基于最小生成树聚类遗传算法的交通信号配时优化方法
【专利摘要】本发明公开一种基于最小生成树聚类遗传算法的交通信号配时优化方法，包括：进行个体编码、初始化数据，并设定参数；进行种群初始化；计算种群内个体的适应度值；对种群进行最小生成树聚类；选择种群内个体参加遗传操作；对选择的个体进行交叉和变异操作；重复迭代直到得到对应周期的最佳配时。本发明通过对种群进行最小生成树聚类，使物种内的个体具有很高的相似度，而物种间的相似度较低，利用物种间的交叉可以维持种群多样性，抑制未成熟收敛现象；将本发明应用于单交叉口信号配时优化，可以得到有效的配时时间，减少交叉口前的排队车辆数。
【专利说明】基于最小生成树聚类遗传算法的交通信号配时优化方法
【技术领域】
[0001]本发明属于城市交通控制信号配时的优化问题，具体采用一种基于聚类的遗传算法对其进行优化，是一种利用计算机技术、遗传算法、聚类分析方法来实现对城市单交叉口信号配时控制的方法。
【背景技术】
[0002]城市交通是城市经济生活的命脉，是衡量一个城市文明进步的标志，对于城市经济的发展和人民生活水平的提高起着十分重要的作用。在我国，随着经济的持续发展，城市化进程加快，机动车保有辆快速增加，交通出行量不断增长，城市交通供给严重不足，供求矛盾激化。以北京市为例，目前北京机动车保有量已突破200万辆，城市道路年增长速度是3 %，而车辆增长速度为15%，车流量年增长速度已达18%。
[0003]作为城市交通网的重要组成部分，交叉口是道路通行能力的瓶颈和交通阻塞及事故的多发地。城市的交通拥堵，大部分是由于交叉口的通行能力不足或没有充分利用造成的，这导致车流中断、事故增多、延误严重。大城市中的机动车在市中心的行车时间约三分之一用于平面交叉口 ；而美国交通事故约有一半以上发生在交叉口。由此可见，对交叉口实行科学的管理与控制是交通控制工程的重要研究课题，是保障交叉口的交通安全和充分发挥交叉口的通行能力的重要措施，是解决城市交通问题的有效途径。
[0004]目前，国内大部分交叉口的信号控制器来源于英国的SC00T(SplitCycleand Offset Optimization Teclmiquel)系统、澳大利亚的 SCAT (Sydney CoordinatedAdaptive Traffic)系统和日本的京三系统，均采用定时控制和自适应控制。这些方法在经过改进后得到了广泛的应用。
[0005]目前，我国信号的控制系统以单点控制为主，所以对单交叉口的信号配时研究有很多:何兆成等人提出的基于状态划分的多相位交通信号实时控制方法，张翠翠等人采用的Webster绿信比算法对模型进行优化控制，牟海波等提出了基于Petir网的控制方法等。由于交通的非线性、模糊性和不确定性，交叉口信号配时的优化问题一般可归结为非凸的非线性问题，传统的优化方法常采用数解法和图解法等，这些方法不能很好地找到其全局最优解，而遗传算法是一种基于自然选择和进化的搜索技术，广泛应用于优化问题中，因此遗传算法也广泛应用在交通控制的信号配时优化问题中。宋雪桦等人发明了基于遗传算法的单交叉口信号配时优化方法，该发明中采用的遗传算法是标准遗传算法，其中选择策略加入了最优保留策略，但标准遗传算法局部搜索能力不强，容易陷入早收敛现象，所以本发明中对标准遗算法进行改进，引入聚类思想，提高遗传算法的搜索能力，可有效避免早收敛现象。
【发明内容】
[0006]本发明的目的是提出一种基于最小生成树聚类的遗传算法用于城市单交叉口信号配时的控制，以路口前的排队车辆数为优化目标进行信号配时优化，实现交通信号的优化控制。
[0007]本发明的聚类遗传算法(Clustering Genetic Algorithm, CGA)中引入种群聚类思想，其中个体间距离采用常用的欧式距离进行计算，通过最小生成树聚类算法将种群划分归类，在交叉操作中使用属于不同类别的个体进行单点交叉，由于处于不同类别的个体间距离大，相似性小，这样可以使产生的后代种群维持多样性，从而抑制了未成熟收敛现象的产生。
[0008]一种基于最小生成树聚类遗传算法的交通信号优化配时方法，包括以下步骤:
[0009]步骤一，进行个体编码、初始化数据并，设定参数。
[0010]初始化种群大小，设定个体长度、交叉概率P。及变异概率Pm。
[0011 ] 步骤二，进行种群初始化。
[0012]步骤三，计算种群内个体的适应度值。
[0013]以单交叉口在一个周期内每相位结束后在该相位放行车道上排队车辆总数作为优化目标，即遗传算法中的目标函数，也是适应度函数。
[0014]步骤四，对种群进行最小生成树聚类。
[0015](I)计算个体间的欧式距离，构成一个有权无向图。
[0016](2)用Prim算法求出无向图的最小生成树。
[0017](3)确定最小生成树的断边阈值。
[0018](4)遍历最小生成树的边，将权重大于阈值的边去掉，形成一个森林。
[0019](5)深度遍历森林，对个体分类进行保存。
[0020]步骤五，选择种群内个体参加遗传操作。
[0021]对种群内个体采用轮盘赌选择两个个体，如果两个个体不属于同一类，则两个个体被选定，参与到遗传操作中产生后代个体；如果两个个体属于同一类，判断两个个体的适应度值大小，将适应度值大的个体淘汰，重新选择，直到选到的个体属于不同类为止。
[0022]步骤六，对步骤五选择的个体进行交叉和变异操作。
