基于自适应遗传算法的交通信号配时优化

研究城市交通信号设置问题中对单交叉口多相位交通流建立了动态信号配时模型,以交叉口车辆平均延误最小为控制目标,以相位绿灯时间和周期时长为控制变量,并运用自适应遗传算法对控制变量进行优化.根据实时交通流数据,通过MATLAB平台进行仿真.结果表明,自适应遗传算法能够有效降低车辆平均延误,在优化过程中比简单遗传算法具有更好的搜索能力和解质量,其良好的优化性能有助于优良配时方案的产生,同时也提高了交通分配模型的实用价值.     

基于实数编码遗传算法对交通信号配时优化

鉴于城市道路的交通信号配时优化问题,本文提出一种改进的信号配时非线性函数模型,设计各性能指标的加权系数随交通需要的不同而变化,采用基于实数编码的遗传算法对信号配时进行优化。算例结果表明。该算法优于传统的Webster方法,在同一周期内减少了车辆延误,增加了通行能力,同时使交叉口的服务水平由C级提高到A级。     

基于动态网络加载的交通信号配时优化

以城市路网中交通信号控制系统为研究对象,以最小化系统总旅行时间为目标,考虑基于元胞传输模型的网络动态加载模型,构建了相序与绿灯时间组合优化的非线性规划模型,并设计了遗传算法。数值算例验证了该算法的有效性。     

考虑交通流非线性特性的交通信号迭代学习控制策略

现实中城市交通流的运行具有很强的非线性特性, 采用简单的线性模型难以全面描述交通流的实际运行过程. 本文在考虑城市交通流非线性动态特性的基础上, 提出了一种非线性交通流排队模型, 并基于宏观交通流固有的周期性特征, 设计了交叉口信号的迭代学习控制策略. 通过对交叉口信号的迭代学习控制, 使交叉口各进口道的车辆排队长度尽可能趋于均衡, 提高交叉口信号有效绿灯时间的利用率, 从而提高路网的通行效率. 最后通过严格的数学推导证明了该方法的收敛性, 仿真研究及实验结果验证了所提方法的有效性.     

基于遗传算法的单交叉口信号优化控制

建立了一种单交叉口自适应优化配时模型。通过对本周期交通流数据线性预测下一周期各车道的排队长度，以各相位绿灯结束时的排队长度最小作为优化目标，建立多目标优化函数。通过采用理想点法，运用遗传算法进行优化。仿真实验结果表明，该方法优化后的配时方案能够反映各相位实际交通需求，并具有很好的实时性。     

基于排队长度均衡的交叉口信号配时优化策略

城市交通的快速发展和交通需求的不断增长,使得城市交通拥堵日益严重,由此造成的时间延误和经济损失越来越大.鉴于此,提出了基于排队长度均衡的交叉口信号配时优化策略,根据排队长度均衡的控制思想,实时动态调整各相位绿灯时间,以达到排队长度均衡的控制目标,保证了绿灯时间的充分利用.通过近似动态规划方法的引入,使得该算法具有自学习和自适应的特性,不依赖于交通流模型.仿真结果验证了算法的有效性.     

面向交通信号优化改进快速非支配排序遗传算法研究

交叉口作为交通流调度的重要组成部分,其交通信号配时将直接影响道路通行效率。针对快速非支配排序遗传算法(NSGA II)的精英保留策略会使大量冗余的高排序级别个体同时作为精英保留到下一代,极易发生早熟收敛现象问题,提出了改进的快速非支配排序遗传算法(I-NSGA II),并将其应用于交通信号多目标优化问题。I-NSGA II提出了冗余个体标记方法,之后的精英保留策略会通过该标记来判断去除冗余个体并将其并入临时层级,最后在生成的新种群规模不足时,会从临时层级中取出相应规模的冗余个体,对其进行变异操作后并入新种群。实验表明I-NSGA II在保证停车率和排队长度基本不变的情况下,减少了车辆及行人延误,证明所提出的算法可提高交通路口综合交通效益。     

基于改进萤火虫算法的区域交通信号配时优化

城市的快速机动化导致道路资源供需失衡愈加严重,目前使用的交通信号定时控制方式无法根据交通流的变化调整信号配时,降低了路网运行效率.针对区域内多路交通信号配时优化问题,提出一种基于改进萤火虫算法的求解方法,以多路信号各相位的绿灯时长作为控制变量,建立以区域总延误最小为目标的规划模型进行优化.针对标准萤火虫算法存在的优化精度不高、容易陷入局部最优的问题,提出一种驱散机制,同时在种群进化过程中引入变异操作进行改进.利用5个标准测试函数进行实验验证,实验结果表明,改进的萤火虫算法能够提高求解的精度和稳定性.最终以典型多路口区域为例,将改进的萤火虫算法应用在区域配时优化问题上,通过对比实验表明求解的有效性.     

基于深度学习网络的智能交通信号控制研究

本文设计了基于深度学习网络的智能交通信号控制系统.使用数据平滑方法消除交通流数据的趋势,利用由多个限制玻尔兹曼机模型构成的深度信念网络模型学习交通流特征,并结合支持向量回归预测短时交通流,根据预测结果和排队消散时间实时判断车流放行方向以及进口放行绿灯时间,实现智能交通信号控制.实验结果表明,分别将延迟时间和节点数设置为...     

