基于模拟退火改进人工鱼群算法的交通信号配时优化.pdf
《基于模拟退火改进人工鱼群算法的交通信号配时优化.pdf》由会员分享,可在线阅读,更多相关《基于模拟退火改进人工鱼群算法的交通信号配时优化.pdf(7页珍藏版)》请在咨信网上搜索。
1、Journal of Hebei Normal Universityy of Science&TechnologyVol.37No.2June,2023河北科技师范字37(2):73-79.D0I:10.3969/J.ISSN.1672-7983.2023.02.011基于模拟退火改进人工鱼群算法的交通信号配时优化许佳佳,李雪梅(安徽三联学院1 交通工程学院,2 电子电气工程学院,安徽合肥,2 30 6 0 1)摘要:针对传统的信号配时算法无法适用于过饱和流量的交叉口的限制,结合模拟退火算法初值鲁棒性和局部收敛精度高的特点改进人工鱼群算法以提升其全局搜索能力,然后综合考虑周期时长、绿灯时间和饱
2、和度等作为约束条件,以交叉口车均延误最小为目标函数构建信号配时优化模型,分别利用单一智能算法(模拟退火算法,人工鱼群算法)及其组合改进算法(模拟退火改进人工鱼群算法)对模型进行求解,并对现状方案和3种智能算法求解方案情况下的交叉口整体车均延误进行对比。结果表明,模拟退火改进人工鱼群算法的效果明显优于现状和单一算法,在迭代的初期便能非常接近最优解和稳定下降趋势,表现出快速寻优能力,验证了模拟退火改进人工鱼群算法的可行性与适用性。关键词:交通信号;配时优化;模拟退火改进人工鱼群算法中图分类号:U491文献标志码:A文章编号:1 6 7 2-7 9 8 3(2 0 2 3)0 2-0 0 7 3-0
3、 7交通信号配时优化对于减小交叉口的车均延误和提升其通行能力有着重要的作用。基于此,相关学者对交叉口信号配时做了诸多研究和改进。如:运用传统的信号周期配时方法进行交叉信号配时优化及通过软件进行仿真评价1-3;通过建立动优化控制模型对交叉口的信号方案进行动态控制研究4,5 ;基于交叉口平均延误最小化目标运用遗传算法进行交叉口信号配时方案的求解与运行效果评价(6-8);以及运用荧火虫算法、蜜蜂算法和粒子群算法等智能算法进行信号配时优化9-。由于传统的信号配时方法无法适用过饱和流量的交叉口优化1 2】,而单一智能算法在求解信号配时在解决实际问题时因自身的不足影响计算结果和工作效率,如遗传算法存在编码
4、不规范和粒子群算法易于陷人局部最优解等问题6.7 。为此,笔者综合考虑周期时长和绿灯时间及饱和度等约束条件,以交叉口车均延误最小为目标函数构建信号配时优化模型,选择收敛精度高的模拟退火算法和初值鲁棒性强的人工鱼群算法组合构建模拟退火改进人工鱼群算法,对信号配时优化模型进行求解,并对现状方案和3种不同智能算法求解方案情况下的交叉口整体车均延误进行对比,验证模拟退火改进人工鱼群算法的可行性与适用性。1模拟退火改进人工鱼群算法模拟退火(SimulatedAnnealing,SA)算法是根据物理知识中固体退火原理所开发的应用于求解最优化模型的一种通用的仿自然优化算法,SA算法中将物质的能量达到最低状态
5、的设定模拟成目标函数并根据固体物质的退火过程包括加温、等温和冷却等3个过程进行求解1 3。SA算法由于在等温过程中采用了Metropolis准则,能够有一定的概率去接受恶化解,使其能够跳出局部最优而有着较好的全局搜索能力。人工鱼群(Artificial Fish-Swarm,AF)算法是基于鱼的觅食、聚群、追尾、随机活动等行为所提出的一种应用于求解最优化模型的群智能优化算法,在迭代优化的过程中人工鱼个体的最优状态会被进行跟踪和记录,并且人工鱼往往会在极值点特别是全局极值点进行聚集从而找到最优解1 4-1 6 ,AF 算法相较于传统的求解方法具有分布处理的能力及参数和初值鲁棒性强等特点。AF算法
6、虽然有着较好的全局收敛性,但由于感知能力和步长参数是固定的,参数设置过大会导致基金项目:安徽省高校自然科学优秀青年科研项目(项目编号:2 0 2 2 AH030161);安徽省高校自然科学重点科研项目(项目编号:2 0 2 2 AH051993);安徽三联学院科研项目(项目编号:PTZD2022008,z j t 2 2 0 0 2)。收稿日期:2 0 2 3-0 2-2 4;修改稿收到日期:2 0 2 3-0 4-1 37437卷河北科技师范学院学报在接近最优解的附近来回振荡而影响最终求解的精度,参数设置过小会导致在局部最优解中无法跳出即未达到最优值区域结束算法运算,因此可尝试利用SA算法初
7、值鲁棒性和局部收敛精度高的特点对AF算法进行改进,构建模拟退火改进人工鱼群(SAAF)算法。首先,通过AF算法对每一代人工鱼中的全局最优个体进行搜索,再对其运用SA算法进行退火模拟运算以避免AF算法陷人局部最优解的情况,并将SA算法的寻优结果适应度与AF算法进行对比以更新人工鱼群进行迭代。SAAF算法的运算逻辑过程见图1。开始设置初始化参数和鱼群,迭代次数gen=1探索领域内中心点及拥挤度探索领域内最优点及拥挤度否拥挤度阈值是觅食行为,随机移动搜索更优位置更新群体状态1否搜索次数 值更新至鱼群状态3是随机行为,随机选择一个状态更新至鱼群状态4聚群行为,更新群体状态1 和对应适应度1更新至鱼群状
