基于群决策理论及神经网络干道延误控制模型研究.doc

基于群决策理论及神经网络干道延误控制模型研究摘要：基于干道延误时间最小的设计理念，利用智能优化算法和群决策理论，建立了一种同时包含了时距图分析策略和美国通行能力手册中延误时间分析方法的城市干道交通信号控制方法。算法结合了智能优化策略中的神经网络算法和丰富的群体专家意见，使交通问题的分析得以更加客观和实际。最后给出算例分析，运用MATLAB编程计算对控制方案进行模拟，仿真结果表明，这一方法能有效地改善干道交叉口群的延误情况，减少延误时间。 关键词：交通信号控制;延误模型;时距图;群决策;神经网络 Abstract: based on the road of time delay minimum design concept, by using intelligent optimization algorithm and the group decision theory, and proposes a also contains a time-distance diagram analysis strategies and the traffic capacity manual analysis methods of the time delay in the urban trunk road traffic signal control method. Algorithm combines intelligent optimization strategy of neural network algorithm, and rich group experts opinion, make the traffic problem analysis to be more objective and practical. Give the example analysis, the use of MATLAB simulation calculation of control scheme, the simulation results show that this method can effectively improve the trunk road intersection delay of the group, reduce the delay time. Keywords: traffic signal control; Delay model; From the graph when; Group of decision; Neural network 中图分类号：U491 文献标识码：A文章编号： 引言 干道协调控制系统[1]是由道路、交叉口、交通灯以及车辆组成的大型复杂系统。其复杂性表现在干线车流行驶时的随机性和时变性。同时还与交叉口实时的信号配时参数、交叉口间不同的几何位置分布等密切相关。 描述干道交通系统需要有多个性能指标：延误、停车次数、排队长度、饱和度、占有率等。干道交通系统运行效果的优化设计是一个多变量多目标优化的复杂过程，难以建立起一套适用有效且便于求解的数学模型。鉴于以上原因，国内外许多专家学者提出了一些新的控制思想[3-6]。 结合干道交通系统的特点，本文根据美国通行能力手册中的延误计算公式，对干道车辆的平均行车延误进行了分析，给出了交叉口干道方向绿信比及相关配时参数与平均行车延误的关系，同时利用交叉口延误的时距图计算方法，建立了一套基于智能优化理论和群决策理论的过饱和状态下的干道交通协调控制数学模型。 1 过饱和条件下交叉口延误分析 交叉口进口道处于过饱和交通状态下，信号周期绿灯结束后会出现过剩滞留车队，且过剩滞留车辆数将会按照一定的增长率持续增长[7]。因此，在进行理论分析前，给出如下四点的基本假设： ① 各进口道的车辆平均到达率在整个时间段内稳定不变； ② 各进口道断面的通行能力在整个时间段内为常数； ③ 时间段起始点的初始排队长度为零； ④ 在整个时间段内，过饱和排队车辆长度随时间的增长而直线增加。 当交叉口处于过饱和交通状态且进口道的车辆到达率与其通行能力均为常数时，在一个信号周期内，进口道的到达车辆数将明显大于其最大可放行车辆数，每次绿灯结束时进口道存在滞留排队车辆，且滞留排队车辆数成线性增长。假若不计黄灯时间与前损失时间，进口道的车辆到达与驶离情况可简化为如图1所示。 图中，和分别为交叉口进口道的红灯和绿灯时间，和分别为第i个交叉口进口道不同时刻的到达流量，为第i个交叉口进口道的驶离流量，即饱和流量，和分别为不同到达流量值的切换时刻。 图1 过饱和条件下交叉口时距图分析 由此，可对