智能控制应用案例三共24页

辆数，可用仪器邻时测出来。qkij 表示第i 个相位，第j 个方向、第k 个 车道的车辆到达率。则第g 个路口的第h 个周期时，第k 个车道的第i个
相位j 方向上车辆在时间内的到达数量为
生成两个子个体 (7) 按照一定概率(变异概率)变异二进制个体串中某个(些)位 (8) 适应度评估检测个体适应度 (9) END DO
交通信号控制系统的主要术语和参数
周期：是指信号灯色发生变化，显示一个循环所需的时间，也称周期长， 即红、黄、绿灯时间之和。
相位：即信号相位，是指在周期时间内按需求人为设定的，同时取得通 行权的一个或几个交通流的序列组。
（3）基于元胞自动机的城市交通信号自组织控制方法，将 城市交通信号控制系统作为交通网络处理，每个路口作为 具有自主采集和处理信息功能的智能体，系统依靠网络的 自组织实现每个路口交通信号控制的动态决策。
（4）智能算法解决交通问来自百度文库 。
遗传算法在其交通应用中存在的问题
（1）模型复杂,参数太多难以达到优化目的, 优化速度慢且达不到最优解。
绿信比 一个周期中，绿灯时间与周期时长之比称为绿信 比。设绿灯时间为t，周期时长为T，则绿信比g 为：
绿信比的大小对于疏散交通流和减少路口总等待 时间有着举足轻重的作用。通过合理地分配各车 流方向的绿灯时间（绿信比），可使各方向上阻 车次数、等待时间减至最少。
相位
相位是对于一个路口多方向交通流而言的，一 个交通流方向（一个绿灯信号）称为一相。例如一 个十字路口，根据实际情况可以设计为两相、三相 甚至 四到八相。两相时（如下图，相位1 为东西向 直行和左、右转弯，相位2 为南 北向直行和左、右 转弯。）相位越多，交通安全性越好，交叉口的利 用率越低。十字路口取两相位交通信号者居多。相 位差是对两个路口同一信号相位而言的。当涉及到 对一条主干上的交通流或一个网络内的交通流进行 控制时，相位差是一个重要的控制参数。通过调整 各路口间相位差，可以使一串路口的信号灯形成一 条绿波带，车队通过这些路口时畅通无阻。
（2）约束条件不但复杂,而且繁多,算法收敛 的时候很难满足约束条件
标准遗传算法的流程如下:
(1)使用二进制编码对搜索空间进行编码 (2)随机产生包含n 个个体的初始群体 (3) 适应度评估检测个体适应度(个体适应度反映了个体好坏
的情况) (4) WHILE<未满足迭代终止条件>DO (5) 用赌轮选择方法选出若干个体进行繁殖，个体可以重复 (6) 随机配对，按一定概率(交叉概率)进行一点交叉操作并
国内外研究智能交通的几种基本方法
（1）专家系统具有便于运用结构化、模型化方法和推理模 型、充分吸收人类专家经验和实现辅助决策的特点。
（2）模糊数学在交通控制的应用。模糊逻辑是一种处理不 确定性、非线性等问题的有力工具，特别适用于表示模糊 及定性知识，与人类思维的某些特征相一致，故嵌入到推 理技术中具有良好效果。
其中1表示放行，0 表示禁行。
以交叉口流通能力作为进行优化的目标函数，目的是要延误的车辆数达
到最小，从而实现车辆流通能力最大。接着我们分析一个路口的四个相
位的车辆。设
表
示第g 个路口的第h-1 个周期时，第k 个车道第i 个相位j 方向（为了方
便，j 具体用 e，s，w，n 表示，分别指东南西北四个方向）上滞留的车
相位差：具有相同周期长的相关路口，在同方向上的两个相关相位的启 动时间差，称为相位差。
绿信比：是指在周期长内的各相位绿灯时间与周期长之比。 饱和流量：是衡量路口交通流释放能力的重要参数，通常是指一个绿灯
时间内的连续通过路口的最大车流量。 流量系数：是实际流量与饱和流量的比值。既是计算信号配时的重要参
数，又是衡量路口阻塞程度的一个尺度。 绿灯间隔时间：是指从失去通行权的相位的绿灯结束，到下一个得到通
行权的相位绿灯开始所用的时间。 有效绿灯时间：是指被有效利用的实际车辆通行时间。它等于绿灯时间
与黄灯时间之和减去头车启动的损失时间。 车辆滞留延误：是指交通冲突或信号控制设施的限制给车辆带来的时间
损失。
信号控制的控制参数
周期时长
周期时长即信号灯运行一个循环所需的时间，等于绿灯、黄灯、红灯时 间之和。一般信号灯最短周期不能少于 36s，否则不能保证几个方向的 车顺利通过交叉路口。最长周期不超过2min，否则引起等待司机的抱怨， 或者误以为信号灯已经失灵。适当的周期长度对疏散路口处的交通流、 减少车辆等待时间有重要意义。从疏散的角度来讲，显然当交通需求越 大时，周期应越长，否则一个周期内到达的车辆不能在该周期的绿灯时 间内通过交叉口，就会发生堵塞现象。从减少车辆等待时间的角度来讲， 太长或者太短的周期都是不利的。若周期太短，则发生上述堵车现象。 若周期太长，则某一方向的绿灯时间可能大于实际需要长度，而另外一 方向的红灯时间不合理的延长必然导致该方向车流等待时间的延长。
本实例是采用遗传算法方法对城市交叉路口交通信号灯实 施合理优化配时控制，以缓解日趋紧张的交通拥挤问题，提高 交通效益。针对交通信号控制的具体情况，对算法本身存在的 有不等式约束的基本问题做了一个初步改进，采用基于退火选 择算子和自适应适应度的改进遗传算法来解决目前的约束处理 方法中存在的问题。把改进的算法用到一个交通交叉路口控制 模型中得到较好的结果。而对两个交叉路口建立模型中，因为 模型的约束条件中不但含有不等式，还含有等式约束，为此， 我们采取先随机生成任意种群，然后让种群慢慢逼近到可行域 范围内，再让种群在可行域内迭代。对于迭代到可行域之外的 群体降低它的适应度，最后经过数次迭代后找到最优解。计算 结果显示该方法的有效性。
相位示意图
单交叉路口的模型
针对上图所示的相位信号控制的交叉路口，各车 道车辆在不同的相位在不同的车道的放行状态可 用一个系数矩阵表示为
P1 = 0 1 1 0 0 0 0 1 1 0 0 0 P2 = 1 0 0 0 0 0 1 0 0 0 0 0 P3 = 0 0 0 0 1 1 0 0 0 0 1 1 P4 = 0 0 0 1 0 0 0 0 0 1 0 0