智能控制應(yīng)用案例三.ppt

智能控制應(yīng)用案例,遺傳算法在交通控制中的應(yīng)用 楊長(zhǎng)安 S101946,本實(shí)例是采用遺傳算法方法對(duì)城市交叉路口交通信號(hào)燈實(shí)施合理優(yōu)化配時(shí)控制，以緩解日趨緊張的交通擁擠問(wèn)題，提高交通效益。針對(duì)交通信號(hào)控制的具體情況，對(duì)算法本身存在的有不等式約束的基本問(wèn)題做了一個(gè)初步改進(jìn)，采用基于退火選擇算子和自適應(yīng)適應(yīng)度的改進(jìn)遺傳算法來(lái)解決目前的約束處理方法中存在的問(wèn)題。把改進(jìn)的算法用到一個(gè)交通交叉路口控制模型中得到較好的結(jié)果。而對(duì)兩個(gè)交叉路口建立模型中，因?yàn)槟Ｐ偷募s束條件中不但含有不等式，還含有等式約束，為此，我們采取先隨機(jī)生成任意種群，然后讓種群慢慢逼近到可行域范圍內(nèi)，再讓種群在可行域內(nèi)迭代。對(duì)于迭代到可行域之外的群體降低它的適應(yīng)度，最后經(jīng)過(guò)數(shù)次迭代后找到最優(yōu)解。計(jì)算結(jié)果顯示該方法的有效性。,國(guó)內(nèi)外研究智能交通的幾種基本方法,（1）專(zhuān)家系統(tǒng)具有便于運(yùn)用結(jié)構(gòu)化、模型化方法和推理模型、充分吸收人類(lèi)專(zhuān)家經(jīng)驗(yàn)和實(shí)現(xiàn)輔助決策的特點(diǎn)。 （2）模糊數(shù)學(xué)在交通控制的應(yīng)用。模糊邏輯是一種處理不確定性、非線(xiàn)性等問(wèn)題的有力工具，特別適用于表示模糊及定性知識(shí)，與人類(lèi)思維的某些特征相一致，故嵌入到推理技術(shù)中具有良好效果。 （3）基于元胞自動(dòng)機(jī)的城市交通信號(hào)自組織控制方法，將城市交通信號(hào)控制系統(tǒng)作為交通網(wǎng)絡(luò)處理，每個(gè)路口作為具有自主采集和處理信息功能的智能體，系統(tǒng)依靠網(wǎng)絡(luò)的自組織實(shí)現(xiàn)每個(gè)路口交通信號(hào)控制的動(dòng)態(tài)決策。 （4）智能算法解決交通問(wèn)題 。,遺傳算法在其交通應(yīng)用中存在的問(wèn)題,（1）模型復(fù)雜,參數(shù)太多難以達(dá)到優(yōu)化目的,優(yōu)化速度慢且達(dá)不到最優(yōu)解。 （2）約束條件不但復(fù)雜,而且繁多,算法收斂的時(shí)候很難滿(mǎn)足約束條件,標(biāo)準(zhǔn)遺傳算法的流程如下:,(1)使用二進(jìn)制編碼對(duì)搜索空間進(jìn)行編碼 (2)隨機(jī)產(chǎn)生包含n 個(gè)個(gè)體的初始群體 (3) 適應(yīng)度評(píng)估檢測(cè)個(gè)體適應(yīng)度(個(gè)體適應(yīng)度反映了個(gè)體好壞的情況) (4) WHILEDO (5) 用賭輪選擇方法選出若干個(gè)體進(jìn)行繁殖，個(gè)體可以重復(fù) (6) 隨機(jī)配對(duì)，按一定概率(交叉概率)進(jìn)行一點(diǎn)交叉操作并生成兩個(gè)子個(gè)體 (7) 按照一定概率(變異概率)變異二進(jìn)制個(gè)體串中某個(gè)(些)位 (8) 適應(yīng)度評(píng)估檢測(cè)個(gè)體適應(yīng)度 (9) END DO,交通信號(hào)控制系統(tǒng)的主要術(shù)語(yǔ)和參數(shù),周期：是指信號(hào)燈色發(fā)生變化，顯示一個(gè)循環(huán)所需的時(shí)間，也稱(chēng)周期長(zhǎng)，即紅、黃、綠燈時(shí)間之和。 