一种基于低碳交通的交叉口信号配时优化的方法

1.本发明属于交通信号控制领域，具体涉及一种基于低碳交通的交叉口信号配时优化的方法。


背景技术：

2.随着当今社会经济水平提高，机动车保有量逐渐增多，机动车出行需求日益增多导致了机动车在道路交叉口的交通延误过大。而信号交叉口的交通延误以及交叉口车流车速，是影响城市交通碳排放量的一个重要因素。目前，我国发展低碳交通已经势不可挡。如何有效降低城市道路交通碳排放已成为诸多学者共同关注的焦点，研究基于低碳交通的交叉口优化控制方法具有重要的现实意义。
3.当前，国内外现有技术是——sabar等使用了一种模因演算法，求解并优化了信号时序问题，以及使用了局部搜索算法来提高遗传算法的利用率。jia等使用一种基于粒子群算法的差分算子结合的启发式算法来进行多目标信号时序优化。wu等建立了具有最小排放目标的路口信号控制优化模型，并采用遗传算法对模型求解，最终获得了最优的配时方案。kou等发现机动车排放与不同的驾驶条件有关，机动车在空转、加速、减速和巡航状态下行驶的时长对信号交叉口的车辆排放和燃油消耗有很大影响。王逸等基于双环相位方案，开发了一种双环信号优化配时模型，基于自适应遗传算法求解配时方案。陈娟等构建了以机动车和非机动车延误、行人等待时间为优化目标的动态多目标优化配时模型，并使用多种群协同进化动态多目标遗传算法进行求解。
4.现有的对于信号交叉口优化配时的研究，往往只考虑交通质量，忽略了车辆排放对于环境的影响，且目前研究较多从延误，停车次数，通行能力分别进行分析，较少有同时考虑多个目标的研究工作。本专利基于粒子群算法具有较强的全局搜索能力，且相较于遗传算法更容易实现和收敛的优点，建立模型进行求解，更易于理解和实现多目标研究，为节能减排提供思路，一定程度上扩大了研究的适用范围。


技术实现要素：

5.发明目的：本发明提供了一种基于低碳交通的交叉口信号配时优化的方法，构建基于低碳交通的信号交叉口优化控制模型，得出最佳的信号配时方案，得到各相位的有效绿灯时间。
6.技术方案：本发明提出一种基于低碳交通的交叉口信号配时优化的方法，具体包括以下步骤：
7.(1)交叉口的划分和相位选择；
8.(2)计算交叉口信号周期时长；
9.(3)基于模糊折中多目标理论，建立基于低碳交通的信号交叉口优化控制模型，通过构造模糊偏好矩阵计算信号交叉口通行能力、车辆延误、交叉碳排放的权重，并转为无量纲的单目标函数，对比不同值后得出最优信号配时方案；
10.(4)采用动态加速常数协同惯性权重粒子群优化算法对目标函数进行求解，得到各相位的有效绿灯时间。
11.进一步地，所述步骤(1)实现过程如下：
12.选定优化的交叉口，收集交叉口相关数据，进行交通流分析、专用相位设计、相序设计和相位方案检验，确定相位。
13.进一步地，所述步骤(2)实现过程如下：
14.对交叉口各个进口道进行车道组的划分，计算交叉口的交通流量、交通流向、车型比例计算交叉口总延误、总通行能力、co和co2总排放量；对各个时间参数进行规定，得出交叉口信号周期最值时长；为信号交叉口配时方案的目标函数提供约束条件。
15.进一步地，所述步骤(3)实现过程如下：
16.(31)四个相位的绿灯有效时间分别为g＝(g1,g2,g3,g4)；
17.(32)交叉口总延误a公式如下：
[0018][0019]
其中，gi为相位i的有效绿灯时间；di为相位i的单车平均延误；qi为相位i内到达的交通流量；c为信号周期时长；
[0020]
(33)交叉口总通行能力b公式如下：
[0021][0022]
其中，si为相位i的饱和流量；
[0023]
(34)co和co2排放总量c公式如下：
[0024][0025]
