智能控制应用案例3”.pptVIP

智能控制应用案例 遗传算法在交通控制中的应用 杨长安 S101946 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。 （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题 。 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。 （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。 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 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。 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，