基于遺傳算法的一種改進交叉路口信號燈實時控制優化方法

胡智鵬

摘 要：針對城市中日趨緊張的交通壓力，本文提出一種改進實時相位管理方法，根據實時監測不同相位的汽車流量，對交通信號燈采用相應動態配時調整，利用遺傳算法進行優化使得各相位汽車滯留量達到最小。最后，用Matlab對已有數據進行仿真實驗，實驗結果表明，優化結果較好、準確率較高。

關鍵詞：遺傳算法；模糊算法；實時控制；實時交通信號燈

DOI：10.16640/j.cnki.37-1222/t.2015.24.101

0 引言

在發展飛速的今天，我們面臨的交通問題依舊非常嚴重，即便現有的飛機、高鐵、動車等遠距離運輸工具已經非常便捷，但在城市中的地鐵、公交、出租車等交通工具依然面臨著嚴重的考驗。人多車多、道路擁堵一直是北京、上海等一線城市面臨最嚴重的情況。如何才能緩解眼前的交通壓力是我們要解決的首要問題，對交通路口信號燈設施動態有效的管理將有利于緩解現有的交通擁堵問題。

由于，交叉路口在不同相位不同時間段內的車流量也不盡相同，因此，我們要對各相位信號燈實施實時管理，進而，舒緩交通壓力。目前，國內外關于交通網絡實時優化的文章較多，但是，大部分內容很少提及相位配時方案的優化[1-4]。本文在同時考慮各相位智能配時和過往行人配時的同時，利用遺傳算法對每次相位配時方案進行優化，從而得出最優化配時方案。

本文用Matlab 7.0作為編程軟件，編寫了改進的交叉路口信號燈實時控制算法運算程序。實驗結果表明，改進算法在處理數據集的運算過程是快速準確的。

1 遺傳算法

遺傳算法（Genetic Algorithm）是一種通過模擬自然進化過程搜索最優解的方法。算法從已有解集中的一個種群（population）開始，而每個種群都是由經過基因編碼的一定數目的個體組成。由于遺傳算法是從一個初始種群開始搜索，這樣就大大降低陷入局部最優解的可能性，進而加強算法的搜索空間。與傳統優化算法相比，遺傳算法具有較強的魯棒性。

2 交叉路口四相位模型

目前，現有交通信號燈的各相位各車道配時方案都是根據交通工程技術人員利用長時間的摸索和個人經驗給出的，而實際上，各相位各車道的車流量是隨機變化的，若使用以往固定相位車道配時方案難以得到理想的交通狀況[5]。我們需要在各相位各車道設置儀器測得相應車流量信息，根據實測數據實時調整各相位交通信號燈的時長，從而得到整個路口的相位配時，再利用遺傳算法，以各車道車流量最大，其它車道排隊候車量最小，同時，確保行人具備安全過路的前提下，進行全面優化。最后，將優化結果及時反饋給各相位交通信號燈，對信號燈時長進行實時修正，獲得最佳交通狀態，達到預期目的。

根據交通路口不同相位不同車道車輛放行狀態，這里將四相位放行狀態用一個系數矩陣P來表示。設四個相位車輛排隊等待時長為：t1、t2、t3和t4，車輛到達率為：λ1、λ2、λ3和λ4，車輛離開率為：μ1、μ2、μ3和μ4，則可以得到每個相位車輛滯留量的總和S，同時，為了確保行人有安全時間通過路口，我們指定各相位等待時間t最小值為6秒，若要得到理想相位配時，我們只需用遺傳算法使得S達到最小值即可。

