基于种群小生境粒子群优化算法的交叉路口多相位信号配时优化

基于种群小生境粒子群优化算法的交叉路口多相位信号配时优化

ID:36621025

大小:519.71 KB

页数:7页

时间:2019-05-13

基于种群小生境粒子群优化算法的交叉路口多相位信号配时优化_第1页
基于种群小生境粒子群优化算法的交叉路口多相位信号配时优化_第2页
基于种群小生境粒子群优化算法的交叉路口多相位信号配时优化_第3页
基于种群小生境粒子群优化算法的交叉路口多相位信号配时优化_第4页
基于种群小生境粒子群优化算法的交叉路口多相位信号配时优化_第5页
资源描述:

《基于种群小生境粒子群优化算法的交叉路口多相位信号配时优化》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、万方数据第40卷第1期2011年2月信息与控制InformationandControlV.ol-40.No.1Feb..2011DoI:10.3724,sPJ.1219.2011.00115基于种群小生境粒子群优化算法的交叉路口多相位信号配时优化黄美灵1,2,陆百川1(1.重庆交通大学交通运输学院,重庆400074;2.交通运输部公路科学研究院,北京新桥技术发展有限公司,北京100101)摘要:针对城市道路交叉口的交通流特性,建立无冲突车流组合.并对各优化目标采用变化的加权系数建屯多目标综合优化模型.在此基础上,提出以交叉【J车流组合(映射为交叉u相位)为小生

2、境种群运动特征分量的种群小生境粒了群优化算法进行交叉u相位优化和配时优化.最后对重庆市某交叉路口进行实例研究,结果表明,该方法降低了交叉口的延误时间和停车次数,使交叉【j得到了优化控制.关键词:交通信号控制;相位优化;多目标优化;种群小生境:粒子群优化算法中图分类号:U491,TPl83文献标识码:A文章编号:1002.041l(2011).01.0115一04OptimizationofMultiphaseTrafficSignalTimingatIntersectionBasedonSpeciesNichingParticleSwarmOptimizatio

3、nAlgorithmHUANGMeilingl,2,LUBaichuanI(1.SchoolofTraffzc&Transportation,ChongqingJiaotongUniversity,Chongqing400074,China;2.Be驴mgXinqiaoTechnologyDevelopmentLTD,ResearchInstituteofHighway。MinistryofTransport,Be耵m9100101,‰)Abstract:Accordingtothetrafficflowcharacteristicsatintersection

4、ofcityway,allnon—conflictingcombinationsoftrafficflowsarefoundandthemulti·objectiveoptimizationmodelisestablishedtooptimizeweighting-coefficientsofeveryobject.Thentheparticleswarmoptimizationalgorithmisusedtoobtainphaseandsignaltiming,inwhichtrafficflowcomposition(mappingphase)isseen

5、asmovementfeaturecomponentofspeciesniching.FinallyacasestudywithanintersectioninChongqingisgiven.Theresultsshowthatthedelayandstopsatintersectionareallreduced。andintersectionisoptimized.Keywords:trafficsignalcontrol;phaseoptimization;multiohjeetiveoptimization;speciesniching;particle

6、swartTiopti-mizationalgorithm(PS0)1引言(Introduction)传统的城市交通采用同定信号周期、固定红绿灯时间和固定相位转换次序的方法进行控制,但由于现实路网上的交通状况随时变化,具有很大的时变特性,这意味着这些方案必然难以适应不断变化的路网交通状况,无法对路口信号进行实时最优控制;另一方面,传统的配时方案是以车辆通过交叉口的延误时间最短为唯一衡量指标的,而人们在进行城市交通信号控制时,并非仅追求单一的控制目标,如延误最短、停车次数最少等,而是希望通过对交通信号相位方案及配时的调整,实现对城市交通流的综合控制,获得综合优化的

7、控制目标.因此本文以延误时间、停车次数和通行能力作为性能指标fl】’对各优化目标采用随交通需求的不同而变化的加权系数来建立多目标综合优化模型;并提出基于种群小生境粒子群算法的相位优化和配时优化的交通控制.2种群小生境粒子群算法(SNPSo)2.1GCPSO(guaranteedconvergenceparticleswarmoptimization)算法由于基本微粒群算法不能保证收敛到全局甚至是局部最优解,因此Bergh提出一种保证收敛的GCPSO[21.当前全局最优微粒速度更新公式为:1,,,』O+1)=一施,j(t)q-夕j(t)+∞·',t,,0)+p(t

8、)O一2r2,At))(

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。