相位：即信號(hào)相位，是指在周期時(shí)間內(nèi)按需求人為設(shè)定的，同時(shí)取得通行權(quán)的一個(gè)或幾個(gè)交通流的序列組。 相位差：具有相同周期長(zhǎng)的相關(guān)路口，在同方向上的兩個(gè)相關(guān)相位的啟動(dòng)時(shí)間差，稱(chēng)為相位差。 綠信比：是指在周期長(zhǎng)內(nèi)的各相位綠燈時(shí)間與周期長(zhǎng)之比。 飽和流量：是衡量路口交通流釋放能力的重要參數(shù)，通常是指一個(gè)綠燈時(shí)間內(nèi)的連續(xù)通過(guò)路口的最大車(chē)流量。 流量系數(shù)：是實(shí)際流量與飽和流量的比值。既是計(jì)算信號(hào)配時(shí)的重要參數(shù)，又是衡量路口阻塞程度的一個(gè)尺度。 綠燈間隔時(shí)間：是指從失去通行權(quán)的相位的綠燈結(jié)束，到下一個(gè)得到通行權(quán)的相位綠燈開(kāi)始所用的時(shí)間。 有效綠燈時(shí)間：是指被有效利用的實(shí)際車(chē)輛通行時(shí)間。它等于綠燈時(shí)間與黃燈時(shí)間之和減去頭車(chē)啟動(dòng)的損失時(shí)間。 車(chē)輛滯留延誤：是指交通沖突或信號(hào)控制設(shè)施的限制給車(chē)輛帶來(lái)的時(shí)間損失。,信號(hào)控制的控制參數(shù),周期時(shí)長(zhǎng),周期時(shí)長(zhǎng)即信號(hào)燈運(yùn)行一個(gè)循環(huán)所需的時(shí)間，等于綠燈、黃燈、紅燈時(shí)間之和。一般信號(hào)燈最短周期不能少于 36s，否則不能保證幾個(gè)方向的車(chē)順利通過(guò)交叉路口。最長(zhǎng)周期不超過(guò)2min，否則引起等待司機(jī)的抱怨，或者誤以為信號(hào)燈已經(jīng)失靈。適當(dāng)?shù)闹芷陂L(zhǎng)度對(duì)疏散路口處的交通流、減少車(chē)輛等待時(shí)間有重要意義。從疏散的角度來(lái)講，顯然當(dāng)交通需求越大時(shí)，周期應(yīng)越長(zhǎng)，否則一個(gè)周期內(nèi)到達(dá)的車(chē)輛不能在該周期的綠燈時(shí)間內(nèi)通過(guò)交叉口，就會(huì)發(fā)生堵塞現(xiàn)象。從減少車(chē)輛等待時(shí)間的角度來(lái)講，太長(zhǎng)或者太短的周期都是不利的。若周期太短，則發(fā)生上述堵車(chē)現(xiàn)象。若周期太長(zhǎng)，則某一方向的綠燈時(shí)間可能大于實(shí)際需要長(zhǎng)度，而另外一方向的紅燈時(shí)間不合理的延長(zhǎng)必然導(dǎo)致該方向車(chē)流等待時(shí)間的延長(zhǎng)。,綠信比 一個(gè)周期中，綠燈時(shí)間與周期時(shí)長(zhǎng)之比稱(chēng)為綠信比。設(shè)綠燈時(shí)間為t，周期時(shí)長(zhǎng)為T(mén)，則綠信比g 為： 綠信比的大小對(duì)于疏散交通流和減少路口總等待時(shí)間有著舉足輕重的作用。通過(guò)合理地分配各車(chē)流方向的綠燈時(shí)間（綠信比），可使各方向上阻車(chē)次數(shù)、等待時(shí)間減至最少。,相位是對(duì)于一個(gè)路口多方向交通流而言的，一個(gè)交通流方向（一個(gè)綠燈信號(hào)）稱(chēng)為一相。例如一個(gè)十字路口，根據(jù)實(shí)際情況可以設(shè)計(jì)為兩相、三相甚至 四到八相。兩相時(shí)（如下圖，相位1 為東西向直行和左、右轉(zhuǎn)彎，相位2 為南 北向直行和左、右轉(zhuǎn)彎。）