其中，qi为相位i内到达的交通流量；l0为交叉口进口路段长度；为标准小汽车单位排放因子；为标准小汽车单位怠速排放因子；li为信号交叉口第i相位的损失时间；yi为第i相位的交通强度，即交通流量与饱和流量之比；
[0026]
(35)计算得到目标函数a、b、c在约束条件下的最值，得到目标函数在约束条件下由最值组成的理想值向量x
min
和x
max
分别为：
[0027]
xmin＝amin,bmin,cmin
[0028]
xmax＝amax,bmax,cmax
[0029]
(36)由模糊偏好算法计算各目标函数的权重值分别为λ1，λ2，λ3；
[0030]
(37)将三个目标函数转化为目标函数l如下：
[0031]
[0032][0033]
其中，μi表示目标函数的隶属度。
[0034]
进一步地，所述步骤(37)中p取不同值时目标函数会有不同解，根据交通流量大小的不同将p赋予不同的值，在交通流量很大的早、晚高峰时p＝1，平峰时间1＜p＜+∞，在交通流量较小时或车流量较小的路段时p＝+∞；
[0035]
当p＝1时，目标函数l表示的是三个单一目标函数的距离之和：
[0036][0037]
当1＜p＜∞时，目标函数l表示三个单一目标函数的加权距离之和，其中，当p取值为2时：
[0038][0039]
当p＝+∞时，目标函数l表示三个单一目标函数的最大加权距离：
[0040][0041]
其中，λi表示权重值。
[0042]
有益效果：与现有技术相比，本发明的有益效果：本发明建立了基于低碳交通的信号交叉口配时模型，还引进了模糊偏好方法来计算延误、通行能力、交通碳排放在目标函数中的权重，并且在matlab环境中采用动态加速常数协同惯性权重粒子群优化算法(wcpso)对目标函数进行求解，得出最佳的信号配时方案，得到各相位的有效绿灯时间。
附图说明
[0043]
图1为本发明的流程图；
[0044]
图2是本发明中选取交叉口的车流量统计图
[0045]
图3是本发明中选取交叉口的信号配时图；
[0046]
图4是本发明选取的健康东路—翔宇北路交叉口渠化图；
[0047]
图5是本发明选取的信号交叉口建立的vissim仿真模型；
[0048]
图6是本发明中第一种配时方案迭代的最佳值；
[0049]
图7是本发明中第二种配时方案迭代的最佳值；
[0050]
图8是本发明第三种配时方案迭代的最佳值；
[0051]
图9是本发明中第一种配时方案迭代的信号配时图；
[0052]
图10是本发明中第二种配时方案迭代的信号配时图；
[0053]
图11是本发明中第三种配时方案迭代的信号配时图；
[0054]
图12是本发明优化前的效果图。
具体实施方式
[0055]
下面结合附图对本发明作进一步详细说明。
[0056]
本发明提供了一种基于低碳交通的交叉口信号配时优化的方法，如图1所示，包括：运用模糊折中多目标规划理论，分别建立了信号交叉口通行能力、车辆延误、交通碳排放的隶属度函数，并通过构造模糊偏好矩阵计算其权重，并转为无量纲的单目标函数，从而构建了基于低碳交通的信号交叉口优化控制模型；采用动态加速常数协同惯性权重粒子群优化算法(wcpso)对单目标函数进行求解，分别得到了各相位的有效绿灯时间，通过已构建的信号配时模型研究交叉口通行能力、交叉口延误、交通碳排放量，并分析得出最佳的信号配时方案。如图1所示，具体实现过程如下：
[0057]
步骤1：交叉口的划分和相位选择。
[0058]
选定优化的交叉口，收集交叉口相关数据，运用现有方案进行交通流分析、专用相位设计、相序设计和相位方案检验，确定相位。较好的相位结构可以获得更小的周期时长，进一步确保交叉口运行效率更快、车辆延误时间和排队长度更小，以及提供各个相位的合理数据。
[0059]
