论文部分内容阅读
摘 要: 当前国内道路交通管制仍然主要依靠交通信号灯,依然是传统的三色灯固定配时模式,这种模式最大的弊端在于不能针对交通流的实时变化进行动态配时调整,从而造成道路资源的浪费。对多目标算法进行优化,并提出一种交叉路口信号灯智能配时模型。又利用实际数据对模型进行了测试分析。实验证明,该模型能有效减少机动车的平均延迟时间和停车次数,从而提升道路的通行效率。
关键词: 交叉口; 交通流预测; 动态配时; 多目标优化算法
文章编号: 2095-2163(2021)03-0154-05 中图分类号:TP391 文献标志码:A
【Abstract】At present, road traffic control in China still mainly relies on traffic signal lights, which is still the traditional three-color light fixed timing mode. The biggest drawback of this mode is that it cannot adjust the dynamic timing according to the real-time changes of traffic flow, resulting in waste of road resources. Based on the optimization of multi-objective algorithm, a dynamic timing model of intersection signal is proposed. And the model is tested and analyzed by using the actual data. The results show that the model can not only effectively reduce the average delay time and parking times, but also improve the maximum flow capacity of the road.
【Key words】 intersection; traffic flow prediction; dynamic timing; multi-objective optimization algorithm
0 引 言
当前,堵车现象已成为城市道路交通中令人困扰的问题之一,究其成因,既有生活水平提高带来的家庭用车数量增加和城市道路交通容量迹近饱和的缘故,但也有交通管制与引导不科学所致。国内的道路交通管制目前主要依靠交通信号灯的控制,仍然是传统的三色灯固定配时模式,这种模式的弊端就在于不能针对交通流的实时变化进行动态配时调整,从而造成道路资源的浪费。本文在对多目标算法进行优化的基础上,提出了一种交叉路口信号灯动态配时模型。并利用实际数据对模型进行了测试分析。实验证明,该模型能有效减少机动车的平均延迟时间和停车次数,从而提升道路的通行效率。
1 多目标优化理论
1.1 多目标优化的数学描述
现实中,很多事务都存在有多个指标需要同时满足的情况,即同一问题模型中存在多个非线性目标,这些目标函数都需要优化,但函数之间往往相互冲突。类似这样的问题,又称为多目标优化问题[1](Muti-Objective Optimization Problem,MOP),其数学描述如下。
设有M个目标函数,n维决策变量和K种约束条件组成,最优化目标如下:
1.2 多目标算法的优化
在多目标优化问题中,每个指标必须各有权重,不可能都同时达到最优。其中,某些指标是相互依存的,而另一些则是矛盾的[3]。在实际应用中,有必要综合考虑矛盾的子目标,即权衡每个子目标。根据生物进化论发展起来的多目标进化算法(multi-Objective evolutionary algorithm,MOEA),由于其在解决高度复杂的非线性问题方面的优势,已被广泛使用。
多目标进化算法是指在各目标之间进行协调权衡和折衷处理操作,最终得到一组各个目标值所折衷的最优解,称为 Pareto最优解[4]。Pareto最優解只是一个可接受的解,并且大多数进化算法的Pareto最优解的个数是无穷多的,而进化算法的最优解就是包含所有这些Pareto最优解的一个集合。在实际应用中,最优解集合的选择通常取决于决策者对事务本身的了解程度,或个人意愿倾向 [5]。在此,经常会用到如下几个基本概念[6]:
(1) Pareto支配(Pareto Dominance)。解x0支配:x1(x0
关键词: 交叉口; 交通流预测; 动态配时; 多目标优化算法
文章编号: 2095-2163(2021)03-0154-05 中图分类号:TP391 文献标志码:A
【Abstract】At present, road traffic control in China still mainly relies on traffic signal lights, which is still the traditional three-color light fixed timing mode. The biggest drawback of this mode is that it cannot adjust the dynamic timing according to the real-time changes of traffic flow, resulting in waste of road resources. Based on the optimization of multi-objective algorithm, a dynamic timing model of intersection signal is proposed. And the model is tested and analyzed by using the actual data. The results show that the model can not only effectively reduce the average delay time and parking times, but also improve the maximum flow capacity of the road.
【Key words】 intersection; traffic flow prediction; dynamic timing; multi-objective optimization algorithm
0 引 言
当前,堵车现象已成为城市道路交通中令人困扰的问题之一,究其成因,既有生活水平提高带来的家庭用车数量增加和城市道路交通容量迹近饱和的缘故,但也有交通管制与引导不科学所致。国内的道路交通管制目前主要依靠交通信号灯的控制,仍然是传统的三色灯固定配时模式,这种模式的弊端就在于不能针对交通流的实时变化进行动态配时调整,从而造成道路资源的浪费。本文在对多目标算法进行优化的基础上,提出了一种交叉路口信号灯动态配时模型。并利用实际数据对模型进行了测试分析。实验证明,该模型能有效减少机动车的平均延迟时间和停车次数,从而提升道路的通行效率。
1 多目标优化理论
1.1 多目标优化的数学描述
现实中,很多事务都存在有多个指标需要同时满足的情况,即同一问题模型中存在多个非线性目标,这些目标函数都需要优化,但函数之间往往相互冲突。类似这样的问题,又称为多目标优化问题[1](Muti-Objective Optimization Problem,MOP),其数学描述如下。
设有M个目标函数,n维决策变量和K种约束条件组成,最优化目标如下:
1.2 多目标算法的优化
在多目标优化问题中,每个指标必须各有权重,不可能都同时达到最优。其中,某些指标是相互依存的,而另一些则是矛盾的[3]。在实际应用中,有必要综合考虑矛盾的子目标,即权衡每个子目标。根据生物进化论发展起来的多目标进化算法(multi-Objective evolutionary algorithm,MOEA),由于其在解决高度复杂的非线性问题方面的优势,已被广泛使用。
多目标进化算法是指在各目标之间进行协调权衡和折衷处理操作,最终得到一组各个目标值所折衷的最优解,称为 Pareto最优解[4]。Pareto最優解只是一个可接受的解,并且大多数进化算法的Pareto最优解的个数是无穷多的,而进化算法的最优解就是包含所有这些Pareto最优解的一个集合。在实际应用中,最优解集合的选择通常取决于决策者对事务本身的了解程度,或个人意愿倾向 [5]。在此,经常会用到如下几个基本概念[6]:
(1) Pareto支配(Pareto Dominance)。解x0支配:x1(x0