3 改進相位配時優化算法

實際中交叉相位配時是一個動態的過程，每次相位配時都需要根據前一時間段各相位車流量的改變而改變[6][7]，若采用傳統的算法則往往難以獲得比較滿意的最優解，以往算法都只是以各相位車輛滯留量最小為目標函數，而忽略了行人過路的安全時間。本文采用遺傳算法進行交通信號配時優化、按周期順序進行實時優化配時控制，在加入確保行人有安全過路時間的前提下，利用本周期與前一個周期各相位車道車流信息對下一周期各相位車道車流進行預估，利用遺傳算法對相位配時方案進行優化處理，在確保安全的前提下，獲得最優解使得各相位滯留車輛總和最小，從而緩解交通壓力。

改進遺傳優化算法如下：

Step1 初始化，設定初始種群、迭代次數、選擇、交叉、復制、變異概率；

Step2 編碼，本文采用二進制編碼隨機產生種群數目大小的染色體；

Step3 選擇，選擇適應度大的個體保留，刪除適應度小的個體；

Step4 復制，按照指定概率復制具有適應值高的染色體到下一代；

Step5 變異，按照指定概率變異染色體到下一代；

Step6 判斷是否已到預設迭代次數上限，若到達上限轉至Step7，若沒到則跳到Step 3；

Step7 計算各相位配時使得目標函數最小；

Step8 預估下一周期各相位汽車流量，跳轉至Step2。

4 仿真實驗

本文采用Matlab 7.0程序設計語言對上述改進遺傳算法進行編程：

Step1 利用Rand函數，隨機生成初始種群P，設置迭代次數M，各相位滯留車輛總和S，各相位配時總和T（T≤24）；

Step2 在確保各相位配時ti（i=1，2，3，4）都超過6秒的基礎上，計算目標函數J，判斷J是否滿足小于δ或相對上次所得價值函數結果J2之差小于δ。如果滿足上述條件之一則算法停止，否則進行Step3；

Step3 計算使得上述條件J滿足時，各相位配時ti（i=1，2，3，4）；

Step4 更新隸屬度矩陣，返回Step2。

改進后遺傳算法優化和實際測量遺傳算法優化結果一致，改進遺傳算法優化時間為10秒，已有優化算法時間為15秒，傳統算法每周期各相位初始搜索時間均設定為30秒，由此可以看出與傳統的優化算法比較，改進后的遺傳算法具有較強的魯棒性，運行結果較好。

5 結論

智能控制在我們的日常生活中的應用是非常廣泛的，比如，汽車的智能雨刷系統、汽車車牌的識別系統等。從實際應用的角度看，智能控制是數據挖掘的主要任務之一。

國內外關于智能交通燈的文獻較多，本文主要針對傳統的相位配時方案，通過對已有算法添加行人安全時間，再用遺傳算法進行優化，用Matlab 7.0編程工具進行編程，仿真實驗編寫程序進行結果測試。測試結果表明改進算法具有運算速度快安全系數高的特點，但是在處理龐大數據集時，優化會有明顯速度降低。

改進后的算法比較適合處理單交叉路口四相位問題，而且配時速度和安全性是比較好的。在處理滯留量大問題時，算法速度明顯下降，怎樣才能將算法程序過程優化、略減，提高優化速度，這是未來需要進一步解決的問題。

參考文獻：

[1]溫志達，梁桂榮，陳碧銘，高素萍.基于車流量的智能交通燈控制系統[J].自動化技術與應用，2009（06）.

[2]金永鎬，邵奎軍.基于總線模式的交通燈控制系統的設計[J].信息化縱橫，2009（08）.

[3]黃毅.智能交通燈控制系統的設計與實現[J].科技資訊，2008（28）.

[4]張曉紅，楊利彬，鄭志丹.交通燈狀態及計時控制的算法變換[J].信息技術，2009（08）.

[5]別一鳴，王琳虹，王殿海，宋現敏.城市路網交通控制子區動態劃分策略[J].中國公路學報，2013（06）.

[6]黃向黨，金志揚，羊秋玲.交通燈動態配時策略研究[J].計算機技術與發展，2013（10）.

[7]首艷芳，徐建閩.信號交叉口多目標動態決策模型及其優化方法[J].公路交通科技，2012（11）.endprint