相位越多，交通安全性越好，交叉口的利用率越低。十字路口取兩相位交通信號(hào)者居多。相位差是對(duì)兩個(gè)路口同一信號(hào)相位而言的。當(dāng)涉及到對(duì)一條主干上的交通流或一個(gè)網(wǎng)絡(luò)內(nèi)的交通流進(jìn)行控制時(shí)，相位差是一個(gè)重要的控制參數(shù)。通過(guò)調(diào)整各路口間相位差，可以使一串路口的信號(hào)燈形成一條綠波帶，車(chē)隊(duì)通過(guò)這些路口時(shí)暢通無(wú)阻。,相位,相位示意圖,單交叉路口的模型,針對(duì)上圖所示的相位信號(hào)控制的交叉路口，各車(chē)道車(chē)輛在不同的相位在不同的車(chē)道的放行狀態(tài)可用一個(gè)系數(shù)矩陣表示為 P1 = 0 1 1 0 0 0 0 1 1 0 0 0 P2 = 1 0 0 0 0 0 1 0 0 0 0 0 P3 = 0 0 0 0 1 1 0 0 0 0 1 1 P4 = 0 0 0 1 0 0 0 0 0 1 0 0 其中1表示放行，0 表示禁行。,以交叉口流通能力作為進(jìn)行優(yōu)化的目標(biāo)函數(shù)，目的是要延誤的車(chē)輛數(shù)達(dá) 到最小，從而實(shí)現(xiàn)車(chē)輛流通能力最大。接著我們分析一個(gè)路口的四個(gè)相 位的車(chē)輛。設(shè) 表 示第g 個(gè)路口的第h-1 個(gè)周期時(shí)，第k 個(gè)車(chē)道第i 個(gè)相位j 方向（為了方 便，j 具體用 e，s，w，n 表示，分別指東南西北四個(gè)方向）上滯留的車(chē) 輛數(shù)，可用儀器鄰時(shí)測(cè)出來(lái)。qkij 表示第i 個(gè)相位，第j 個(gè)方向、第k 個(gè) 車(chē)道的車(chē)輛到達(dá)率。則第g 個(gè)路口的第h 個(gè)周期時(shí)，第k 個(gè)車(chē)道的第i個(gè) 相位j 方向上車(chē)輛在時(shí)間內(nèi)的到達(dá)數(shù)量為,ukij 表示第i 個(gè)相位，第j個(gè)方向、第k個(gè)車(chē)道的車(chē)輛離開(kāi)率。則第g 個(gè)路口的第h個(gè)周期時(shí)，第k個(gè)車(chē)道的第i 個(gè)相位j 方向上車(chē)輛在時(shí)間 內(nèi)的離開(kāi)數(shù)量為,用r 表示e、w 和用 m 表示s、n 兩個(gè)方向。,因?yàn)橐紤]行人過(guò)馬路，所以每個(gè)相位的有最短時(shí)間，也有最長(zhǎng)時(shí)間的 約束。還有根據(jù)研究周期一般不超過(guò)120s。一個(gè)交叉路口總的約束條件 如下式：,兩個(gè)交叉路口模型的建立,現(xiàn)在一個(gè)交叉路口的模型已經(jīng)建立，我們接著討論的是當(dāng)兩個(gè)交叉路口 時(shí)如何協(xié)調(diào)控制。交通實(shí)驗(yàn)表明，兩個(gè)路口相關(guān)，相距是不能超過(guò) 800 米（如下圖）。,模型中還存在的問(wèn)題 在處理主干道一系列交叉路口時(shí)，都是采用基于模糊控制的。 具體來(lái)說(shuō)是采用高階神經(jīng)網(wǎng)絡(luò)的方法或其他方法預(yù)測(cè)兩路口或幾個(gè)路口之 間的流量，然后根據(jù)對(duì)應(yīng)流量，設(shè)計(jì)好相位差，用模糊控制的方法對(duì)路口 車(chē)輛協(xié)調(diào)控制。但是在里面有幾個(gè)問(wèn)題有待解決。1）這是用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè) 出的結(jié)果，具體偏差多少有待解決。