论文部分内容阅读
为解决传统相位差优化方法以相邻交叉口为基础,忽略了连续交叉口对应的多个相位差之间的内在相关性的问题,以连续交叉口的多个相位差为研究对象,建立干道车辆延误与相位差关系的神经网络模型,采用遗传算法求解。首先,根据调查数据搭建仿环境获取不同相位差对应的干道延误数据,基于此采用神经网络拟合干道车辆延误与相位差之间的关系。然后通过遗传算法寻找神经网络中的最优延误对应的各个交叉口的相位差值。最后,将本文优化结果与Synchro进行比较分析。结果表明,本文模型能够有效改进相位差配时方案,方案性能提升了22.27%。