本发明专利技术公开了一种基于改进冠豪猪算法的交通信号配时优化方法，该方法包括以下步骤：1)采集交通信号交叉口的信息；2)建立交叉口的交通信号配时优化模型；3)设置交通信号配时优化模型约束条件；4)将交叉口的交通信号配时优化模型的多目标优化问题转化为单目标优化问题，再结合模型约束进行模型求解，获得当前周期的交叉口的交通信号配时方案。本发明专利技术的交通信号配时优化方法，使用改进的冠豪猪算法求解目标函数，优化获得最优解的方案，本发明专利技术可有效提升交叉口信号配时方案的可行性和优异性。
【技术实现步骤摘要】
本专利技术涉及智能交通技术，尤其涉及一种基于改进冠豪猪算法的交通信号配时优化方法。
技术介绍
1、城市交通平面交叉口堵塞问题已成为世界众多城市交通面临的主要问题之一，交通信号配时是改善城市道路拥堵、优化道路通行效率的重要策略。针对交通拥堵问题，现有的优化算法,如麻雀算法和灰狼算法,存在多目标求解耗时、收敛精度差和难以获得最优解的问题，而冠豪猪算法可以用于交通信号配时优化，其具有平衡全局搜索和局部搜索能力，使其在求解精度优于上述方法，但同时也存在收敛速度慢，易陷入局部最优解的问题，因此，我们提出了一种基于改进冠豪猪算法的交通信号配时优化方法。
技术实现思路
1、本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种基于改进冠豪猪算法的交通信号配时优化方法。
2、本专利技术解决其技术问题所采用的技术方案是：一种基于改进冠豪猪算法的交通信号配时优化方法，包括以下步骤：
3、1)采集交通信号交叉口的信息，所述信息包括：车辆平均延误、平均停车次数、通行能力和尾气排放；
4、1.1)周期车辆平均延误计算如下：
5、
6、其中，
7、
8、式中，di为第i相位的车辆平均延误；c为信号周期；λi为相位相位i的有效绿灯时长与周期之比；xi为饱和度,即到达交通量与通行能力的比值；qi为进口道车流量；n为相位数；
9、1.2)平均停车次数计算如下：
10、
11、其中，
<
p>12、13、其中，hi为第i相位的车辆平均停车次数；yi为第i相位的进口道车辆到达率和饱和流量之比的比值；
14、1.3)周期内通行能力q计算如下：
15、
16、式中，si为相位i的饱和流量；
17、1.4)尾气排放e计算如下：
18、
19、式中，e是单位怠速排放因子；ei为第i相位的尾气排放；
20、2)建立交叉口的交通信号配时优化模型；
21、q、e分别为历史周期车辆平均延误、平均停车次数、通行能力以及尾气排放；q0、e0分别为当前周期车辆平均延误、平均停车次数、通行能力以及尾气排放，i为信号周期相位数；
22、fi＝{f1,f2,f3,f4}；其中，
23、
24、3)设置交通信号配时优化模型约束条件；
25、约束条件为：
26、
27、其中，c为信号周期，gi为第i相位有效的绿灯持续时间，l为全部信号损失时间，xi为到达交通量与通行能力的比值；
28、4)将交叉口的交通信号配时优化模型的多目标优化问题转化为单目标优化问题，再结合模型约束进行求解，获得当前周期的交叉口的交通信号配时方案；
29、首先以车辆平均延误f1最小为目标对模型进行求解，得到最优解再以全程运输碳排放f2最小为目标对模型进行求解，得到最优解同理获得和结合上述4个目标的理想值构造新优化目标，
30、
31、将原多目标优化问题转化为单目标优化问题，以y为新目标，结合模型约束进行求解。
32、步骤4)中，采用改进的冠豪猪算法cpo进行模型求解；改进如下：
33、4.1)种群初始化改进；
34、
35、
36、其中n′表示种群大小，是搜索空间中的第i个候选解，和分别是搜索范围的下限和上限，ci是是混沌序列中的第i个值，p在[0,0.5]内取值，为一个分段控制因子，用来划分该分段函数的4部分函数，一般p＝0.3；
37、初始种群表示为:
38、
39、式中，xij表示第i个解的第j个位置，d表示给定问题的维度大小；
