城市道路交通多目标优化控制方法

摘要

本发明属于城市道路交通控制技术领域，尤其涉及一种城市道路交通多目标优化控制方法。技术方案包括建立多目标优化控制模型，采用周期离散变量正反逐步双向调整的方法对周期和绿信比进行优化，在多目标优化控制模型中加入约束条件，采用遗传算法对多目标优化控制模型求解。本发明实现了交通控制既满足交通流快速疏散的要求，又满足交通流均衡分布的要求，提高了道路交叉口的服务水平。

主权项

一种城市道路交通多目标优化控制方法，其特征在于所述方法包括下列步骤：步骤1：建立多目标优化控制模型Obj： Z = k 1 CT + k 2 JH = k 1 Σ i = 1 M α i T ‾ i + k 2 ( Σ i = 1 M P ‾ i M - P ‾ i ) 2 M ; 其中，k1表示畅通性的权重、k2表示均衡性的权重、αi表示相位i的优先权重、CT表示畅通性指标值、JH表示均衡性指标值、Ti表示相位i的延误时间，Pi表示的是相位i的排队长度，M表示交叉口的相位总数；步骤2：采用周期离散变量正反逐步双向调整的方法对周期和绿信比进行优化；具体是，周期正向调整从Cmin开始逐步递增到Cmax，计算出最小的总延误时间Tcmin1(x)；周期反向调整从Cmax开始逐步递减到Cmin，计算出最小的总延误时间Tcmin2(x)；将所述两个最小的总延误时间Tcmin1(x)和Tcmin2(x)进行比较，数值小的总延误时间所在的周期和绿信比即为最优周期和绿信比；步骤3：在多目标优化控制模型中加入约束条件；步骤4：采用遗传算法对多目标优化控制模型求解；包括下列步骤：步骤41：对模型初始化，设定均衡性指标和畅通性指标的权重、种群数目、染色体长度、迭代总代数、复制概率和杂交变异概率；步骤42：采用二进制编码，在可行域内随机产生种群数目大小的染色体；步骤43：计算种群适应值，并按适应值大小排序；步骤44：按复制概率复制具有适应值较高的染色体到下一代；步骤45：按交叉概率和杂交变异概率生成除复制染色体以外满足种群数目的染色体到新一代；步骤46：判断是否到了迭代总代数，若没有，则转至步骤43；步骤47：按最优适应值计算各相位配时；步骤48：调整均衡性指标和畅通性指标的权重；转至步骤41。