[0023]步骤七，重复执行步骤四?六，得到对应周期的最佳配时。
[0024]与现有技术相比，本发明具有以下优点:
[0025]1.通过对种群进行最小生成树聚类，使物种内的个体具有很高的相似度，而物种间的相似度较低，利用物种间的交叉可以维持种群多样性，抑制未成熟收敛现象；
[0026]2.将本发明应用于单交叉口信号配时优化，可以得到有效的配时时间，减少交叉口前的排队车辆数。
【专利附图】
【附图说明】
[0027]图1为单交叉口的车流分布图；
[0028]图2为本发明中应用单交叉口的相位设计图，图中:第一相位为东西向直行及右转；第二相位为东西向左转；第三相位为南北向直行及右转；第四相位为南北向左转；
[0029]图3为本发明所涉及方法的主流程图；
[0030]图4为本发明所涉及方法主流程图中最小生成树聚类算法流程图。
【具体实施方式】[0031]下面结合附图和具体实施例对本发明做进一步说明。
[0032]本发明采用四相位，三车道设计方法，单交叉口的车流分布图如图1所示，单交叉口的相位设计图如图2所示，本发明所涉及方法的主流程图如图3所示，包括以下步骤:
[0033]步骤一，进行个体编码、初始化数据，并设定参数。
[0034]( I)个体编码
[0035]在交通信号配时优化问题中，通过求解目标函数(以放行车道上在相应相位状态后放行车道上的排队车辆总数为性能指标)得到当前周期的信号配时，即每个相位下的绿灯时间，所以，这里的个体表示绿灯时间的组合。用\表示i相位的绿灯时间，同时为了保持产生的后代个体的有效性，采用3个时间组合，个体编码形式为:t2 t3>，用二进制进行编码。
[0036](2)初始化数据
[0037]种群大小初始化为popszie,每次后代都产生popsize大小的种群。
[0038](3)设定参数
[0039]设定交叉概率P。为0.8，变异概率Pm为0.01，个体长度21位。
[0040]步骤二，进行种群初始化。
[0041]随机产生popsize个21位个体组成的种群。
[0042]步骤三，计算种群内个体的适应度值。
[0043]以单交叉口在一个周期内每相位结束后在该相位放行车道上排队车辆总数作为优化目标，即遗传算法中的目标函数，也是适应度函数，其表达式为:
[0044]
【权利要求】
1.一种基于最小生成树聚类遗传算法的交通信号优化配时方法，包括以下步骤: 步骤一，进行个体编码、初始化数据，并设定参数； 所述个体表示绿灯时间的组合；用ti表示i相位的绿灯时间，为保持产生的后代个体的有效性，采用3个时间组合，个体编码形式为:<ti t2 t3>，用二进制进行编码；所述初始化数据将种群大小初始化为popszie，每次后代都产生popsize大小的种群；所述设定参数包括:设定交叉概率P。为0.8，变异概率Pm为0.01，个体长度21位； 步骤二，进行种群初始化，随机产生popsize个21位个体组成的种群； 步骤三，计算种群内个体的适应度值； 步骤四，对种群进行最小生成树聚类； 步骤五，选择种群内个体参加遗传操作； 对种群内个体采用轮盘赌选择两个个体，如果两个个体不属于同一类，则两个个体被选定，参与到遗传操作中产生后代个体；如果两个个体属于同一类，判断两个个体的适应度值大小，将适应度值大的个体淘汰，重新选择，直到选到的个体属于不同类为止； 步骤六，对步骤五选择的个体进行交叉和变异操作； 交叉操作，采用单点交叉，随机产生交叉位，互组父代个体之间的基因位，形成两个新的个体； 变异操作，对交叉后产生的两个个体，以一定的概率进行变异，O变1，或I变0，变异后产生个体还需要解码后判断是否满足\的条件，如果满足，将其归入下一代种群，直到产生大小为popsize的后代种群，作为下一代操作的父代种群；如果不满足，则直接淘汰产生的新个体，同时计数器不进行累加，保证最后产生popsize个后代个体； 步骤七，重复执行步骤四~六，得到对应周期的最佳配时； 其特征在于，所述步骤四对种群进行最小生成树聚类的方法如下: Cl)计算popsize个个体间的欧式距离作为两个个体建立的边的权重，构成一个有权无向图； (2)利用Prim算法求出这个无向图的最小生成树； (3)确定最小生成树的断边阈值； (4)通过切断生成树中的边进行分类:从最小生成树起点开始遍历，将权重大于阈值的边去掉，形成一个森林，属于同一个树的边就属于同一类； (5)对森林进行深度遍历，对每一类进行记录保存，同时对每类中的个体按照适应度值大小进行排序。
2.根据权利要求1所述的一种基于最小生成树聚类遗传算法的交通信号优化配时方法，其特征在于，所述步骤三计算种群内个体适应度值的方法如下: 以单交叉口在一个周期内每相位结束后在该相位放行车道上排队车辆总数作为优化目标，即遗传算法中的目标函数，也是适应度函数，其表达式为:
3.根据权利要求1所述的一种基于最小生成树聚类遗传算法的交通信号优化配时方法，其特征在于，所述断边阈值为δ*Μ，M为最小生成树中popsize-ι条边的平均权重，δ是一个大于O小于I的调节因子，取0.999。
【文档编号】G06N3/12GK103699933SQ201310652912
【公开日】2014年4月2日 申请日期:2013年12月5日 优先权日:2013年12月5日
【发明者】杨新武, 薛慧斌 申请人:北京工业大学