论文部分内容阅读
随着城市化的不断推进，城市道路交通拥堵问题愈发严重，交叉口作为影响城市交通运行效率的重要节点，其信号控制方案对交通运行有着至关重要的作用，如何构建高效的信号控制系统对城市交通管理水平的提高具有重要意义。传统的信号控制模型不能很好地适应交通流的随机性和不确定性，根据交通流的随机特性优化信号配时问题受到国内外众多学者的关注。 本文以城市道路交叉口信号控制优化问题为研究对象，考虑车流的随机性，利用机会约束规划理论和方法，建立了单点交叉口单目标及多目标信号控制优化模型，采用自适应粒子群算法对所建立的模型进行求解，进而得到改善后的配时方案。 论文在既有研究成果的基础上，进行了如下工作: (1)回顾了交叉口信号控制的发展历史;介绍了交通信号控制理论的基本概念，详细地阐述了影响交叉口运行效率的几个评价指标;整理了交通流的随机特征分布并给出了具体的分布函数及适应范围。 (2)整理了基本粒子群(Particle Swarm Optimization，PSO)算法的原理及算法流程，对其改进得到一种自适应粒子群(Adaptive Particle Swarm Optimization，APSO)算法;根据交通流的随机性和不确定性，在约束条件中加入机会约束规划并采用罚函数法对其进行处理，从而使得算法收敛速度快、求解精度高，同时也克服该算法容易陷入局部最优的缺点，改善了全局搜索能力。 (3)以各相位绿灯时间与所需绿灯时间差的绝对值最小为优化目标，建立了随机机会约束规划的单点定时信号配时优化模型;将自适应粒子群算法与随机模拟方法结合起来求解模型，计算结果表明了到达率的随机特性对于交叉口信号配时参数的设置有明显影响，验证了模型和算法的正确性。 (4)以停车次数最少、平均延误最小以及通行能力最大为目标，建立了基于随机机会约束规划下的单点交叉口多目标信号控制优化模型;在不同饱和度状态下分别用APSO算法和PSO算法求解模型。优化结果表明:在饱和度高、中、低三种情况下，APSO算法计算所得的延误相对PSO算法降低了8％-15％，停车次数相对PSO算法降低了8％-13％，通行能力相对PSO算法提高了6％-11％，从而验证算法和模型的正确性。