基于混沌遗传算法的交通灯时长调节仿真

2023-07-03杨道平葛耿育夏德友

计算机仿真 2023年5期

杨道平,葛耿育,夏德友

(1. 遵义师范学院信息工程学院,贵州遵义 563006;2. 重庆邮电大学计算机科学与技术学院,重庆 400065)

1 引言

交通拥堵问题在很多城市中愈发严重[1],交通灯是城市交通控制系统的主要构成之一,在保障城市道路网络车辆通行中具有无可替代的意义,传统交通灯通常依据经验设置固定时长,不能根据交通情况实时调整时长,在车辆与日俱增的背景之下已无法满足交通需求,由此,交通灯时长自适应调节方式应运而生,该方式具有强可用性和高灵活性的优点,能够有效的缓解交通拥堵问题,目前已成为交通灯的未来发展方向[2]。

针对此问题,陈海洋等人[3]提出了一种基于改进克隆选择算法的区域交通灯配时优化方法。以区域道路网络中总滞留车辆最少为目标构建优化模型,采用双层动态变异算子改进克隆选择算法,利用改进的克隆选择算法求解目标模型,完成交通灯时长自适应调节。童林等人[4]提出了一种区分交通流模式的混合服务路口信号控制策略。通过自组织映射神经网络聚类历史交通流量信息,依据时间和环境特征划分交通流量模式,采用概率神经网络训练学习交通流量模式,动态选取门限服务轮询控制法和韦伯斯特配时法计算配时周期,实现交通灯时长自适应调节。徐建闽等人[5]提出了基于PSO-X算法的交通信号区域协调控制模型。以交叉口路段排队长度、区域输出车辆流量和总延误时长三个指标为优化目标构建模型,依据上下游关系获取相邻交叉口相对相位差,通过改进的粒子群算法求解模型,完成交通灯时长自适应调节。以上方法没有考虑算法实时性,导致吞吐量低、车辆等候时间均值和车辆饱和度高、滞留车辆数目多的问题。

城市路口等待信号灯的车辆种类差异很大,例如有大卡车,小轿车或是货车等,且驾驶人的反应时间也不同,因此车与车之间存在着启动迟滞,导致对路口信号灯所需亮灯时长的预估具有一定难度。为此,提出一种新的基于混沌遗传算法的交通灯时长自适应调节方法。

2 交通灯控制模型

2.1 车辆描述

车辆描述模型分为车辆生成模型和车辆特征模型,由于交通模型中关键点是车流,因此不对车辆特征模型予以考虑。用λi表示率参数,i=1,2,3,4,5,6,R表示在[0,1]区间内生成的随机数,依据统计学理论可知,车辆相继到达时间t服从λi的指数分布[6],即t=(-1/λi)lnR。

2.2 道路网络描述

车辆运行以道路网络为基础[7],道路网络描述模型主要由以下三部分构成:

①车道模型:所提方法以单车道为例构建车道模型,因此不考虑超车情况;

②路段模型:道路长度为L,路段分为f1～f8;

③路口模型:路口模型在单车道条件下可简化为矩形。

2.3 车辆行驶状态

在单车道模型中,车辆的行驶状态分为自由状态和跟驰状态两种,如下所示:

1)自由状态

(1)

2)跟驰状态

若目标车辆与其前方车辆距离小于某个阈值,则前方车辆会影响目标车辆的行驶状态,目标车辆无法依据期望速度行驶,而是需要随着前方车辆速度行驶并与其保持一定距离,此时目标车辆即为跟驰状态。

2.4 交通控制模型

交通控制模型具有随时间改变的动态特性,该模型对车辆产生制约作用,引入两相位信号控制模式[8],依据交通灯的控制需求将信号控制于周期之内,以路口1出发车辆在行驶至路口2前不会受到干扰为前提、路口1和路口2车辆等候时间均值最短为目标建立交通控制模型。

1)路口1

①f6方向

(2)

②f1方向

(3)

③f2方向

(4)

2)路口2

(5)

根据式(2)、式(3)、式(4)和式(5)可得到车辆总等候时间Twaiting如下所示

(6)

在一个交通灯控制周期内,全部等候车辆总数N=n6+n1+n2+m5+m3+m4,结合式(6)可得车辆等候时间均值Tavg如下所示

(7)

3 模型求解

3.1 混沌遗传算法

遗传算法是一种强鲁棒性搜索算法[9]。算法采用Logistic映射作为混沌遗传算法[10,11]的混沌系统[12,13],用ξ表示控制变量,ξ∈[0,4],x表示自变量,yn表示x的第n次计算值,yn+1表示第n+1次计算值,yn,yn+1∈[0,1],则Logistic映射混沌特性公式如下所示

yn+1=ξyn(1-yn)

(8)

(9)

3.2 模拟退火混沌遗传算法

为了进一步提升算法的全局寻优能力,将模拟退火算法应用到混沌遗传算法之中[14]。由于交通灯时长求解问题自由度较高,因此所提方法转换一次扰动为多次扰动,对多次扰动中相应目标函数值加以计算,选取其中最优值作为邻域新解。模拟算法的主要步骤如下所示:

①初始化控制参数T,设定其初始值为T0,终止值为Tf,依据实际需求设置模拟退火中各个参数的变化范围,并随机生成初始解x0与其目标函数值E(x0),在(0,1)范围内随机生成概率阈值θ,用ε表示退火系数,ε∈(0,1),则降温规则T(k+1)=εT(k),其中,k表示迭代次数;

③根据Metropolis准则获取新解接受概率P[15],如下所示:

(10)

④续生成新解并重复执行步骤③;

⑤依据降温规则不断降低温度;

⑥重复步骤②到步骤⑤,直到满足终止条件为止。

将生成的新种群按照适应度降序排序,采用模拟退火算法对其中优秀个体局部寻优,依序排列原始解和生成的新解,选择其中若干个体加入下代种群之中,继续执行混沌遗传算法,直到达到最大迭代次数,解码最优个体即可获得最优信号灯时长值,实现交通灯时长自适应调节。

4 实验与结果

为了验证研究方法的整体有效性,设计以下实验。采用VISSIM作为交通行为仿真建模工具,根据上文中道路的长度以及路段数量的设置,构建信号灯控制模型,如图1所示。

图1 交通灯控制图

为验证所提方法的调节性能,选取吞吐量、车辆等候时间均值、车辆饱和度和滞留车辆数目为指标。将基于混沌遗传算法的交通灯时长自适应调节方法(混沌遗传算法)与基于改进克隆选择算法的区域交通灯配时优化方法(改进克隆选择方法)和区分交通流模式的混合服务路口信号控制策略方法(区分交通流模式方法)为对比,建模中涉及指标和取值如表1所示。