基于主成分分析改进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技术领域。运用遗传算法和生物特征识别技术 交叉领域的算法（具体涉及经典遗传算法和主成分分析PCA)来实现对城市单交叉口信号 配时控制。
【背景技术】
[0002] 随着我国经济的快速发展，城市化进程不断加快，机动车保有量也随之快速增加， 交通出行量大大增长，交通供给严重不足，供求矛盾凸显。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宄课题，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SCOOT(SplitCycle andOffsetOptimizationTeclmiquel)系统、澳大利亚的SCAT(SydneyCoordinated AdaptiveTraffic)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宄有 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。
[0006] 针对这一问题，本发明分析遗传算法和特征提取的基本原理之间的内在关系，并 提出了一种模式识别中的特征提取方法来指导遗传操作的改进遗传算法，提高算法的搜索 效率，避免过早收敛现象。以此来解决城市单交叉口信号配时控制问题。
【发明内容】
[0007] 本发明的目的是提出一种基于主成分分析的改进遗传算法（PGA)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。
[0008] 本发明的基于主成分分析的改进遗传算法（PGA)，其特征在于能够根据PCA统计 的父代个体的相似基因位避开容易产生无效交叉的交叉位置，减少无用的交叉，提高算法 的搜索效率，变异算子根据PCA统计的相似基因位进行自适应的变异概率调节，从而保护 优秀模式，提高算法的局部搜索效率。
[0009] 一种基于主成分分析改进遗传算法的交通信号优化配时方法，包括以下步骤：
[0010]S1进行个体编码、初始化数据，并设定参数：
[0011] 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：< t2t3>，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Pc为0. 8，变异概率Pm为0. 01，个体长度21位；
[0012] S2种群初始化：
[0013] 随机产生popsize个21位个体组成的初始种群popO。
[0014] S3交叉操作：
[0015] S3. 1以轮盘赌的方式从popO中选择两个个体pJPp2。即设Pi= (p1;1,p1;2, ? ? ?，p1;N)，p2=(p2;1，p2,2, ? ? ?，p2，N)为参与交叉操作的两个父代个体，将pJPp2 组成一个矩阵P，形式如下：
【主权项】
1. 基于主成分分析改进遗传算法的交通信号配时优化方法，其特征在于：该方法包括 如下步骤， S1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：<t:t2t3>，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Pc为0. 8,变异概率Pm为0. 01，个体长度21位； S2种群初始化 随机产生popsize个21位个体组成的初始种群popO; S3交叉操作 S3. 1以轮盘赌的方式从popO中选择两个个体PjPP2;即设p(p1;1，p1>2,. . .，p1>N)， P2= (Pu，P2,2，...，P2，N)为参与交叉操作的两个父代个体，将PJBP2组成一个矩阵P，形式 如下：
z对iTtf」〃a；仃土成分分析（设定降维维数为N)，得到特征矩阵W= [w1；w2, . . .wm]； S3. 3取出W中第一个特征值对应的特征向量Wl，找出Wl中第一个不为0的位置设为 first和最后一个不为0的位置last; S3. 4利用以下公式算出交叉位置pis pis=first+rand()%(last-first) 53. 5利用S3. 4中的pis对p1和p2进行单点交叉，得到p' 1和p' 2； S4变异算子 54. 1 设口/ = (p1;1'，p1;2'，…，p1;N'），p2' = (p2;1'，p2,2'，…，p2，N'）为参与完交叉操作 后将要执行变异操作的两个个体； S4. 2根据交叉算子中W中第一个特征值对应的特征向量Wl，将其中的基因位分为等于 〇的和不等于〇的； S4. 3将力中对应为0的p/和p2'的基因位采用较小的变异概率Pml，其他位置采用 较大的变异概率Pmh; S4. 4对p/和口2'进行变异，得到p"1和p" 2，并放入到种群popl中； S5终止条件判断： 若达到规定的代数或者得到满意的结果，则结束并输出结果，否则转S6 ; S6进入下一遗传循环： 从popO和popl中的个体进行适应度排序，挑选popsize个适应度高的个体进入pop2 中，将S3替换掉popO,转S3; 由此得到有效的交通信号优化配时。
2. 根据权利要求1所述的基于主成分分析改进遗传算法的交通信号配时优化方法，其 特征在于：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：
式中，T为单交叉口信号控制的周期长度；ti表示路口四相位的配时，i= 1，2,3,4; 入ijk表示第i相位j方向k车道的车辆到达率，j= 1，2, 3, 4,分别代表向东、向西、向南和 向北四个入口方向，k= 1，2, 3,分别代表左转、直行和右转三个车道；uijk表示第i相位j方 向k车道的车辆放行率； < 为第1周期后，第i相位j方向k车道的车辆排队数，表达式为
式中，D;;t表示放行状态矩阵，其表达式为：
式中，"0"表示相应相位下的对应车道处于禁止放行状态，" 1"表示相应相位下的对应 车道处于放行状态。
【专利摘要】基于主成分分析改进遗传算法的交通信号配时优化方法，通过分析遗传算法与图像处理和模式识别间的内在联系而提出了这种算法，可以用于求解各种函数优化问题。此算法利用对种群个体进行主成分分析分析设计交叉和变异算子。交叉算子能够根据PCA统计的父代个体的相似基因位避开容易产生无效交叉的交叉位置，减少无用的交叉，提高算法的搜索效率；变异算子根据PCA统计的相似基因位进行自适应的变异概率调节，从而保护优秀模式，提高算法的局部搜索效率。将本算法应用于单交叉口信号配时优化问题，通过和现有的算法进行测试对比说明了算法的通用性和有效性，得到了有效的配时时间，减少了交叉口前的排队车辆数。
【IPC分类】G06N3-12, G08G1-07
【公开号】CN104809889
【申请号】CN201510185281
【发明人】杨新武, 赵崇, 牛文杰
【申请人】北京工业大学
【公开日】2015年7月29日
【申请日】2015年4月19日