基于模拟退火精英协同进化算法的交通信号协调优化控制

摘要

随着城市化水平的提高，机动车数量急剧增加，城市交通拥堵问题日益严重，传统的交通信号控制方式已经不能获得良好的控制效果。因此，智能交通信号控制成为了主要控制手段。利用进化算法进行交通信号优化控制是一种有效途径，但其在收敛精度和收敛速度方面还有待改进。协同进化算法作为一种新型智能算法，由于其具有高度的协调性，在智能交通信号控制领域已崭露头角。本文对协同进化算法进行了改进，将其用于交通信号控制，取得了良好的效果。
　　本文结合精英策略、协同进化思想和模拟退火机制，提出了一种基于模拟退火机制的精英协同进化算法（SACEA），将其应用到交通信号控制领域。算法维持三个种群：精英种群、普通种群和随机种群，精英个体组团，并和其他组员个体协作或对其引导来达到进化目的。算法在精英组团过程中引入随机种群以增加种群多样性，同时随机个体和精英个体的合作采用快速模拟退火机制来实现，使算法获得了更好的全局寻优性和更快的收敛速度。本文通过实验验证了算法的有效性。
　　本文在观察研究单交叉口车流量分布特性的基础上，分别建立了以单交叉口的平均延误最小和平均停车率最小为目标的两个单交叉口信号控制模型。在此基础上利用SACEA算法对两个模型各自进行优化配时仿真，并和已有优化算法进行对比，结果表明:利用SACEA算法进行优化更能减少单交叉口平均延误时间和平均停车率。
　　在分析了城市干线协调控制理论的基础上，本文以一个绿波系统为例，以车辆通过干线所需平均总共时间（平均行程时间和总平均延误时间之和）为控制目标，进一步利用SACEA算法进行了多交叉口配时优化，并与已有算法进行对比，结果表明：利用 SACEA算法进行优化更能减少车辆通过干线所需时间。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景

1.2国内外相关研究现状

1.3论文研究目的和意义

1.4论文主要研究内容和组织结构

第二章 交通信号控制

2.1交通流基本理论

2.2交通信号控制概述

2.3基本交通信号控制方法

2.4智能交通控制

2.5本章小结

第三章 基于模拟退火机制的精英协同进化算法

3.1进化算法

3.2协同进化算法

3.3模拟退火算法

3.4结合模拟退火和精英策略的协同进化算法（SACEA）

3.5本章小结

第四章 基于SACEA的单交叉口协调控制优化

4.1单交叉口配时模型

4.2单交叉口配时方法

4.3基于SACEA的单交叉口平均延误优化

4.4基于SACEA的单交叉口平均停车率优化

4.5本章小结

第五章 基于SACEA的多交叉口协调控制优化

5.1多交叉口协调控制

5.2多交叉口协调优化模型

5.3多交叉口优化配时算法

5.4实例分析验证

5.5本章小结

第六章 总结与展望

6.1本文工作总结

6.2展望

参考文献

附录1 攻读硕士学位期间撰写的论文

致谢