8、态1追尾行为,更新群体状态2 和对应适应度2更新至鱼群状态2比较适应度确定最优解送代次数count=0解变换得到新解否比较确定最优解判断是否接受新解是保存第gen代最优解gen=gen+1是求得最优解Gen 3m,道路无纵坡,无自行车影响,大车比例很小不作特别分析,因此不考虑对饱和流率的影响与修正,确定一条直行车道的标准饱和流量为1650pch/h,一条直行车道的标准饱和流量为1 5 5 0 pch/h。该交叉口各方向流量与配时基础数据见表1。表1安徽省合肥市紫云路与金寨路平面交叉路口各方向流量与配时数据单车道交通量饱和流量相位进口方向绿灯时长/s黄灯时长/s/(pcu h-)/(pcu h-
9、)西进口直行4081165045东进口直行70西进口左转1092155022东进口左转2413北进口直行344。3165033南进口直行49北进口左转4284155020南进口左转122基于交叉口的现状交通流量和配时数据,考虑交叉口各个相位的启动损失时间为3s,计算结果显示,整体交叉口的车均延误为2 0 2.8 1 s/pcu,表明车辆通过该交叉口时的拥堵情况较为严重。下面试验用SA算法和AF算法及SAAF算法进行交叉口的信号配时优化。(1)S A 算法的相关参数设置:随机生成初始解,初始温度T。=1 0 0 0,终止温度Tend=0.001,每次退火温度下的送代次数L=500,降温速率q=0
10、.9,最大送代次数count=100。(2)A F算法的相关参数设置:人工鱼的数量fishnum=100,最大送代次数MAXGEN=100,觅食行77基于模拟退火改进人工鱼群算法的交通信号配时优化许佳佳等2期为中的最多试探次数try_number=30,模拟鱼感知半径的感知距离uisual=35,拥挤度因子(模拟鱼群的拥挤程度的拥挤度因子)delta=0.618,最大移动步长step=4.5。(3)交叉口延误计算的其他相关参数设置:针对于交叉口信号配时的约束优化模型中的约束条件要求,行人过街步行速度,取1.5 m/s,车辆通过交叉口的速度。为3m/s,4个相位中两个对向方向车辆或行人通过交叉口
11、需要经过最大的距离依次取40,5 0 30,5 0 m,各相位的绿灯损失时间均取3s,各相位的黄灯时间也设置为3s。基于交叉口的流量数据和相关的交叉口形式、交通流和信号配时的默认设置参数,代人上述交叉口信号配时的约束优化模型从而实现模型的实例化,先分别运用SA算法和AF算法对其进行启发式求解和计算延误,再将两种方法基于前述模拟退火改进人工鱼群算法的思路进行组合并进行实例模型的求解,最终得到单一智能算法和组合改进算法的信号配时方案解及对应的延误数据,具体的交叉口信号配时现状与优化方案及其运行效果评价数据见表2。表2安徽省合肥市紫云路与金寨路平面交叉路口信号配时现状与优化方案运行效果相位1相位2相
12、位4相位3车均延误/配时方案绿灯时间/s绿灯时间/s绿灯时间/s绿灯时间/s(s pcu)案例现状45223320202.81模拟退火算法3827344698.94人工鱼群算法3724344197.88模拟退火改进人工鱼群算法3723344196.66试验结果表明,SA算法、AF算法和SAAF算法所得的信时配时方案中的时间数据之间较为接近,但相对于现状信号配时方案有着较大变化,3种算法求解的信号配时方案对应的交叉口整体的车均延误分别为9 8.9 4,9 7.8 8,9 6.6 6 s/pcu,相较于现状交叉口车均延误均减小了5 0%以上,说明通过智能算法进行交叉口信号配时优化的效果较为明显,并
13、且其中SAAF算法所得方案的车均延误要更优于单一的SA算法和AF算法(图2)。400模拟退火算法350-一一一人工鱼群算法(r-nod.s)/Mmf+300模拟退火改进人工鱼群算法2502001501005001工11611162126313641465156616671768186 91 96送代次数图2交通信号配时优化3种算法选代优化过程计算结果表明,3种不同的算法的迭代过程变化情况有着较大的差异(图2)。SA算法因为其全局搜索能力表现出迭代初期过程波动程度较大,而AF算法基于其较强的搜索能力使得其初期解的结果较优并且下降过程较为稳定。而SAAF算法结合了两种方法的优点,在迭代的初期即非常
14、接近最优解,在后续迭代过程中也表现非常稳定的持续下降趋势,并且改进后的算法历代迭代所得到的信号配时方案对应的交叉口整体车均延误均优于另两种算法,表现出SAAF算法求解约束优化模型的良好效果。(责任编辑:朱宝昌,杨静)37卷78河北科技师范学院学报4结论与讨论本次研究以交叉口车均延误最小为目标函数和周期时长及绿灯时间等为约束条件构建信号配时优化模型,并基于SA算法对AF算法进行改进后对模型进行求解与分析交叉口的通行效果改进情况,得出以下结论:(1)AF算法由于其感知能力和步长参数是固定的,会使其容易跳过最优解和陷人局部最优解,利用SA算法初值鲁棒性和局部收敛精度高的特点进行改进可以提升其搜索全局
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 模拟 退火 改进 人工 鱼群 算法 交通信号 优化
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。