基于粒子群优化算法的交通诱导调度系统及其调度方法与流程

1.本发明属于交通控制领域，尤其涉及基于粒子群优化算法的交通诱导调度系统及其调度方法。


背景技术：

2.随着城市的快速发展，生活质量的提高，交通拥堵问题日益严峻，完善交通诱导措施与方法至关重要。交通诱导系统在宏观上优化整个路网流量的分布，而城市交通系统是个复杂的整体，需从宏观与微观上对城市进行优化管理。所以，为了提高效率，对微观上的路口行驶时间进行调节使得研究更加全面。
3.传统的交通诱导技术注重如何得到优化后的交通流分配方案，忽略了如何对出行者有效进行交通诱导分流方面的研究，并且在行程时间计算方面与实际情况存在一定的偏差，同时对模型进行求解时，忽略了路网中出行者的出行需求，导致通过模型求解得到的最优解不是路网交通管理方案的最优解。


技术实现要素：

4.本发明的目的在于针对上述现有技术存在的问题，提供一种基于粒子群优化算法的交通诱导调度系统及其调度方法，使其能够对出行者有效进行交通诱导分流，且能够充分考虑路网中出行者的出行需求，通过模型求解得到路网交通管理方案的最优解。
5.实现本发明目的的技术解决方案为：
6.基于粒子群优化算法的交通诱导调度系统，所述系统包括：诱导策略制定模块、诱导信息生成模块和诱导信息发布模块；
7.所述诱导策略制定模块，用于根据交通流状态发生改变而制定的管理策略并发送到所述诱导信息生成模块；
8.所述诱导信息生成模块，用于依据诱导策略生成行驶时间、交通拥堵、行驶距离等指示性或诱导性的交通信息并发送到所述诱导信息发布模块；
9.所述诱导信息发布模块，用于向出行者发布诱导信息。
10.优选地，基于粒子群优化算法的交通诱导调度系统的调度方法，所述诱导策略制定模块综合考虑相位方案、周期方案和绿信比方案，相位方案的设置是为了在不同信号阶段给予不同方向车流通行权，以避免不同行驶方向车流的冲突点，周期方案的设置取决于交叉口的流量特性和控制方式，绿信比方案是交通诱导系统制定优化策略的变量。
11.优选地，所述相位方案利用韦伯斯特法，将不相交的车流由一个相位控制，来计算交叉口各相位有效绿灯时间，具体计算公式如下：
12.交叉口损失时间l＝nl ar，其中n为相位个数，l为各相位损失时间，ar为全红时间；
13.各相位交通流量比之和其中y为相位临界流量比；
14.有效绿灯时间ge＝c
0-l，其中c0为最佳周期长度；
15.各相位有效绿灯时间
16.优选地，所述周期方案使用计算最佳周期长度。
17.优选地，所述绿信比方案通过对相位绿灯时间进行实时动态调整，具体步骤如下：
18.(1)依据绿灯结束时的排队长度，计算各相位的绿灯时间增减量。第i个交叉口第 j个相位红灯结束时的排队长度其中为第i个交叉口第j个相位第 p个进口道方向红灯结束时的排队长度；第i个交叉口第j个相位绿灯结束时的排队长度其中为第i个交叉口第j个相位绿灯时长，为第 i个交叉口第j个相位的启动损失时间，为第i个交叉口第j个相位的饱和车头时距，为第i个交叉口第j个相位的饱和车头间距；从小到大排序后的绿灯结束时排队长度第i个交叉口的单位排队长度其中l
i,j,p
为第i个交叉口第j个相位第p个方向的进口道长度，αi为第i个交叉口最短进口道长度的分段数量；第i个交叉口第sort_id(k)个相位的排队长度等级其中sort_id()记录排序前后相位编号的映射关系， ceil为向上取整函数；第i个交叉口的平均排队长度等级其中k 为第i个交叉口的相位总数；第i个交叉口的最小排队长度等级ql_mini＝minql
i,k
；第i 个交叉口的最大排队长度等级ql_maxi＝maxql
i,k
；第i个交叉口第sort_id(id(m))个相位的绿灯时间增量inc
i,m
＝ql
i,k-ql_mini,ql
i,k
≥ql_meani，其中k＝id(m)为增量相位编号与q
gif,k
相位编号的映射关系；第i个交叉口第sort_id(id(n))个相位的绿灯时间减量dec
i,n
＝ql_max
i-ql
i,k
,ql
i,k
＜ql_meani；
19.(2)依据周期长度固定与否，对绿灯时间增减量进行平衡调整。当时，无需进行调整；当时，有其中timesi为第i个交叉口绿灯时间总增量与总减量的倍数，floor为向下取整函数，rei为第i个交叉口绿灯时间总增量与总减量的余数；当
