【技術實現步驟摘要】
本專利技術屬于智能交通控制，具體涉及一種基于多算法的信號配時方案自動生成系統。
技術介紹
1、隨著城市交通的快速發展，平面交叉口堵塞問題已成為世界眾多城市交通面臨的主要問題之一。交通信號配時是改善城市道路擁堵、優化道路通行效率的重要策略，利用交通大數據進行優化建模，并利用多目標優化措施以解決信號交叉口配時優化問題的技術紛紛涌現。
2、現有的多種信號配時方案自動生成算法大多停留在將多種優化目標進行加權組合成一個綜合優化目標的方式，或者通過轉約束法將其他控制目標包含在約束條件內，這種算法仍然屬于單目標單算法的優化模型，并不能讓多個目標一起獲得最優解。
3、因此，仍然缺少一種多目標多算法的信號配時方案自動生成系統。
技術實現思路
1、有鑒于此，本專利技術提出一種基于多算法的信號配時方案自動生成系統，通過集成多算法模型，實現了交通信號配時方案的自動生成，不僅提升了交通管理的效率和效果，還為城市交通的可持續發展提供了強有力的技術支持。
2、為達到上述目的，本專利技術提供如下技術方案：
3、本專利技術提供的一種基于多算法的信號配時方案自動生成系統，包括：
4、指標數據統計模塊，用于預先劃定的任意一個交通區域，統計其中所獲取的交通大數據內預設的多種指標數據，得到指標數據的統計結果；
5、指標算法模型管理模塊，用于基于統計結果中任意指標，使用對應特定的指標算法模型對其進行結果表示；
6、優化模型生成模塊，用于針對多
7、問題求解模塊，用于對優化模型進行求解，并根據求解結果生成目標交通區域的信號配時方案。
8、優選的，指標數據統計模塊通過以下方式劃分交通區域：
9、預先通過以往的交通大數據，統計市級大范圍區域內各位置的平均交通流量分布；
10、基于平均交通流量分布劃分平均交通流量等高線，并篩選出平均交通流量大于預設閾值的位置點為擁堵位置；
11、基于市級范圍內擁堵位置的分布狀態對所有擁堵位置進行聚類，得到聚類結果；
12、對于任意一個聚類結果，統計聚類結果內所有擁堵位置的平均交通流量總值，基于預設的平均交通流量總值-等高線值表格確定對應的等高線值；
13、用該等高線值劃分出一個能夠囊括聚類結果內所有擁堵位置的區域作為交通區域。
14、優選的，在利用等高線值劃分交通區域的過程當中執行包括：
15、對聚類結果內的所有擁堵位置進行確定，并以聚類結果最外圍的多個擁堵位置連線得到一個聚類區域；
16、基于預設的聚距離閾值對聚類區域進行擴張，得到第二類區域；
17、對第二類區域外的區域，選取所有方向上滿足等高線值且離第二類區域最近的等高線，并對其進行平滑連接處理，得到封閉的區域劃分曲線；
18、確定該區域劃分曲線所囊括的區域為交通區域。
19、優選的，基于統計結果中任意指標，使用對應特定的指標算法模型對其進行結果表示包括：
20、基于統計結果確定交通區域內的相位車輛平均延誤：
21、
22、其中，yi表示第i相位的車輛平均延誤，t為信號周期，γi為相位綠燈信號比，xi為用到達交通量與通行能力的比值表示的飽和度，qi為進口道車流量；
23、基于相位車輛平均延誤進行加權計算得到周期車輛平均延誤
24、
25、統計車輛在信號燈路口的相位平均停車次數mi：
26、
27、其中，ki表示進口道車輛到達率和飽和流量之比的比值；
28、通過以下公式計算加權相位平均停車次數得到周期平均停車次數
29、
30、基于停車線原理，確定周期內通行能力x：
31、
32、其中，si為信號燈相位下車輛的飽和流量。
33、優選的，針對多個指標對應的多個指標算法模型，構建多算法的信號配時優化模型包括：
34、利用周期車輛平均延誤、周期平均停車次數以及周期內通行能力設計信號配時多算法多目標的優化模型：
35、
36、其中，fi(θ)表示為n個優化目標的目標函數，θ為調整參數，為周期車輛平均延誤，為周期平均停車次數，為周期內通行能力，為現狀周期車輛平均延誤，為現狀周期平均停車次數，為現狀周期內通行能力，i為信號周期相位；
37、建立以下約束條件：
38、信號周期時長t介于最大周期tmax和最小周期tmin之間；
