基于粒子群算法的干线协调控制方案设计

《基于粒子群算法的干线协调控制方案设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、于粒子群算法的干线协调控制方案设计摘要：城市交通干线是城市路网中的重要组成部分，干线协调控制是解决主干路通畅的有效途径。本文首先介绍了干线协调控制的相关参数，并分析了现有协调控制方法的优缺点；在建设路沿线交叉口调查的基础上，以车辆总延误最小化作为目标优化函数，利用粒子群算法对函数进行求解；最后，通过对比建设路交叉口现状配时方案、改善的单点控制方案以及干线协调控制方案所对应的延误值，从而验证了干线协调方案的合理性。关键词：交通干线；协调控制；粒子群算法DOI:10.16640/j.cnki.37-1222八.2016.03.174在城市交通路网中，交通干线承担了较大

2、的交通负荷，因此，研究城市干线交通控制策略，提高交通干线的协调控制效果，减少干线上的停车率与交通延误，对于改善城市道路交通状况具有重要意义。0引K干线协调控制系统是单点信号控制系统的升级，是将主干道上相邻交叉口的信号控制方案进行协调，从而达到提高通行能力，缓解交通拥堵的目的［1］。干线协调控制系统主要有三个基本参数，分别为周期长度、绿信比和相位差。其中相位差是干线协调控制系统的关键参数，通常分为绝对相位差和相对相位差。绝对相位差是指协调控制的各个交叉口信号的绿灯或红灯的起点相对于控制系统中参照交叉口的绿灯或红灯起点的时间差。相对相位差是指相邻两交叉口信号的绿灯或红

3、灯起点的时间差［2］。1现有协调控制优化方法目前常用的协调控制优化方法主要为最大绿波带法和基于延误的相位差优化法。1.1最大绿波带法最大绿波带法主要是通过计算带宽B(BandWidth)与周期比值最大时的相位差，从而达到系统协调控制的效果。连续通过带宽与交通流呈正相关，连续通过带宽度越宽，能通过的交通流就越多，协调控制的效果就越好［3］。现有的最大绿波带算法没有考虑相交道路车辆的排队和延误，在主干道实现绿波交通的同时大大增加了横向交通的延误和排队，甚至造成相交道路的交通拥堵。1.2基于延误的相位差优化法基于延误的相位差优化法是根据实际网络，确定延误与各交叉口信号相

4、位差之间的函数关系，结合交通数据进行优化计算，寻找相位差组合的最优解，从而使延误迗到最小［4］。基于延误的相位差设计方案从理论上讲应是最为合理的设计方案之一，但由于车辆延误的影响因素太多，很难建立一个有较高精度且具有适时性的以延误最小化为目标的优化模型。现有的Webster模型在计算时会增加次干道的延误，从而导致相交道路排队长度增加，发生交通拥堵。2基于粒子群算法的信号协调控制1.1算法设计综合考虑现有协调控制方法的优缺点，本文采用基于延误的相位差优化方法，以干线协调系统内部进口道和外部进口道（内部进口道是指不直接与协调控制系统之外的道路相连的进口道，外部进口道是

5、指从外部进入干线系统的进口道）总延误最小化作为目标函数（见式（1））[5]。（1）其中：①如果，则ai=l；如果，则ai=0o②如果，则3i=l；如果，则3i=0o③0

6、2,最大速度vmax和最小速度vmin。2.2参数确定2.2.1粒子P干线协调控制系统的交通流量、干线速度和干线周期在优化之前确定，因此将它们看成常量。另外，干线系统中的非协调相位的绿信比可以通过协调相位的绿信比计算得到(见式(2))，这样可以使粒子的维数从15维减少为7维。(2)2.2.2粒子范粒子每一维的飞行范围在Pmax和Pmin之间。每一维的Pmax和Pmin根据粒子代表的具体含义分别进行设定。每一相位的时间t不能过短，也不能过长，必须满足：tmin^t^tmax(3)其中：tmin和tmax为相位最小绿灯时间和最大绿灯时间，其值的大小由具体交叉口的信号配

7、时方案决定。因此在设置协调相位的绿信比时，必须保证协调相位和非协调相位满足相位时间的要求。由于相位差的取值范围为：因此，可以得到:Pmax=[入max,入max,入max，入max，T,T,T](4)Pmin=[入min，Amin，入min,入min,0，0，0](5)式中：；，分别为协调相位最大绿信比和最小绿信比。2.2.3群体规模m的选择通常粒子群体的规模在20〜40之间，本文设定粒子群体规模为30。2.2.4惯性权重w的选择惯性权重主要用来控制前面的速度对当前速度的影响，较大的w可以加强粒子群算法的全局搜索能力，而较小的w能加强局部搜索能力。本算法中将W设置

8、为从0.9