[發明專利]基于遺傳算法的交通流模擬方法

在審

• 申請號: 201710859604.5
• 申請日: 2017-09-21
• 公開（公告）號: CN107657106A
• 公開（公告）日: 2018-02-02
• 發明（設計）人: 楊鑫;栗帥;尹寶才;張強;魏小鵬
• 申請（專利權）人: 大連理工大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/12
• 代理公司: 大連理工大學專利中心21200
• 代理人: 溫福雪,侯明遠

1.一種基于遺傳算法的交通流模擬方法，其特征在于，步驟如下：

首先收集訓練集，利用遺傳算法從訓練集中學習車輛駕駛模型，然后將訓練好的交通模型應用到交通流模擬系統中，來指導車輛之間的交互行為；

(1)利用遺傳算法線下學習車輛駕駛模型

1)訓練集的提取

訓練集中每個樣本都包含前中后三輛車的交通信息；

2)遺傳算法學習過程

本方法利用遺傳算法要學習的車輛駕駛模型包括直道駕駛模型和換道模型；

2.1)直道駕駛模型

在車輛直道行駛過程中，遺傳算法要學習的是輸入到輸出的一個映射函數；中間車的行為受到同一車道上前車和后車的影響，映射函數的輸入是影響中間車駕駛決策的因素，輸出是中間車直道駕駛的行為，映射函數如下

a(t)＝f(v(t)，Δv_follower，Δs_follower，Δv_leader，Δs_leader)(3)

計算當前車輛的加速度，其中

v(t):當前車駕駛方向于時刻t的速度，是遺傳算法的輸入；

Δv_follower:在駕駛方向于時刻t，當前車和后車的速度差；

Δs_follower:在駕駛方向于時刻t，當前車與后車的相對距離；

Δv_leader:在駕駛方向于時刻t，當前車和前車的速度差；

Δs_leader:在駕駛方向于時刻t，當前車與前車的相對距離；

a(t):當前車駕駛方向于時刻t的加速度，是遺傳算法的輸出；

f(.)是遺傳算法要學習的直道行駛中的映射函數，括號內的變量為影響中間車駕駛行為的因素，是遺傳算法的輸入，遺傳算法的輸出是當前時刻中間車的加速度，遺傳算法的訓練目標就是找到一個合適的函數，完成輸入到輸出的映射；

2.2)車輛換道模型

車輛換道過程中，中間車既有縱向駕駛加速度也有橫向加速度，這兩個量均受目標車道前后車的影響，映射函數如下：

(a_longtitude(t)，a_lateral(t))＝f(v(t)，Δv_follower，Δs_follower，Δv_leader,Δs_leader)(4)

計算當前車輛的橫向和縱向的加速度，其中

v(t):當前車駕駛方向于時刻t的速度，是遺傳算法的輸入；

Δv_follower:在駕駛方向于時刻t，當前車和后車的速度差；

Δs_follower:在駕駛方向于時刻t，當前車與后車的相對距離；

Δv_leader:在駕駛方向于時刻t，當前車和前車的速度差；

Δs_leader:在駕駛方向于時刻t，當前車與前車的相對距離；

a_longtitude(t):當前車駕駛方向于時刻t的加速度，是遺傳算法的輸出；

a_lateral(t):當前車于時刻t的橫向加速度，是遺傳算法的輸出；

f(.)是遺傳算法要學習的換道過程中的映射函數，括號內的變量為影響中間車換道行為的因素，是遺傳算法的輸入，遺傳算法的輸出是當前時刻中間車的加速度，遺傳算法的訓練目標就是找到一個合適的函數，完成輸入到輸出的映射；

(2)利用學習到的車輛駕駛模型進行交通模擬

在為每輛車學習完直道模型和換道模型后，引入虛實交互系統；在該虛實交互系統中，存在真車和虛車兩種車輛；真車是真實交通環境中存在的車輛，其交通軌跡是已知且不能改變的；虛車是真實交通環境不存在的車輛，其交通軌跡需要實時預測；虛實交互系統通過插入虛車來增加交通流的多樣性；虛車與真車進行交互，是由遺傳算法學習到的兩個模型來指導的，具體來說，直道模型用來計算虛車直道行駛過程中的加速度，換道模型用來計算虛車換道過程中的橫向和縱向加速度；

在模擬過程中，每輛車在時刻t的加速度a(t)用遺傳算法學習到車輛駕駛模型進行預測，車輛的速度和位置狀態以下來計算：

v(t+1)＝v(t)+a(t)*Δt(5)

p(t+1)＝p(t)+v(t)Δt (6)

在模擬過程中，設置Δt為0.1秒；加速度通過遺傳算法來計算，速度通過加速度來計算，位置通過速度來計算。