步骤2：计算交叉口信号周期时长。
[0060]
根据hcm2000中给出的方法对交叉口各个进口道进行车道组的划分，计算交叉口的交通流量、交通流向、车型比例计算交叉口总延误、总通行能力、co和co2总排放量；对各个时间参数进行规定，得出交叉口信号周期最值时长。为信号交叉口配时方案的目标函数提供约束条件。
[0061]
步骤3：基于模糊折中多目标理论，建立基于低碳交通的信号交叉口优化控制模型，通过构造模糊偏好矩阵计算信号交叉口通行能力、车辆延误、交叉碳排放的权重，并转为无量纲的单目标函数，对比不同值后得出最优信号配时方案。
[0062]
四个相位的绿灯有效时间分别为g＝(g1,g2,g3,g4)；交叉口总延误a公式如下：
[0063][0064]
其中，gi为相位i的有效绿灯时间；di为相位i的单车平均延误；qi为相位i内到达的交通流量；c为信号周期时长。
[0065]
交叉口总通行能力b公式如下：
[0066][0067]
其中，si为相位i的饱和流量。
[0068]
co和co2排放总量c公式如下：
[0069][0070]
其中，qi为相位i内到达的交通流量；l0为交叉口进口路段长度；为标准小汽车单位排放因子；为标准小汽车单位怠速排放因子；li为信号交叉口第i相位的损失时间；yi为第i相位的交通强度，即交通流量与饱和流量之比。
[0071]
计算得到目标函数a、b、c在约束条件下的最值，得到目标函数在约束条件下由最
值组成的理想值向量x
min
和x
max
分别为：
[0072]
xmin＝amin,bmin,cmin
[0073]
xmax＝amax,bmax,cmax
[0074]
由模糊偏好算法计算各目标函数的权重值分别为λ1，λ2，λ3；将三个目标函数转化为目标函数l如下：
[0075][0076][0077]
其中，μi表示目标函数的隶属度。p取不同值时目标函数会有不同解，根据交通流量大小的不同将p赋予不同的值，在交通流量很大的早、晚高峰时p＝1，平峰时间1＜p＜+∞，在交通流量较小时或车流量较小的路段时p＝+∞。
[0078]
当p＝1时，目标函数l表示的是三个单一目标函数的距离之和：
[0079][0080]
当1＜p＜∞时，目标函数l表示三个单一目标函数的加权距离之和，其中，当p取值为2时：
[0081][0082]
当p＝+∞时，目标函数l表示三个单一目标函数的最大加权距离：
[0083][0084]
其中，λi表示权重值。
[0085]
步骤4：采用动态加速常数协同惯性权重粒子群优化算法对目标函数进行求解，得到各相位的有效绿灯时间。
[0086]
在matlab7.0环境下，对交叉口进行交通流情况的仿真。动态加速常数协同惯性权重粒子群优化算法求解优化后的配时方案仿真参数：种群大小为20，迭代次数为500,处理后得到有效绿灯时间表。将p取不同值时的有效绿灯时间，代入vissim仿真检验并输出总延误时间、co和co2排放量仿真结果，对比结果得出最优配时方案。
[0087]
本实施方式以淮安市健康东路—翔宇北路交叉口作为研究对象，建立包含碳排放等参数的vissim仿真模型并校准。以交叉口延误、交通碳排放作为优化目标，基于模糊折中多目标规划理论，构建了低碳交通的信号配时模型，并在matlab中用粒子群算法求解最佳绿灯时间。最后，基于vissim仿真进行综合评价。
[0088]
选取淮安市健康东路—翔宇北路交叉口作为研究区域，选取周五下午17:30-18:30的交通量为高峰小时流量。统计后得到各进口方向的车流情况如图2所示，交叉口的信号周期为135秒，信号配时如图3所示：
[0089]
本发明选取的交叉口绘制渠化图如图4所示，根据渠化图建立vissim仿真模型如