基于Synchro的干线交通信号配时优化

针对城市主干路上信号相位、周期设置不合理的问题,为改善干线拥堵状况并使现行使用的配时方法能适用于城市混合交通,提出对干线交通多相位信号进行配时优化设计.在对某干线若干交叉口进行大量交通调查基础上,提出选取评价指标,修正模型参数,借助交通仿真软件Synchro对于线交通交叉口的交通流进行现状和优化后的仿真,结果表明,交叉口拥挤状况进行动态达到直观观察,同时提高交叉口服务水平,修正后的参数模型对于城市混合交通具有更好的服务效果.     

基于混沌遗传算法的区域交通计算机控制配时优化

充分发挥混沌理论和遗传算法各自的优势,开发了混沌遗传算法,混沌遗传算法能有效地改进遗传算法的收敛速度慢、早熟收敛和有可能陷入局部最优点的缺陷。分析了城市交通这个复杂大系统的混沌性,并将混沌遗传算法成功应用于城市区域交通计算机控制信号配时优化。采用TSIS5.1进行了仿真,仿真结果表明:混沌遗传算法比遗传算法的收敛速度大大加快,且车辆平均延误和平均停车率都比遗传算法和固定周期法有明显的降低。     

交通控制信号的遗传优化调度算法

针对日趋紧张的交通拥挤这一全球性＂城市病＂的现状和存在的问题,为了改善目前用于交通信号控制算法的不足,提出了一种改进的基于遗传算法的交通信号控制方法,该算法采用了淘汰机制和精英保留策略。仿真表明该算法有效地改善了遗传算法早熟的现象,将此算法应用到交通信号的控制中,取得了良好的效果。     

基于遗传算法的交通流量组合预测研究

智能交通系统是目前世界上公认的解决城市交通拥堵问题的最佳措施，实时、准确的交通流量预测是智能交通系统的关键技术之一，也是实现智能交通诱导及控制的前提。本文首先对几种重要的交通流量预测模型的理论和优缺点进行了比较，分析了影响预测模型的因素，然后提出了一种基于遗传算法的流量组合预测方法，该方法利用遗传算法群体搜索的特点，组合各种算法，优化预测思路，充分发掘不同算法的差异优势，实践证明该思路是切实有效的。     

基于一种新的混合算法的交通流控制优化模型

运用交通流控制理论建立了在交叉口空间渠化及信号相位相序给定的条件下, 考虑机动车与非机动车的延误（服务水平）约束条件, 机动车通行能力最大的优化模型, 并利用遗传算法及混沌优化算法互补的混合优化算法对模型进行了优化计算. 实际优化计算结果表明, 文中的优化模型及其混合算法具有较高的理论价值及实用价值, 本次研究为信号交叉口交通流的协调控制优化研究提供了新思路和新方法.     

基于差分和状态空间遗传混合算法的信号配时优化

为了最大限度地挖掘现有道路的承载能力,提出了一种基于差分进化算法和状态空间模型遗传算法的两阶段混合优化算法,建立以车辆平均等待时间最小为目标的数学模型进行优化。为了解决差分进化算法在后期收敛速度变慢,容易陷入局部最优的缺点,引入改进后的状态空间模型遗传算法形成一种混合算法。然后,用所提出的混合算法对5个经典测试函数进行寻优测试,并与定时控制、差分进化算法以及状态空间模型遗传算法进行对比,实验结果表明该混合算法不仅提高了收敛速度,并且在保证了算法收敛精度的前提下缩短了迭代次数。最后,以单交叉路口为例,验证该混合算法在求解信号灯配时问题时的优化效果。     

基于改进遗传算法的动态交通分配优化研究

传统的优化算法大多数由于计算量大或者容易使性能指标落入局部最优值而严重制约了模型的应用与发展,而用遗传算法等新的智能算法求解则会很简洁和方便。文章针对遗传算法在应用中存在的局限性,采用了小生境技术的遗传算法,结合精英保留策略、种群多样性保持方案、新的适应度值标定方式等改进遗传算法。通过对动态交通分配的特点分析,建立了动态交通分配模型,利用改进的遗传算法对模型进行求解。仿真结果体现了动态交通分配模型的有效性和改进遗传算法的优越性,大大提高了动态交通分配模型的实用价值。     

基于遗传算法的MPLS网络流量工程研究

针对MPLS网络的流量工程问题,用多目标规划的方法建立数学模型,并在网络的入口出口节点对之间建立多条标记交换路径来进行分流。针对该问题的NP-hard特性,提出一种基于遗传算法的求解方法。算法采用自然数编码的方法来提高搜索效率,并进行了仿真。仿真结果表明该方法是行之有效的,有效地改善了网络的资源利用情况。     

基于遗传算法的IP网流量优化算法

流量工程通过对IP网流量的优化以更有效利用网络资源。现有研究的一个重要方向是把流量工程问题用线性规划建模,并利用传统的Simplex算法求得最优解,文章提出了一种基于遗传算法的求解方法,从一组随机选取的解(染色体)出发,经过交叉、突变等基因进化操作和多代的选择,最终达到预先设定的适应度准则;给出仿真结果和相关讨论;显示该文算法在运算量,处理动态流量需求等方面有较好的应用前景。