论文部分内容阅读
随着城市机动车保有量的不断增长,交通拥堵问题变得愈发严重。道路交叉口的协调控制是最为有效的交通管理手段之一。控制子区作为城市交通信号控制系统中的协调控制基本单元,是研究区域交通信号协调控制的基础。本文以城市中的某块区域路网为研究对象,基于现有的交通基础设施,在复杂网络的视角下,利用智能优化算法对该区域内的所有交叉口实施控制子区划分。为了更加简便快捷地量化交叉口间协调控制的性能,本文结合交通路网中动态和静态因素,选取数据易获取的指标,真实地还原路网特征,提出了一种新的关联度衡量方法;在无先验知识的条件下,提出了一种基于模块度的遗传算法(Modularity Based Genetic Algorithm,MBGA),该算法在本文提出的关联度衡量方法基础上,采用模块度作为适应度函数,进行交通控制子区的划分;为了提升子区划分的效率,基于本团队之前的研究基础,将量子遗传算法应用到交通控制子区划分问题中,通过量子比特编码的方式,丰富了种群,并且使算法拥有了更佳的收敛性。通过与其他关联度衡量方法进行对比仿真实验,验证了本文提出的关联度衡量方法的有效性;同时,MBGA成功完成了交通控制子区的划分,相比于对比实验中的算法,取得了相对更优的划分效果;引入量子遗传算法后,通过与MBGA的综合对比分析,验证了量子遗传算法在交通控制子区划分问题中应用的高效性。将整个交通网络划分为若干个子网,可以将复杂的交通控制问题转化为若干个易于解决的子问题,同时能够简化对交通网络的分析和控制。本文针对交通控制子区的划分方法进行探究,为子区划分问题的研究提供了新思路,也为区域交通信号控制奠定了基础。