图5所示：将交叉口总延误(a)、交叉口总通行能力的相反数(b)、co和co2排放总量(c)三个单目标隶属度函数，计算三个隶属度函数的权重，将其转为无量纲的单目标函数，建立了基于低碳交通的信号交叉口优化控制模型。
[0090]
交叉口总延误公式如下：
[0091][0092]
交叉口总通行能力公式如下：
[0093][0094]
co和co2排放总量公式如下：
[0095][0096]
在matlab7.0环境下，运用粒子群算法进行编程，取最大迭代次数为500，粒子数目为20，计算得到目标函数a(交叉口总延误)、b(交叉口总通行能力的相反数)、c(co和co2排放总量)在约束条件下的最值。
[0097]
得到目标函数在约束条件下由最值组成的理想值向量x
min
和x
max
分别为：
[0098]
xmin＝(amin,bmin,cmin)＝(23256,-1018,4988)
[0099]
xmax＝(amax,bmax,cmax)＝(-27354,-984,5063)
[0100]
假定在高峰时段三个目标函数的重要性大小关系为：交叉口通行能力＞延误＞co和co2排放总量，由模糊偏好算法计算各目标函数的权重值分别为：
[0101]
λ1＝1/3
[0102]
λ2＝1/2
[0103]
λ3＝1/6
[0104]
将三个目标函数转化为单目标函数l如下：
[0105][0106][0107]
由公式l可知，p取不同值时目标函数会有不同解，分别对p取1、2和+∞进行求解，比较三种配时方案最终选定最佳配时方案。
[0108]
当p分别取1、2、+∞时，在matlab7.0环境下，对交叉口进行交通流情况的仿真。动态加速常数协同惯性权重粒子群优化算法求解优化后的配时方案仿真参数：种群大小为20，迭代次数为500。当p＝1、p＝2、p＝+∞时计算迭代500次的最佳值如图6至8所示，当p＝1、p＝2、p＝+∞时信号配时如图9至图11所示。
[0109]
将p分别取1、2、+∞时的有效绿灯时间，代入vissim仿真检验并输出仿真结果可知总延误时间明显减小、co和co2排放量明显下降，如图12所示。
[0110]
从上述分析可知：现状周期有效绿灯时间为115s，优化方案后周期有效绿灯时间为111s(p＝1)，102s(p＝2)，113s(p＝+∞)；现状周期为135s，优化方案后周期为131s(p＝1)，126s(p＝2)，131s(p＝+∞)，周期均有所缩短；优化后在通行能力基本不变的情况下co、co2排放量明显下降，其中co、co2排放总量的最小值为：156452g较之前下降了11.08％；现状总延误为57468s，优化后延误均明显减小，其中最小延误为48868s，较之前降低了14.96％。
[0111]
由此可见，配时方案优化后的交通碳排放和交叉口总延误均有明显的降低。因此，交通高峰期间可选择延误较小的优化方案，即p＝1的方案作为信号配时改善方案。
[0112]
本发明提出了基于低碳交通的信号交叉口配时方法，将“碳减排”问题和交叉口信号配时结合起来，同步减少了信号交叉口的交通碳排放和延误时间，提升了信号交叉口的服务水平。本作品的研究方法对同类型信号交叉口的优化具有重要的借鉴意义，也为城市交通的低碳可持续发展提供重要的技术支撑。
[0113]
至此，已经结合附图所示的具体实验过程描述了本发明的技术方案，但是本发明的保护范围不局限于这些具体实施方式。在不偏离本发明原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

技术特征：
