专利名称：基于遗传算法的单交叉口信号配时优化方法
技术领域：
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：
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。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。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、北向的左转交通流通行；第三相位东、西向的直行和右转交通流通行；第四相位南、北向的左转交通流通行。首先交通信号控制的目标是尽量减小车辆通过交叉口的延误，且车辆平均延误也在很大程度上反映了交叉口的通行能力，设到达交叉口各个方向上的车辆是随机的，非拥挤交通流的车辆到达数服从泊松分布，拥挤交通流的车辆到达数服从二项分布。设一组数据流集合Q = {1，2，…，O}，每组数据k e Q，每组数据在数据集中的可能性为^^，第1相位交通流#。采用道路通行能 力手册(HCM)中延迟估计方程计算车辆延误时间:
权利要求
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: 51、输入摄像头采集的交通数据流； 52、建立初始种群，初始化第一代个体； 53、计算种群的适应度值；54、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； 55、采用轮盘赌选择方法，并施以最优保留策略； 56、采用算术交叉，产生出两个子代个体； 57、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 ； 58、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O到I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O到I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SI前还包括: n选取交叉口每个相位的绿灯时间为变量，寻找满足c=Sk+/;) Cfflin彡C彡Cfflax,i=l 、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，Ii为第i个相位的损失时间，Cfflin为最小周期长度，Cfflax为最大周期长度，gfflin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。
全文摘要
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。
文档编号G06N3/12GK103150911SQ20131004998
公开日2013年6月12日 申请日期2013年2月7日 优先权日2013年2月7日
发明者宋雪桦, 顾金, 谢桂莹, 闫振, 杨庆庆 申请人:江苏大学