交通拥挤已经成为现代城市十分严重的问题,旅行时间、旅行安全、环境质量和生活质量都受到交通状况的制约。由于在城市中新建或扩建道路的可行性越来越小,因而改善城市交通的管理和控制就显得更加重要。本文针对城市交通问题的现状,从方法上对交通信号的动态优化进行了研究和探讨,以期为解决交通拥挤问题提供有益的方法和途径。学者陈小峰提出了交通信号动态优化模型,该模型物理意义明确、计算简便。在其基础之上,设计了交通干线优化控制模型,并提出提高上下游路口绿灯利用率的两个相位差约束关系,在避免上游路口出现“无效绿”的同时,提高了下游路口的绿灯利用率,使模型能够满足饱和状态的交通需求。针对上述模型的优化问题,研究了一种基于有效基因搜索的混沌遗传算法,该算法将混沌理论和遗传算法高度集成,取消了遗传算法的变异操作,加入了混沌搜索以避免变异的完全随机性,使得搜索空间的遍历性大大增强,算法收敛速度加快,从而克服了遗传算法收敛速度慢、容易早熟收敛和可能陷入局部极小点的问题。为了便于应用混沌遗传算法对交通配时优化问题进行求解,针对交通模型的约束条件,设计了一种自适应的惩罚策略,通过引入可行测度、可行度等概念来描述决策变量服从于不等式约束的程度,以此构造自适应惩罚函数,使惩罚值随着约束可行度的变化而动态地调整。最后,应用本文设计的交通干线优化模型和混沌遗传算法,利用MATLAB7.0中的遗传算法工具箱,对某市一实际交通网络进行了仿真研究。