為相應(yīng)相位的飽和度,再將四個(gè)相位的飽和度的加權(quán)和作為交叉口的飽和度。

交叉口飽和度的表達(dá)式為:

<mrow> <mi>x</mi> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>4</mn> </munderover> <msub> <mi>&omega;</mi> <mi>i</mi> </msub> <mo>&times;</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> </mrow>

式中,xi為第i個(gè)相位的飽和度,單位veh/s,ωi為第i個(gè)相位的權(quán)重,X為四個(gè)相位的飽和度之和;qi為第i個(gè)相位的車輛到達(dá)率,單位veh/s;ci為第i個(gè)相位的通行能力,單位veh/s;si為第i個(gè)相位的飽和流率,單位veh/s;Ci為第i個(gè)相位的周期,單位s;gi為第i個(gè)相位的綠燈時(shí)間,單位s。

本發(fā)明中,針對(duì)四相位交叉口,從四個(gè)相位中各選擇一個(gè)關(guān)鍵車道,將該關(guān)鍵車道的排隊(duì)長(zhǎng)度作為相應(yīng)相位的排隊(duì)長(zhǎng)度,再將四個(gè)相位的排隊(duì)長(zhǎng)度加權(quán)和作為交叉口的平均排隊(duì)長(zhǎng)度。如果交叉口的平均排隊(duì)長(zhǎng)度越大,則交通效率越低,交通狀況越差。通過(guò)分配一個(gè)交叉點(diǎn)的四個(gè)相位的綠燈時(shí)間,以盡量減少整個(gè)交叉口的平均排隊(duì)長(zhǎng)度。

交叉口平均排隊(duì)長(zhǎng)度Q的表達(dá)式為:

<mrow> <mi>Q</mi> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>4</mn> </munderover> <msub> <mi>&omega;</mi> <mi>i</mi> </msub> <mo>&times;</mo> <msub> <mi>Q</mi> <mi>i</mi> </msub> </mrow>

式中,Qi為第i個(gè)相位的排隊(duì)長(zhǎng)度,單位veh,

根據(jù)交叉口平均排隊(duì)長(zhǎng)度Q,可以得到交叉口平均排隊(duì)長(zhǎng)度與交叉口運(yùn)行狀況等級(jí)對(duì)照情況,如表2所示。

表2交叉口平均排隊(duì)長(zhǎng)度與交叉口運(yùn)行狀況等級(jí)對(duì)照表

延誤是指車輛通過(guò)交叉口的時(shí)間損失,它能夠反映出車輛燃料消耗,運(yùn)行過(guò)程中的時(shí)間損失和司機(jī)的舒適程度。因此,延誤是最常用的評(píng)價(jià)信號(hào)交叉口的指標(biāo)。平均延誤是評(píng)價(jià)交通效率的重要參數(shù),平均延誤越大,道路交通運(yùn)行狀態(tài)越差。

本發(fā)明中,針對(duì)四相位交叉口,從四個(gè)相位中各選擇一個(gè)關(guān)鍵車道,將該關(guān)鍵車道的平均延誤作為相應(yīng)相位的平均延誤,再將四個(gè)相位的平均延誤加權(quán)和作為交叉口的平均延誤。

交叉口平均延誤d的表達(dá)式為:

<mrow> <mi>d</mi> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>4</mn> </munderover> <msub> <mi>w</mi> <mi>i</mi> </msub> <mo>&times;</mo> <msub> <mi>d</mi> <mi>i</mi> </msub> </mrow>

式中,di為第i個(gè)車道的延誤,C為交叉口信號(hào)燈的周期時(shí)長(zhǎng),gi為第i個(gè)相位的綠燈時(shí)間,qi為第i個(gè)車道的車輛到達(dá)率,Si為第i個(gè)車道的飽和流率。

根據(jù)交叉口平均延誤d的表達(dá)式,可以得到交叉口平均延誤與交叉口運(yùn)行狀況等級(jí)對(duì)照情況,如表2所示。

表3交叉口平均延誤與交叉口運(yùn)行狀況等級(jí)對(duì)照表

2)采用極小值型指標(biāo)評(píng)價(jià)法,將交叉口飽和度、平均延誤、平均排隊(duì)長(zhǎng)度三個(gè)評(píng)價(jià)指標(biāo)處理為一個(gè)交叉口綜合指標(biāo),交叉口綜合指標(biāo)的表達(dá)式為其中,r為交叉口綜合指標(biāo)。對(duì)應(yīng)于三個(gè)指標(biāo)的交叉口交通運(yùn)行狀況等級(jí)為f(x,Q,d)。