40、4.2)在得到当前最优解后，使用柯西分布函数对当前全局最优解进行变异处理：
41、xnewbest＝best+best×cauchy(0,1)
42、其中，xbest为当前最优解，xnewbest对当前全局最优解进行变异处理后的解，cauchy(0,1)为符合cauchy(0,1)分布的随机数。
43、4.3)引入循环种群缩减技术(cpr)，除加快收敛速度外，还可以保持种群多样性；其模拟了并非所有cp都激活防御机制的情景，而是只有那些受到威胁的cp才激活防御机制，即在优化过程中从种群中取出一些cp，以加快收敛速度，并将它们重新引入种群，以提高多样性，避免陷入局部极小值；该循环基于循环变量t，以确定优化过程中执行该过程的次数；公式表示如下：
44、
45、其中，t是确定循环数的变量，t是当前迭代次数，tmax是最大求解次数，％表示余数或模运算符，n是种群大小，nmin是新生成的种群中个体的最小数量，使得种群大小不能小于nmin。
46、改进的冠豪猪算法中控制参数设置如下，预定常数tf＝0.9，最小种群大小nmin＝25，循环次数t＝2，收敛速度因子α＝0.03。
47、本专利技术产生的有益效果是：
48、本专利技术的交通信号配时优化方法，一方面使用理想点法处理多目标函数，将其转换为单目标问题，使用改进的冠豪猪算法求解目标函数，优化获得最优解的方案，本专利技术可有效提升交叉口信号配时方案的可行性和优异性。
本文档来自技高网...
【技术保护点】
1.一种基于改进冠豪猪算法的交通信号配时优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进冠豪猪算法的交通信号配时优化方法，其特征在于，所述步骤1)中，车辆平均延误、平均停车次数、通行能力和尾气排放信息计算如下：；
3.根据权利要求1所述的基于改进冠豪猪算法的交通信号配时优化方法，其特征在于，所述步骤3)中，
4.根据权利要求1所述的基于改进冠豪猪算法的交通信号配时优化方法，其特征在于，所述步骤4)中，进行模型求解时首先以车辆平均延误F1最小为目标对模型进行求解，得到最优解再以全程运输碳排放F2最小为目标对模型进行求解，得到最优解同理获得和结合上述4个目标的理想值构造新优化目标，
5.根据权利要求4所述的基于改进冠豪猪算法的交通信号配时优化方法，其特征在于，进行模型求解采用冠豪猪算法。
6.根据权利要求4所述的基于改进冠豪猪算法的交通信号配时优化方法，其特征在于，步骤4)中，采用改进的冠豪猪算法CPO进行模型求解；改进如下：
7.根据权利要求6所述的基于改进冠豪猪算法的交通信号配时优化方法，其特征在于，改进的冠豪猪算法中控制参数设置如下，预定常数Tf＝0.9，最小种群大小Nmin＝25，循环次数T＝2，收敛速度因子α＝0.03。
8.一种电子设备，其特征在于，
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的方法。
...
【技术特征摘要】
1.一种基于改进冠豪猪算法的交通信号配时优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进冠豪猪算法的交通信号配时优化方法，其特征在于，所述步骤1)中，车辆平均延误、平均停车次数、通行能力和尾气排放信息计算如下：；
3.根据权利要求1所述的基于改进冠豪猪算法的交通信号配时优化方法，其特征在于，所述步骤3)中，
4.根据权利要求1所述的基于改进冠豪猪算法的交通信号配时优化方法，其特征在于，所述步骤4)中，进行模型求解时首先以车辆平均延误f1最小为目标对模型进行求解，得到最优解再以全程运输碳排放f2最小为目标对模型进行求解，得到最优解同理获得和结合上述4个目标的理想值构造新优化目标，
5....
【专利技术属性】
技术研发人员：徐良杰，徐溢晨，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。