基于遗传算法的单交叉口信号配时优化方法.pdf

(19)中华人民共和国国家知识产权局*CN103150911A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103150911103150911A(43)申请公布日2013.06.12(21)申请号201310049986.7(22)申请日2013.02.07(71)申请人江苏大学地址212013江苏省镇江市京口区学府路301号(72)发明人宋雪桦顾金谢桂莹闫振杨庆庆(74)专利代理机构江苏致邦律师事务所32230代理人樊文红(51)Int.Cl.G08G1/07(2006.01)G06N3/12(2006.01)权权利要求书1页利要求书1页说明书5页说明书5页附图3页附图3页(54)发明名称基于遗传算法的单交叉口信号配时优化方法(57)摘要本发明公开了一种基于遗传算法的单交叉口信号配时优化方法，包括：S1、输入摄像头采集的交通数据流；S2、建立初始种群，初始化第一代个体；S3、计算种群的适应度值；S4、判断是否达到种群迭代的最大值，若是，执行步骤S8，若否，执行步骤S5~S7；S5、采用轮盘赌选择方法，并施以最优保留策略；S6、采用算术交叉，产生出两个子代个体；S7、采用均匀变异，以变异概率来替换染色体中各个基因座上的基因值，并返回执行步骤S3；S8、停止运算，输出当前最优个体。本发明运用遗传算法对优化模型进行了求解，从而减少了车辆延误时间，提高了信号配时优化模型的鲁棒性。CN103150911ACN10359ACN103150911A权利要求书1/1页1.一种基于遗传算法的单交叉口信号配时优化方法，其特征在于，所述方法包括：S1、输入摄像头采集的交通数据流；S2、建立初始种群，初始化第一代个体；S3、计算种群的适应度值；S4、判断是否达到种群迭代的最大值，若是，执行步骤S8，若否，执行步骤S5~S7；S5、采用轮盘赌选择方法，并施以最优保留策略；S6、采用算术交叉，产生出两个子代个体；S7、采用均匀变异，以变异概率来替换染色体中各个基因座上的基因值，并返回执行步骤S3；S8、停止运算，输出当前最优个体。2.根据权利要求1所述的方法，其特征在于，所述步骤S2具体包括：设置最大进化代数、种群规模数量、交叉概率、变异概率、有效绿灯时间最小值、有效绿灯时间最大值、周期长度最小值、以及周期长度最大值。3.根据权利要求1所述的方法，其特征在于，所述步骤S5包括：判断当前代的最好适应度值是否比上一代的差，若是，用上一代的最好适应度值替代当前代的最差值，若否，当前代的适应度值保持不变；判断当前代种群中的最优个体是否比上一代的最优个体好，若是，则最优解取当前代的最优个体，若否，用上一代最优个体取代当前代的最差个体。4.根据权利要求3所述的方法，其特征在于，所述步骤步骤S6具体为：算术交叉产生一个0到1区间上服从均匀分布的一个随机数，以设定的交叉概率对两个父代个体进行线性组合产生两个新的个体。5.根据权利要求4所述的方法，其特征在于，所述步骤S7具体为：均匀变异产生一个0到1区间上服从均匀分布的随机数，以设定的变异概率替换个体编码串中各基因座上的原有基因值。6.根据权利要求1所述的方法，其特征在于，所述步骤S1前还包括：选取交叉口每个相位的绿灯时间为变量，寻找满足Cmin≤C≤Cmax、gmin≤gi≤gmax的适应度函数的最小值，其中C为周期长度，i为相位，gi为绿灯时间，li为第i个相位的损失时间，Cmin为最小周期长度，Cmax为最大周期长度，gmin为相位i的最小相位绿灯时间，gmax为相位i的最大相位绿灯时间。2CN103150911A说明书1/5页基于遗传算法的单交叉口信号配时优化方法技术领域[0001]本发明涉及数字图像处理技术领域，尤其涉及一种基于遗传算法的单交叉口信号配时优化方法。背景技术[0002]目前大多数城市的交通处于相当紧张的状态，交通拥堵已成为大城市突出的社会问题之一。交叉口是城市路网的节点，也是城市道路的瓶颈，它的畅通有利于提高整个城市路网的通行能力，缓解交通拥堵带来的危害。然而，城市交叉口中传统交通信号控制方法不能适应交通流波动问题。[0003]城市中典型的四路、十字交叉路口的交通流分布如图1所示，交叉路口东、南、西、北四个方向的进口道路均分为三个车道，分别为左转车道、直行车道和右转车道。这是标准化的四路、十字交叉路口模型，实际路口中会做出相应的优化改进。为了保障交通流高效、安全地通过交叉路口，通常根据各方向各车道交通流的大小，可对交叉路口的交通流实行不同的相位控制方式。对于单交叉路口的信号控制来说，最常见的信号控制方式为四相位控制。[0004]图2交叉路口在四相位控制方式下各交通流的通行权分配情况。在四相位控制方式中，第一相位南、北向进口道的直行和右转交通流通行；第二相位南、北向的左转交通