交叉口飽和度、平均延誤、平均排隊(duì)長(zhǎng)度三個(gè)評(píng)價(jià)指標(biāo)對(duì)應(yīng)于不同交叉口交通運(yùn)行等級(jí)的閾值,如表4所示。

表4三個(gè)評(píng)價(jià)指標(biāo)對(duì)應(yīng)于不同交通運(yùn)行等級(jí)的閾值

對(duì)三個(gè)評(píng)價(jià)指標(biāo)進(jìn)行歸一化處理后,三個(gè)評(píng)價(jià)指標(biāo)對(duì)應(yīng)于不同交叉口交通運(yùn)行等級(jí)的閾值,如表5所示。

表5三個(gè)評(píng)價(jià)指標(biāo)對(duì)應(yīng)于不同交叉口交通運(yùn)行等級(jí)的閾值

根據(jù)交叉口綜合指標(biāo)的表達(dá)式可以得到交叉口綜合指標(biāo)與交叉口運(yùn)行狀況等級(jí)對(duì)照表,如表6所示。

表6交叉口綜合指標(biāo)與交叉口運(yùn)行狀況等級(jí)對(duì)照表

交叉口飽和度、平均延誤、平均排隊(duì)長(zhǎng)度三個(gè)評(píng)價(jià)指標(biāo)作為BP神經(jīng)網(wǎng)絡(luò)的輸入,交叉口運(yùn)行狀況等級(jí)f(x,Q,d)作為BP神經(jīng)網(wǎng)絡(luò)的輸出。利用VISSIM模擬交叉口交通,得到若干組交叉口飽和度、平均延誤、平均排隊(duì)長(zhǎng)度以及相應(yīng)交叉口運(yùn)行狀況等級(jí)作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本,將訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)用來(lái)根據(jù)交通數(shù)據(jù)快速確定交叉口交通運(yùn)行狀況等級(jí),避免了繁雜的計(jì)算,快速準(zhǔn)確地判定交叉口交通運(yùn)行狀況。

本發(fā)明中,由VISSIM仿真軟件仿真交叉口的車輛運(yùn)行,得到80組交通數(shù)據(jù)。選擇其中的60組作為學(xué)習(xí)樣本,另外20組作為測(cè)試樣本,訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)的正確率能夠達(dá)到89%。如果隱含層有10層,則BP識(shí)別率可以達(dá)到89%以上。BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差曲線圖如圖3所示。

利用訓(xùn)練完成的BP神經(jīng)網(wǎng)絡(luò),將實(shí)時(shí)得到的交叉口飽和度、平均延誤和平均排隊(duì)長(zhǎng)度作為輸入,快速得到交叉口交通運(yùn)行狀況等級(jí),進(jìn)行交叉口運(yùn)行狀況的實(shí)時(shí)監(jiān)測(cè)。當(dāng)監(jiān)測(cè)到交叉口運(yùn)行狀況等級(jí)小于等于3時(shí),保持當(dāng)前信號(hào)配時(shí)。當(dāng)監(jiān)測(cè)到的交叉口運(yùn)行狀況等級(jí)為4時(shí),將交叉口綜合指標(biāo)最小作為優(yōu)化目標(biāo),利用粒子群優(yōu)化算法對(duì)交叉口綜合指標(biāo)模型進(jìn)行求解,得到使得綜合評(píng)價(jià)指標(biāo)最小的信號(hào)燈配時(shí),對(duì)當(dāng)前信號(hào)配時(shí)進(jìn)行優(yōu)化。當(dāng)交叉口運(yùn)行狀況等級(jí)為5時(shí),將交叉口平均排隊(duì)長(zhǎng)度最小作為優(yōu)化目標(biāo),利用粒子群算法對(duì)交叉口平均排隊(duì)長(zhǎng)度模型進(jìn)行求解,得到使得平均排隊(duì)長(zhǎng)度最小的信號(hào)燈配時(shí),對(duì)當(dāng)前信號(hào)配時(shí)進(jìn)行優(yōu)化。針對(duì)不同交通情況的交叉口,選擇不同的優(yōu)化函數(shù)更符合實(shí)際需要,也能獲得更好的控制效果。

粒子群優(yōu)化算法(PSO)是群體智能的典型之一,簡(jiǎn)稱為PSO算法或粒子群算法。PSO算法的基本思想如下:將每個(gè)粒子都當(dāng)成所要求解的優(yōu)化問(wèn)題的解。

