智能控制应用案例3.pptVIP

智能控制应用案例; 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。;国内外研究智能交通的几种基本方法 ;遗传算法在其交通应用中存在的问题;标准遗???算法的流程如下: ;;交通信号控制系统的主要术语和参数 ;信号控制的控制参数;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。 ; 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 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 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 ;因为要考虑行人过马路，所以每个相位的有最短时间，也有最长时间的 约束。还有根据研究周期一般不超过120s。一个交叉路口总的约束条件 如下式： ;两个交叉路口模型的建立;模型中还存在的问题 在处理主干道一系列交叉路口时，都是采用基于模糊控制的。 具体来说是采用高阶神经网络的方法或其他方法预测两路口或几个路口之 间的流量，然后根据对应流量，设计好相位差，用模糊控制的方法对路口 车辆协调控制。但是在里面有几个问题有待解决。1）这是用神经网络预测 出的结果，具体偏差多少有待解决。2 ）为了让主干道形成绿波带，让路口 之间相位起始时间存在一定差距。具体做法是让从路口1（或路口2）进入 的车辆在不停留的情况下通过路口2 （或路口1）。但这样的相位差仅仅对 从路口 1 进入（或路口2）的车辆有利，而从路口2 （或路口1）进入的车 辆则享受不到这样的特权，没有让主干车辆真正地优先行使。3）而采用的 是模糊控制，最常见的问题是其中的隶属函数选取是否恰当还有待改进。 还有尽管使用遗传算法计算出信号灯的具体配时，但是我们知道随着交叉 路口的增加，模型会逐渐复杂，只采用传统的遗传算法很难得出的优秀的 解。;针对以上问题，我们提出几点改进方法： 1）实际中，两路口之间的车流量基本由信号灯决定。所以只要控制信号灯，就可以计算出路口之间具体确定的车流量，这个