2 ）為了讓主干道形成綠波帶，讓路口 之間相位起始時(shí)間存在一定差距。具體做法是讓從路口1（或路口2）進(jìn)入 的車(chē)輛在不停留的情況下通過(guò)路口2 （或路口1）。但這樣的相位差僅僅對(duì) 從路口 1 進(jìn)入（或路口2）的車(chē)輛有利，而從路口2 （或路口1）進(jìn)入的車(chē) 輛則享受不到這樣的特權(quán)，沒(méi)有讓主干車(chē)輛真正地優(yōu)先行使。3）而采用的 是模糊控制，最常見(jiàn)的問(wèn)題是其中的隸屬函數(shù)選取是否恰當(dāng)還有待改進(jìn)。 還有盡管使用遺傳算法計(jì)算出信號(hào)燈的具體配時(shí)，但是我們知道隨著交叉 路口的增加，模型會(huì)逐漸復(fù)雜，只采用傳統(tǒng)的遺傳算法很難得出的優(yōu)秀的 解。,針對(duì)以上問(wèn)題，我們提出幾點(diǎn)改進(jìn)方法： 1）實(shí)際中，兩路口之間的車(chē)流量基本由信號(hào)燈決定。所以只要控制信號(hào)燈，就可以計(jì)算出路口之間具體確定的車(chē)流量，這個(gè)顯然要比預(yù)測(cè)的值準(zhǔn)確。 2 ）對(duì)相位差再調(diào)整，使得對(duì)待從兩邊路口進(jìn)入的車(chē)輛享受同等綠波的權(quán)利。 3）由于采用模糊控制最難把握的是隸屬函數(shù)的選取，因此先采取改進(jìn)的方法建立模型再采用上節(jié)的遺傳算法計(jì)算具體值，從而避免的選取模糊控制的缺點(diǎn)。,交通網(wǎng)絡(luò)模型及算法實(shí)現(xiàn),現(xiàn)代城市道路錯(cuò)綜復(fù)雜，各條道路交錯(cuò)相連。如何分配各道路流量使得交通系統(tǒng)中的流量最大是智能交通的一個(gè)重要環(huán)節(jié)。從若干條互相關(guān)聯(lián)的道路出發(fā)，把它們看成一個(gè)整體，通過(guò)建立優(yōu)化模型來(lái)計(jì)算出各條道路的最大平均流量。因?yàn)橄到y(tǒng)龐大，且求解模型中有多個(gè)等式約束，對(duì)其轉(zhuǎn)化為多目標(biāo)優(yōu)化模型來(lái)解決，把自適應(yīng)的適應(yīng)度函數(shù)加入基于小生境的混合遺傳算法中求解。,模型的建立,我們希望在這個(gè)交通系統(tǒng)中總的平均流量能盡量大（即需要系統(tǒng)的最大通行量），同時(shí)又不能讓系統(tǒng)中的任意一個(gè)交叉點(diǎn)被車(chē)輛堵塞。因?yàn)槲覀冇?jì)算的是平均流量，只要在平均一個(gè)周期內(nèi)，交叉路口無(wú)法疏通所有滯留的車(chē)輛，經(jīng)過(guò)一段時(shí)間后車(chē)輛會(huì)越積越多，從而其它相鄰路口的車(chē)輛也會(huì)被堵，最后這個(gè)交通系統(tǒng)就會(huì)完全癱瘓。所以我們希望流量最大即 還有在平均周期內(nèi)每個(gè)交叉口的滯留量必須等于0，即Sij =0.因?yàn)閺囊粋€(gè)交叉口到另一個(gè)交叉口的路段都有個(gè)最大容量 和 交叉路口橫、縱向放行的平均 時(shí)間也應(yīng)該在一個(gè)范圍內(nèi)，即d1 teij ,trij d2 。,所以總的模型應(yīng)為：,總結(jié),本文先從遺傳算法開(kāi)始，在介紹了遺傳算法的一般知識(shí)后，接著對(duì)有不等式約束條件的優(yōu)化模型進(jìn)行改進(jìn)，改進(jìn)后使其在解決有不等式約束條件的模型達(dá)到滿(mǎn)意效果。然后把改進(jìn)的算法用到一個(gè)交叉路口的交通模型