首先,系統(tǒng)隨機(jī)初始化這些粒子,并且提前設(shè)定一個(gè)適應(yīng)度函數(shù)作為評(píng)價(jià)粒子的標(biāo)準(zhǔn)。然后,讓每個(gè)粒子在潛在的解空間飛行,并利用速度這一可變化的量更新其運(yùn)動(dòng)的方向和距離。通常粒子經(jīng)過(guò)多次的搜尋,始終跟蹤著當(dāng)前的最好粒子,在達(dá)到一定條件后停止迭代更新得到最佳解。粒子在每一階段的搜尋過(guò)程中,追隨兩個(gè)極值,分別是至今為止粒子自己搜索得到的最佳解,還有一個(gè)是迄今為止整個(gè)群體搜尋得到的最佳解。

基于matlab語(yǔ)言的粒子群優(yōu)化算法的實(shí)現(xiàn)步驟如下:

(1)初始化

首先,設(shè)置PSO算法中的各個(gè)參數(shù):搜索空間的上、下限Ud和Ld,學(xué)習(xí)因子k1,k2,慣性因子ω,算法的最大迭代次數(shù)Tmax,粒子的速度范圍[vmin,vmax];然后,隨機(jī)初始化粒子的位置pi及其速度vi,當(dāng)前位置即作為每個(gè)粒子的個(gè)體最優(yōu)位置Pi,從個(gè)體極值找出全局極值,記錄該值的粒子序號(hào)g及其位置Pg(即為全局最優(yōu)位置)。

(2)評(píng)價(jià)每一個(gè)粒子

根據(jù)預(yù)先選定的適應(yīng)度函數(shù),求出每個(gè)粒子相應(yīng)的數(shù)值。如果此數(shù)值比這個(gè)粒子當(dāng)前的個(gè)體極值更優(yōu),那么用這個(gè)粒子的位置替換個(gè)體最優(yōu)位置Pi,同時(shí)刷新個(gè)體極值。如果所有粒子的個(gè)體極值中最好的比當(dāng)前的全局極值還要好,那么用該最好粒子的位置替換全局最優(yōu)位置Pg,同時(shí)更改全局極值及其序號(hào)g。

(3)粒子的狀態(tài)更新

根據(jù)速度公式和位置公式,分別將每一個(gè)粒子相應(yīng)參數(shù)值刷新。如果vi>vmax將其設(shè)置為vmax,如果vi<vmin將其設(shè)置為vmin

(4)檢驗(yàn)是否符合結(jié)束條件

迭代的次數(shù)如果達(dá)到了預(yù)先設(shè)定的最大次數(shù)值Tmax,那么不再進(jìn)行迭代并且給出最優(yōu)解,否則轉(zhuǎn)到步驟(2)。

仿真中,PSO算法中的各個(gè)參數(shù)設(shè)置如下:搜索空間的上、下限Ud和Ld分別設(shè)為120,-120,學(xué)習(xí)因子k1、k2都設(shè)為2,慣性因子ω設(shè)為0.729,算法的最大迭代次數(shù)Tmax設(shè)為2000,粒子的速度范圍[vmin,vmax]設(shè)為[-20,20]。

由表7針對(duì)不同運(yùn)行狀況等級(jí)交叉口的優(yōu)化配時(shí)效果對(duì)照表可以看出,當(dāng)交叉口部分車道車流發(fā)生突變導(dǎo)致交叉口運(yùn)行狀況較差的情況下,固定配時(shí)方案的控制效果很差,綜合評(píng)價(jià)指標(biāo)的數(shù)值很大,對(duì)應(yīng)的交叉口運(yùn)行狀況等級(jí)就很大,而優(yōu)化配時(shí)方案通過(guò)選取優(yōu)化目標(biāo)函數(shù),利用粒子群優(yōu)化算法給出優(yōu)化的配時(shí)。將優(yōu)化配時(shí)用于交叉口的控制,理論上能夠改善交叉口的運(yùn)行狀況,一般情況下包括降低交叉口的飽和度,減少平均延誤時(shí)間和平均排隊(duì)長(zhǎng)度,而在特別擁擠的情況下則以平均排隊(duì)長(zhǎng)度最小為主要優(yōu)化目標(biāo),能快速消散排隊(duì)車輛,提高交通效率。

表7針對(duì)不同運(yùn)行狀況等級(jí)交叉口的優(yōu)化配時(shí)效果對(duì)照表

以上所述,僅為本發(fā)明中的具體實(shí)施方式,但本發(fā)明的保護(hù)范圍并不局限于此,任何熟悉該技術(shù)的人在本發(fā)明所揭露的技術(shù)范圍內(nèi),可理解想到的變換或替換,都應(yīng)涵蓋在本發(fā)明的包含范圍之內(nèi),因此,本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求書的保護(hù)范圍為準(zhǔn)。

當(dāng)前第1頁(yè)1 2 3 
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1