基于免疫算法的城市干线交通信号协调控制研究

《基于免疫算法的城市干线交通信号协调控制研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、湘潭大学硕士学位论文基于免疫算法的城市干线交通信号协调控制研究姓名：徐建伟申请学位级别：硕士专业：控制理论与控制工程指导教师：黄辉先20080506湘潭大学硕士论文基于免疫算法的城市干线交通信号协调控制研究摘要城市交通拥挤是当今世界普遍关注的问题，它所带来的严重危害日益影响到人们的日常生活和社会经济的发展。交叉路口作为城市交通的主要集散点，是产生交通拥挤的重要环节，对其交通流进行合理分析和控制，是缓解交通拥挤的重要手段和途径，也是研究城市交通问题的一个关键切入点。城市交通干线作为城市路网中的重要组成部分，它的通畅与否直接影响整个城域交通网络能否平稳、安全的运行。因此本文以此为出

2、发点，开展了对城市交通信号控制的研究，重点研究了城市干线协调优化控制的方法。本文针对目前城市交通问题的现状，首先分析和讨论了交通流与交通信号控制的基本理论，对几种典型的交通信号控制系统的建模过程、配时优化和系统性能进行了分析。其次，简要介绍了多目标优化概念，并提出了一种新的多目标进化算法的分布度评价方法。免疫算法是模拟生物免疫系统功能的一种智能优化算法，具有解决复杂工程问题的潜力。本文借鉴遗传算法中采用并行机制避免局部收敛的思想，提出了一种基于多种群的多目标免疫算法。在该算法中建立多个子种群分别进行免疫操作，子种群之间通过优秀个体转移进行信息交换，可有效地提高种群的多样性，加速

3、收敛。采用几种典型的多目标优化函数进行实验，并同常用的多目标遗传算法NSGA-II进行比较，仿真结果表明了该算法能有效解决多目标优化问题且具有一定的优越性。最后，重点研究了城市干线交通信号的协调优化控制，分析了现有协调控制方法的特点，并针对其不足，给出了以交通干线系统中车辆总延误最小为目标的常态交通条件下的干线交通信号协调控制的方法。针对一种双向交通的交通干线系统，建立了以相位差为优化控制变量的交通流动态优化控制模型,采用本文所提多种群免疫算法、基本遗传算法和定时控制方法对模型中的控制变量相位差进行了优化仿真实验。仿真结果表明干线上车辆延误时间明显小于遗传算法优化时与定时线控时

4、的车辆延误时间，证明了本文所提交通干线信号协调控制方法的有效性以及本文所提的多种群免疫算法在此优化问题中的适用性。关键词：干线协调控制；延误模型；多目标进化算法；多种群；免疫算法I湘潭大学硕士论文基于免疫算法的城市干线交通信号协调控制研究ABSTRACTCongestioninurbantrafficisaproblemcommonlyconcernedaroundtheworld,andtheharmfulresultsthatproduceareincreasinglyaffectingourdailylifeandthedevelopmentofoursociety.As

5、thedistributingcenterofurbantraffic,intersectionsarethemaintachesthatcausedcongestion,andrationallycontrollingthetrafficflowintheintersectionisnotonlyanimportantmethodtorelievethetrafficcongestionbutalsoakeyrespecttostudyurbantraffic.Astheimportantpartofurbantrafficnetwork,thearterialtraffic

6、affectsthewholeurbantraffic.Inthispaper,urbantrafficsignalcontrolisstudied,andurbanarterialtrafficsignalcoordinationcontrolismainlystudied.Firstly,thebasictheoryoftrafficsignalcontrolisdiscussed.Andthemodelingcourse,timingoptimizationandsystemperformanceofthreetypicaltrafficsignalcontrolsyst

7、emisstudied.Thentheconceptofamulti-objectiveoptimizationisbrieflyintroduced,andanewmulti-objectiveevolutionaryalgorithmforthedistributionofevaluationmethodsisproposed.Immunealgorithmisanintelligentoptimizationalgorithmbysimulatingbiologicalimmunesy