基于串行PSO算法的交通信號(hào)網(wǎng)絡(luò)優(yōu)化控制研究.pdf

1、動(dòng)態(tài)交通網(wǎng)絡(luò)的控制一直是城市交通問(wèn)題的一個(gè)重點(diǎn)和難點(diǎn)，當(dāng)城市中的車輛數(shù)目成爆炸式增長(zhǎng)時(shí)，給城市的交通問(wèn)題和環(huán)境問(wèn)題帶來(lái)了巨大影響，并且汽車尾氣的排放也加劇了全球溫室效應(yīng)。交通擁堵一直是大城市交通網(wǎng)絡(luò)面臨的嚴(yán)重問(wèn)題。如何控制交通信號(hào)是解決這個(gè)問(wèn)題的有效策略之一，通過(guò)動(dòng)態(tài)調(diào)整交通網(wǎng)絡(luò)上的每個(gè)結(jié)點(diǎn)的信號(hào)計(jì)劃可以緩解這個(gè)問(wèn)題。國(guó)內(nèi)外有很多研究人員致力于信號(hào)調(diào)整的優(yōu)化算法研究。
　　本文主要從事交通網(wǎng)絡(luò)中信號(hào)的優(yōu)化控制，以達(dá)到減少車輛延時(shí)和

2、停車次數(shù)的目的，使得其所需油耗減少，從而減少其尾氣排放。在減少城市交通擁塞問(wèn)題的同時(shí)，減少車輛對(duì)環(huán)境的影響，針對(duì)交通信號(hào)網(wǎng)絡(luò)優(yōu)化問(wèn)題，本文提出采用擴(kuò)展的元細(xì)胞傳輸模型，并引入串行粒子群算法進(jìn)行該問(wèn)題的求解，本文主要的工作內(nèi)容如下:
　　(1)針對(duì)動(dòng)態(tài)交通網(wǎng)絡(luò)的建模問(wèn)題，采用擴(kuò)展的元細(xì)胞傳輸模型(CTM，CellTransmission Model)進(jìn)行建模。對(duì)基本的CTM模型中的會(huì)合模型和分叉模型進(jìn)行了擴(kuò)展，并建立了十字路模型，以

3、適應(yīng)現(xiàn)代城市動(dòng)態(tài)交通網(wǎng)絡(luò)的需求。并描述了如何將紅綠燈時(shí)間引入到CTM模型中，為進(jìn)行具體的交通信號(hào)控制提供了控制模型。最后在通用的AIMSUN和CTMSIM實(shí)驗(yàn)平臺(tái)，進(jìn)行擴(kuò)展CTM模型的有效性評(píng)估。實(shí)驗(yàn)表明，擴(kuò)展CTM對(duì)動(dòng)態(tài)交通網(wǎng)絡(luò)的建模是有效并且可行的。
　　(2)針對(duì)動(dòng)態(tài)交通網(wǎng)絡(luò)中信號(hào)控制的優(yōu)化問(wèn)題，提出了采用串行粒子群算法(TSCOPSA)進(jìn)行該求解。對(duì)經(jīng)過(guò)建模后的動(dòng)態(tài)交通網(wǎng)絡(luò)模型，進(jìn)一步采用與基本粒子群算法處理方式所不同的串

4、行處理方法。對(duì)信號(hào)優(yōu)化問(wèn)題的適應(yīng)度函數(shù)——車輛的延時(shí)進(jìn)行定義，并對(duì)交通信號(hào)的設(shè)置和車輛延時(shí)的影響進(jìn)行分析。通過(guò)實(shí)際場(chǎng)景的模擬實(shí)驗(yàn)結(jié)果表明，TSCOPSA算法與SGA相比在延時(shí)、油耗和算法性能上分別有著3.96％、0.42％和10.13％的平均改進(jìn)率;同時(shí)在三個(gè)指標(biāo)上最高能達(dá)到7.25％、1.03％、和18.2％。并且TSCOPSA算法與PPSO相比在延時(shí)、油耗和算法性能上分別有著3.17％、0.22％和2.03％的平均改進(jìn)率;同時(shí)在三個(gè)