39、有效綠燈時間gi處于最短綠燈時間gi，min和最長綠燈時間gi，max之間；并且周期長t等于各相位有效綠燈長加上信號總損失時間l；
40、車流量飽和度設置在0.70至0.90之間；
41、約束條件集中表示為：
42、
43、基于多算法多目標的優化模型以及約束條件，得到多算法的信號配時優化模型。
44、優選的，對優化模型進行求解，并根據求解結果生成目標交通區域的信號配時方案包括：
45、利用遺傳算法對優化模型進行求解，其中遺傳算法的計算過程如下：
46、步驟s1、初始化種群，利用隨機函數生成多個初始個體種群并根據多目標優化問題的維數選擇種群數目，設置最大迭代次數并對當前迭代次數進行初始化：
47、步驟s2、判斷當前迭代次數是否滿足大于最大迭代次數的條件，若滿足則終止計算過程并輸出最優解，若不滿足則進入下一步；
48、步驟s3、將快速非支配排序策略應用到種群當中，指定每一層的適應度；
49、步驟s4、通過交叉變異算子產生下一代，與其父代種群進行合并；
50、步驟s5、定量評價種群多樣性，得到種群多樣度；
51、步驟s6、若多樣度大于設定值，則進入下一步，否則對種群進行動態更新后進入下一步；
52、步驟s7、在擁擠度距離的設計當中，利用精英策略選擇n個個體成為新的父代種群；
53、步驟s8、迭代次數加一，返回步驟s2；
54、根據所求得的最優解，得到最優的信號配時方案。
55、優選的，交叉變異算子包括：
56、對于t代的每個向量lt，隨機選擇3個不同的目標向量通過變異方案生成變異個體
57、
58、其中，i表示t代中的第i個向量，f為用差分向量的縮放因子表示的變異率；
59、通過二項分布交叉發得到下一代實驗種群
60、
61、其中，表示第i個向量的j維分量，d表示維度總數，ri為0到1閉區間內的隨機數，cr為用于控制交叉速率或概率的交叉系數。
62、優選的，對種群進行動態更新包括：
63、當種群數量下降至預設的臨界值時，將種群適應度高于種群平均適應度的部分進行保留，并對本文檔來自技高網...
【技術保護點】
1.一種基于多算法的信號配時方案自動生成系統，其特征在于，包括：
2.根據權利要求1的一種基于多算法的信號配時方案自動生成系統，其特征在于，指標數據統計模塊通過以下方式劃分交通區域：
3.根據權利要求2的一種基于多算法的信號配時方案自動生成系統，其特征在于，在利用等高線值劃分交通區域的過程當中執行包括：
4.根據權利要求1的一種基于多算法的信號配時方案自動生成系統，其特征在于，基于統計結果中任意指標，使用對應特定的指標算法模型對其進行結果表示包括：
5.根據權利要求1的一種基于多算法的信號配時方案自動生成系統，其特征在于，針對多個指標對應的多個指標算法模型，構建多算法的信號配時優化模型包括：
6.根據權利要求1的一種基于多算法的信號配時方案自動生成系統，其特征在于，對優化模型進行求解，并根據求解結果生成目標交通區域的信號配時方案包括：
7.根據權利要求6的一種基于多算法的信號配時方案自動生成系統，其特征在于，交叉變異算子包括：
8.根據權利要求6的一種基于多算法的信號配時方案自動生成系統，其特征在
...【技術特征摘要】
1.一種基于多算法的信號配時方案自動生成系統，其特征在于，包括：
2.根據權利要求1的一種基于多算法的信號配時方案自動生成系統，其特征在于，指標數據統計模塊通過以下方式劃分交通區域：
3.根據權利要求2的一種基于多算法的信號配時方案自動生成系統，其特征在于，在利用等高線值劃分交通區域的過程當中執行包括：
4.根據權利要求1的一種基于多算法的信號配時方案自動生成系統，其特征在于，基于統計結果中任意指標，使用對應特定的指標算法模型對其進行結果表示包括：
5.根據權...
【專利技術屬性】
技術研發人員：張民主，茍超，葉海，段輝，劉薇，曾思雨，
申請(專利權)人：成都交投智能交通技術服務有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。