1.一种基于低碳交通的交叉口信号配时优化的方法，其特征在于，包括以下步骤：(1)交叉口的划分和相位选择；(2)计算交叉口信号周期时长；(3)基于模糊折中多目标理论，建立基于低碳交通的信号交叉口优化控制模型，通过构造模糊偏好矩阵计算信号交叉口通行能力、车辆延误、交叉碳排放的权重，并转为无量纲的单目标函数，对比不同值后得出最优信号配时方案；(4)采用动态加速常数协同惯性权重粒子群优化算法对目标函数进行求解，得到各相位的有效绿灯时间。2.根据权利要求1所述的一种基于低碳交通的交叉口信号配时优化的方法，其特征在于，所述步骤(1)实现过程如下：选定优化的交叉口，收集交叉口相关数据，进行交通流分析、专用相位设计、相序设计和相位方案检验，确定相位。3.根据权利要求1所述的一种基于低碳交通的交叉口信号配时优化的方法，其特征在于，所述步骤(2)实现过程如下：对交叉口各个进口道进行车道组的划分，计算交叉口的交通流量、交通流向、车型比例计算交叉口总延误、总通行能力、co和co2总排放量；对各个时间参数进行规定，得出交叉口信号周期最值时长；为信号交叉口配时方案的目标函数提供约束条件。4.根据权利要求1所述的一种基于低碳交通的交叉口信号配时优化的方法，其特征在于，所述步骤(3)实现过程如下：(31)四个相位的绿灯有效时间分别为g＝(g1,g2,g3,g4)；(32)交叉口总延误a公式如下：其中，g
i
为相位i的有效绿灯时间；d
i
为相位i的单车平均延误；q
i
为相位i内到达的交通流量；c为信号周期时长；(33)交叉口总通行能力b公式如下：其中，s
i
为相位i的饱和流量；(34)co和co2排放总量c公式如下：其中，q
i
为相位i内到达的交通流量；l0为交叉口进口路段长度；为标准小汽车单位排放因子；为标准小汽车单位怠速排放因子；l
i
为信号交叉口第i相位的损失时间；y
i
为第i相位的交通强度，即交通流量与饱和流量之比；(35)计算得到目标函数a、b、c在约束条件下的最值，得到目标函数在约束条件下由最值组成的理想值向量x
min
和x
max
分别为：xmin＝(amin，bmin，cmin)
xmax＝(amax，bmax，cmax)(36)由模糊偏好算法计算各目标函数的权重值分别为λ1，λ2，λ3；(37)将三个目标函数转化为目标函数l如下：(37)将三个目标函数转化为目标函数l如下：其中，μ
i
表示目标函数的隶属度。5.根据权利要求4所述的一种基于低碳交通的交叉口信号配时优化的方法，其特征在于，所述步骤(37)中p取不同值时目标函数会有不同解，根据交通流量大小的不同将p赋予不同的值，在交通流量很大的早、晚高峰时p＝1，平峰时间1＜p＜+∞，在交通流量较小时或车流量较小的路段时p＝+∞；当p＝1时，目标函数l表示的是三个单一目标函数的距离之和：当1＜p＜∞时，目标函数l表示三个单一目标函数的加权距离之和，其中，当p取值为2时：当p＝+∞时，目标函数l表示三个单一目标函数的最大加权距离：其中，λ
i
表示权重值。

技术总结
本发明公开了一种基于低碳交通的交叉口信号配时优化的方法，包括：运用模糊折中多目标规划理论，分别建立了信号交叉口通行能力、车辆延误、交通碳排放的隶属度函数，并通过构造模糊偏好矩阵计算其权重，并转为无量纲的单目标函数，从而构建了基于低碳交通的信号交叉口优化控制模型。本发明采用动态加速常数协同惯性权重粒子群优化算法对单目标函数进行求解，分别得到了各相位的有效绿灯时间。本发明通过已构建的信号配时模型研究交叉口通行能力、交叉口延误、交通碳排放量，并分析得出最佳的信号配时方案；另外，运用VISSIM仿真软件对案例交叉口进行交通仿真，以验证信号配时方案的有效性。的有效性。的有效性。


技术研发人员：史霖涛 吴鼎新 王浩运 宋占炯 王致远 张江伟
受保护的技术使用者：淮阴工学院
技术研发日：2023.03.27
技术公布日：2023/8/9