时，有且rei(m)≥inc
i,m-m
(m)时，有当且rei(m)＜inc
i,m-m
(m)时，有直至rei(m 1)＝0，循环结束；当且rei(n)≥dec
i,n
(n)时，有当且rei(n)＜dec
i,n
(n)时，有直至rei(n 1)＝0，循环结束。
20.优选地，基于粒子群优化算法的交通诱导调度系统的调度方法，所述诱导信息生成模块对路段行驶时间和延误时间之和进行建模，具体计算模型如下：
21.路段行驶时间其中l为路段上游交叉口出口20米到当前交叉口停车线前100米的距离，kj为车流密度，x为单位时间通过某断面的交通量，vf为自由流速度；
22.交叉口延误时间其中为绿信比，x为饱和度，s为信号交叉口饱和流量；
23.目标函数为
24.优选地，所述诱导信息生成模块的约束条件如下：
25.(1)饱和度约束：饱和度均值其中ψ为饱和度均值的阈值；饱和度方差其中σ为饱和度方差的阈值；
26.(2)路网流量均衡约束：其中a(k)为所有以k为起点的集
合，a(n)为所有以n为终点的集合，为起点k到终点n的od需求，qk为路段α上以k为起点的流入率，un为路段α上以n为终点的流出率；
27.(3)流量、流入率、绿信比的约束：其中β为路段流量、流入率的阈值。
28.优选地，所述诱导信息生成模块使用粒子群算法进行优化，具体步骤如下：
29.(1)初始化一个种群，并初始化种群中每个粒子的速度、位置；
30.(2)对粒子进行适应度值评价；
31.(3)将个体最优pbest初始化为粒子当前的位置，将全局最优gbest初始化为当前种群中最好粒子的位置；
32.(4)对每一个粒子更新其速度、位置并重新对粒子进行适应度值评价；
33.(5)更新pbest和gbest；
34.(6)如果算法达到最大迭代次数，算法结束；反之，继续更新粒子。
35.优选地，所述诱导信息发布模块依靠交通诱导屏可变情报板来实现交通运行状态等信息的发布，由系统处理获得的流量、流入率和绿信比等通过网页查询、广播等方式来实现交通诱导和便民服务。
36.本发明采用以上技术方案与现有技术相比，具有以下技术效果：
37.1.利用粒子群优化的思想，实现了路网交通流的均衡；
38.2.对相位、周期和绿信比进行最佳方案设置，提高了路网交通管理方案的准确率，有效提高了路网的运行性能；
39.3.基于最小路段行驶时间和延误时间之和进行适应度分析，实现了高效的路网优化结果。
附图说明
40.图1为基于粒子群优化算法的交通诱导调度系统原理结构图；
41.图2为基于粒子群优化算法的诱导信息生成流程示意图。
具体实施方式
42.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
43.结合图1，本发明提供了基于粒子群优化算法的交通诱导调度系统，该系统包括诱导策略制定模块、诱导信息生成模块和诱导信息发布模块：
44.(1)诱导策略制定模块
45.如图1所示，基于粒子群优化算法的交通诱导调度系统的调度方法综合考虑相位方案、周期方案和绿信比方案。相位方案利用韦伯斯特法，将不相交的车流由一个相位控制，交叉口损失时间l＝nl ar，其中n为相位个数，l为各相位损失时间，ar为全红时间，各相
位交通流量比之和其中y为相位临界流量比，有效绿灯时间 ge＝c
0-l，其中c0为最佳周期长度，则各相位有效绿灯时间周期方案使用计算最佳周期长度。绿信比方案通过对相位绿灯时间进行实时动态调整，首先依据绿灯结束时的排队长度，计算各相位的绿灯时间增减量。第i个交叉口第j个相位红灯结束时的排队长度其中为第i个交叉口第j个相位第p个进口道方向红灯结束时的排队长度；第i个交叉口第j个相位绿灯结束时的排队长度其中为第i个交叉口第j个相位绿灯时长，为第i个交叉口第j个相位的启动损失时间，为第i个交叉口第j个相位的饱和车头时距，为第i个交叉口第j个相位的饱和车头间距；从小到大排序后的绿灯结束时排队长度第i个交叉口的单位排队长度其中l
i,j,p
为第i个交叉口第j个相位第p个方向的进口道长度，αi为第i个交叉口最短进口道长度的分段数量；第i个交叉口第sort_id(k)个相位的排队长度等级其中sort_id()记录排序前后相位编号的映射关系， ceil为向上取整函数；第i个交叉口的平均排队长度等级其中k 为第i个交叉口的相位总数；第i个交叉口的最小排队长度等级ql_mini＝minql
