自适应变异粒子群算法在交通信号配时中的应用

自适应变异粒子群算法在交通信号配时中的应用

ID:44129471

大小:148.52 KB

页数:8页

时间:2019-10-18

自适应变异粒子群算法在交通信号配时中的应用_第1页
自适应变异粒子群算法在交通信号配时中的应用_第2页
自适应变异粒子群算法在交通信号配时中的应用_第3页
自适应变异粒子群算法在交通信号配时中的应用_第4页
自适应变异粒子群算法在交通信号配时中的应用_第5页
资源描述:

《自适应变异粒子群算法在交通信号配时中的应用》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、自适应变异粒子群算法在交通信号配时中的1!应用孙青摘要在现有的道路条件下,提高交通控制和管理水平,合理利用现有的交通设施,充分发挥其能力,是解决我国现在交通问题的有效方法z—。而对单路口信号配时的优化,是城市交通区域控制的基础,十分之重要。本文将自适应变异粒子群算法应用于交通信号配时,与传统的信号配时方法相比较,车辆的平均延误得到了明显的改善。关键词:自适应变异粒子群算法信号优化配时车辆平均延误随着生产力的发展和人们生活水平的提高,交通阻塞、交通事故以及环境污染己经成为人们普遍关注的问题。现在,越来越多的国家和地区开始努力寻找解决问题的方案。据调查,多数交通阻塞并不是由于道路问题,而是因为

2、指挥不当引起的。现在交通信号控制器己普遍使用,但是,大多没有智能性,因而,也严重影响了交通信号控制设备性能的有效发挥。因此,研究一种高效的交通控制系统是十分必要的。城市交通的智能控制是一必然的趋势,也是智能运输系统最重要的组成部分。交通信号控制系统是一个非线性巨系统,其复杂性和随机性都是其显著特点。目前使用广泛的两个系统,TRANSYT.SCOOT,都是釆用精确的数学模型和经典算法,以期预设方案进行交通信号控制的时候,效果不尽如人意。智能算法的应用还不够成熟。粒子群优化算法PSO(ParticleSwarmOptimization)是由Eberhart博士和Kennedy最早于1995年提

3、出。在BSO算法中,由于每次迭代粒了总是通过跟踪两个最优位置到目前为止的群体最优位置和个体最优位置来更新自己“⑸。因此,这种算法收敛速度快。但也正是因为这个原因存在易早熟收敛等缺点,特别是在比较复杂的多峰搜索问题中。目前解决这一问题的主要方法是增加粒子群的规模,这样对算法的性能有一定的改善,但同样存在缺陷:一是不能从根本上克服早熟收敛问题;二是会大量増加算法的运算量。特别是第二条,对于交通信号配时这种实时系统来讲,不可行。而基于群体适应度方差自适应变界的例子群优化算法(AMPSO)冬可以很有效的解决早熟收敛的问题。并且将其用于交通信号配时优化,仿真证明,比传统的优化配时,能有效降低城市平面

4、交叉路口的车辆延谋,可以大大提高路口的通行效率并使路口信号机的配时更加符合路口的实际情况。1城市单路口智能控制方法对城市单路口进行智能交通控制实际上就是在整个路口总的延误最小的情况下寻找最佳周期和各个相位的最佳绿信比。当车辆到达率远远低于交叉口通行能力的时候,信号周期应该尽量短,但不应该小于最小周期;而当车辆到达率非常大的时候,信号周期应该尽量长,但不应应用孙青摘要在现有的道路条件下,提高交通控制和管理水平,合理利用现有的交通设施,充分发挥其能力,是解决我国现在交通问题的有效方法z—。而对单路口信号配时的优化,是城市交通区域控制的基础,十分之重要。本文将自适应变异粒子群算法应用于交通信号配

5、时,与传统的信号配时方法相比较,车辆的平均延误得到了明显的改善。关键词:自适应变异粒子群算法信号优化配时车辆平均延误随着生产力的发展和人们生活水平的提高,交通阻塞、交通事故以及环境污染己经成为人们普遍关注的问题。现在,越来越多的国家和地区开始努力寻找解决问题的方案。据调查,多数交通阻塞并不是由于道路问题,而是因为指挥不当引起的。现在交通信号控制器己普遍使用,但是,大多没有智能性,因而,也严重影响了交通信号控制设备性能的有效发挥。因此,研究一种高效的交通控制系统是十分必要的。城市交通的智能控制是一必然的趋势,也是智能运输系统最重要的组成部分。交通信号控制系统是一个非线性巨系统,其复杂性和随机

6、性都是其显著特点。目前使用广泛的两个系统,TRANSYT.SCOOT,都是釆用精确的数学模型和经典算法,以期预设方案进行交通信号控制的时候,效果不尽如人意。智能算法的应用还不够成熟。粒子群优化算法PSO(ParticleSwarmOptimization)是由Eberhart博士和Kennedy最早于1995年提出。在BSO算法中,由于每次迭代粒了总是通过跟踪两个最优位置到目前为止的群体最优位置和个体最优位置来更新自己“⑸。因此,这种算法收敛速度快。但也正是因为这个原因存在易早熟收敛等缺点,特别是在比较复杂的多峰搜索问题中。目前解决这一问题的主要方法是增加粒子群的规模,这样对算法的性能有一

7、定的改善,但同样存在缺陷:一是不能从根本上克服早熟收敛问题;二是会大量増加算法的运算量。特别是第二条,对于交通信号配时这种实时系统来讲,不可行。而基于群体适应度方差自适应变界的例子群优化算法(AMPSO)冬可以很有效的解决早熟收敛的问题。并且将其用于交通信号配时优化,仿真证明,比传统的优化配时,能有效降低城市平面交叉路口的车辆延谋,可以大大提高路口的通行效率并使路口信号机的配时更加符合路口的实际情况。1城市单路口智能控制

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。