城市交通信号免疫优化控制的的研究

《城市交通信号免疫优化控制的的研究》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、摘要城市交通信号的免疫优化控制研究随着社会发展，交通拥挤和尾气污染己成为社会备受关注的问题，不少学者对此进行了广泛研究，并取得了不少成绩，尤其是智能交通系统地提出和研究，为交通控制领域的研究指明了方向。在学习、总结现有研究成果的基础上，本文提出一种以免疫算法为核心的城市交通信号在线自适应控制方法。首先，针对当前交通信号配时方案多单以延误最小为目标来确定周期时长和其它各参数，会导致控制综合效益难以实现最高的状况，建立周期和各相位绿灯时间关于排队长度、延误的控制目标模型，考虑了多项指标，提高控制综合效益，从而改进和完善配时方法。其次，针对当前交通信号控制参数设计大都考虑某种

2、交通流量下最优，难以确保控制参数在一定时段长度内与波动变化的交通流长期匹配，导致控制效果与交通流不相适应的状况，运用动态规划的思想将控制过程变换为一系列的单阶段问题，并对各阶段进行滚动优化求解，从而提高控制性能和交叉口的运行效率。再次，运用BP神经网络技术较强的非线性拟合能力进行在线交通流量预测，并在此基础上利用人工免疫算法较好的自学习、自适应能力对控制参数周期时长和各相位绿灯时间进行优化，从而生成配时方案，实现针对交通流变化的自适应控制。最后，采用本文提出的控制方法对实际路口控制进行仿真，仿真结果验证了本文方法的合理性、有效性。关键词：信号配时优化，BP神经网络，交通

3、流实时预测，人工免疫算法，自适应控制AbstractRESEARCHONIMMUNEoPTIMlZATIONALGORITHMFoRURBANTRAFFICSIGNALCoNTROLABSTRACTWiththesocialdevelopment，trafficcongestionandexhaustpollutionhavebecomeasocialconcern．Manyscholarshaveconductedextensiveresearchandmadealotofachievements，particularlyresearchingonintelligen

4、ttransportationsystems，whichpointoutthedirectioninthisarea．Basedonstudyingandsummarizingtheexistingresearchresults，allurbantrafficsigna：adaptivecontrolmethodisproposedinthispaperbasedoninllTlunealgorithm．First,inviewofthesituationthatcun'enttrafficsignalplanningprogramproducescycletimean

5、dotherparametersbasedOnminimizeddelayonly，whichisdifficulttoachievemaximumcontrolefficiencies，establishesaobjectcontrolmodalofcycleandgreentimeonthedlayandthenumberofwaitingvehicles，whichconsideresanumberofindicators，Callraisecontrolefficiencies，andimprovestrafficsignalplanningmethod．Sec

6、ondly，inviewofthesituationthatmostcurrenttrafficsignalcontrolparametersdesignedoptimallyconsideringonlyonetrafficflow，whichisdifficulttomatchthecontrolparametersandthetrafficflowwithfluctuationinalongtime．andleadtothecontrolresultsincompatiblewithtrafficflow．transformsalongcontroltimetoa

7、seriesofsingle—stage、而tlldynamicprogrammingmethodsandrollingoptimizeseachsingle—stage，thusimprovingperformanceandefficiencyoftheintersection．Third,forecasttrafficflowonlinewitIlthestrongnonlinearfiringcapacityofBPneuralnetwork；andoptimizetheparametersofcycletimeandgreenti