基于串行PSO算法的交通信號網(wǎng)絡優(yōu)化控制研究.pdf

1、動態(tài)交通網(wǎng)絡的控制一直是城市交通問題的一個重點和難點，當城市中的車輛數(shù)目成爆炸式增長時，給城市的交通問題和環(huán)境問題帶來了巨大影響，并且汽車尾氣的排放也加劇了全球溫室效應。交通擁堵一直是大城市交通網(wǎng)絡面臨的嚴重問題。如何控制交通信號是解決這個問題的有效策略之一，通過動態(tài)調(diào)整交通網(wǎng)絡上的每個結點的信號計劃可以緩解這個問題。國內(nèi)外有很多研究人員致力于信號調(diào)整的優(yōu)化算法研究。
　　本文主要從事交通網(wǎng)絡中信號的優(yōu)化控制，以達到減少車輛延時和

2、停車次數(shù)的目的，使得其所需油耗減少，從而減少其尾氣排放。在減少城市交通擁塞問題的同時，減少車輛對環(huán)境的影響，針對交通信號網(wǎng)絡優(yōu)化問題，本文提出采用擴展的元細胞傳輸模型，并引入串行粒子群算法進行該問題的求解，本文主要的工作內(nèi)容如下:
　　(1)針對動態(tài)交通網(wǎng)絡的建模問題，采用擴展的元細胞傳輸模型(CTM，CellTransmission Model)進行建模。對基本的CTM模型中的會合模型和分叉模型進行了擴展，并建立了十字路模型，以

3、適應現(xiàn)代城市動態(tài)交通網(wǎng)絡的需求。并描述了如何將紅綠燈時間引入到CTM模型中，為進行具體的交通信號控制提供了控制模型。最后在通用的AIMSUN和CTMSIM實驗平臺，進行擴展CTM模型的有效性評估。實驗表明，擴展CTM對動態(tài)交通網(wǎng)絡的建模是有效并且可行的。
　　(2)針對動態(tài)交通網(wǎng)絡中信號控制的優(yōu)化問題，提出了采用串行粒子群算法(TSCOPSA)進行該求解。對經(jīng)過建模后的動態(tài)交通網(wǎng)絡模型，進一步采用與基本粒子群算法處理方式所不同的串

4、行處理方法。對信號優(yōu)化問題的適應度函數(shù)——車輛的延時進行定義，并對交通信號的設置和車輛延時的影響進行分析。通過實際場景的模擬實驗結果表明，TSCOPSA算法與SGA相比在延時、油耗和算法性能上分別有著3.96％、0.42％和10.13％的平均改進率;同時在三個指標上最高能達到7.25％、1.03％、和18.2％。并且TSCOPSA算法與PPSO相比在延時、油耗和算法性能上分別有著3.17％、0.22％和2.03％的平均改進率;同時在三個