i,k
；第i 个交叉口的最大排队长度等级ql_maxi＝maxql
i,k
；第i个交叉口第sort_id(id(m))个相位的绿灯时间增量inc
i,m
＝ql
i,k-ql_mini,ql
i,k
≥ql_meani，其中k＝id(m)为增量相位编号与相位编号的映射关系；第i个交叉口第sort_id(id(n))个相位的绿灯时间减量dec
i,n
＝ql_max
i-ql
i,k
,ql
i,k
＜ql_meani，然后依据周期长度固定与否，对绿灯时间增减量进行平衡调整。当时，无需进行调整；当时，有其中timesi为第i个交叉口绿灯时间总增量与总减量的倍数，floor为向下取整函数，rei为第i个交叉口绿灯时间总增量与总减量的余数；当
时，有当且rei(m)≥inc
i,m-m
(m)时，有当且 rei(m)＜inc
i,m-m
(m)时，有直至 rei(m 1)＝0，循环结束；当且rei(n)≥dec
i,n
(n)时，有当且rei(n)＜dec
i,n
(n)时，有直至rei(n 1)＝0，循环结束。
46.(2)诱导信息生成模块
47.如图1所示，基于粒子群优化算法的交通诱导调度系统的调度方法，诱导信息生成模块使用粒子群算法进行优化，其目标函数为路段行驶时间和延误时间之和，其中路段行驶时间其中l为路段上游交叉口出口20米到当前交叉口停车线前100米的距离，kj为车流密度，x为单位时间通过某断面的交通量，vf为自由流速度，交叉口延误时间其中为绿信比，x为饱和度，s为信号交叉口饱和流量，所以最终目标函数为其约束条件为：饱和度约束：饱和度均值其中ψ为饱和度均值的阈值；饱和度方差其中σ为饱和度方差的阈值；路网流量均衡约束：其中a(k)为所有以k为起点的集合，a(n) 为所有以n为终点的集合，为起点k到终点n的od需求，qk为路段α上以k为起点的流入率，un为路段α上以n为终
点的流出率；流量、流入率、绿信比的约束：其中β为路段流量、流入率的阈值。
48.如图2所示，使用粒子群算法优化的具体过程如下：初始化一个种群，并初始化种群中每个粒子的速度、位置；对粒子进行适应度值评价；将个体最优pbest初始化为粒子当前的位置，将全局最优gbest初始化为当前种群中最好粒子的位置；对每一个粒子更新其速度、位置并重新对粒子进行适应度值评价；更新pbest和gbest；如果算法达到最大迭代次数，算法结束；反之，继续更新粒子。
49.(3)诱导信息发布模块
50.如图1所示，诱导信息发布模块依靠交通诱导屏可变情报板来实现交通运行状态等信息的发布，由系统处理获得的流量、流入率和绿信比等通过网页查询、广播等方式来实现交通诱导和便民服务。
51.本发明利用粒子群优化的思想，以实现路网流量的有效均衡，有效地减少了路网总行程时间，并且对相位、周期和绿信比进行最佳方案设置，提高准确率，同时基于最小路段行驶时间和延误时间之和进行适应度分析，实现了高效的优化结果。
52.实施例
53.本实施例利用本发明的方法实现交通诱导调度的优化。基于粒子群优化算法的交通诱导调度系统及其调度方法优化流程如下：
54.第一步，初始化，设置迭代次数t＝0，设置最大迭代次数t，随机生成初始种群。
55.第二步，设置相位、周期和绿信比方案，并使用设置后的决策变量对路段行驶时间和延误时间之和建模。
56.第三步，根据目标函数，计算每个粒子的适应度值。
57.第四步，求个体最佳适应值，对每一个粒子，将其当前位置的适应值与其历史最佳位置pbest对应的适应值比较，如果当前位置的适应值更小，则用当前位置更新历史最佳位置。
58.第五步，求群体最佳适应值，对每一个粒子，将其当前位置的适应值与其全局最佳位置gbest对应的适应值比较，如果当前位置的适应值更小，则用当前位置更新全局最佳位置。
59.第六步，更新每个粒子位置和速度。
60.第七步，判断算法是否结束，若未满足结束条件，则返回第三步，若满足结束条件则算法结束，全局最佳位置gbest即全局最优解。
61.第八步，通过网页查询、广播等方式发布全局最优解，并使用交通诱导屏可变情报板来实现交通运行状态等信息的发布。
62.以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。