[發明專利]基于改進Webster函數和遺傳算法的交叉口信號燈配時優化方法

有效

• 申請號: 201910795812.2
• 申請日: 2019-08-27
• 公開（公告）號: CN110517510B
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 張惠臻;袁泓濤;王成;王靖;高悅爾
• 申請（專利權）人: 華僑大學
• 主分類號: G08G1/08
• 分類號: G08G1/08;G08G1/01
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 張松亭;李艾華

1.一種基于改進Webster函數和遺傳算法的交叉口信號燈配時優化方法，其特征在于，包括：

S1，根據傳統交叉口車輛延誤函數Webster函數獲取車輛延誤數據，根據點樣本產生實際的車輛延誤數據；對Webster函數獲得的車輛延誤數據和點樣本產生的車輛延誤數據進行數據擬合，構造改進的交叉口車輛延誤函數；

S2，以改進的交叉口車輛延誤函數作為第一目標優化函數，使用包括懲罰因子的改進遺傳算法獲得最優信號燈配時方案；

S3，將改進遺傳算法獲得最優信號燈配時方案作為訓練集；采用XGBOOST回歸模型獲得實際車流對應的信號燈配時方案；

所述構造改進的交叉口車輛延誤函數，具體包括：

S11，通過傳統交叉口車輛延誤函數Webster函數計算某個指定交叉口的車輛延誤；Webster函數如下：

其中，d_n表示第n相位車輛延誤；C表示信號燈周期時長；λ_n表示第n相位相位綠信比；q_n表示第n相位車流量；x_n表示第n相位飽和度；

S12，采用點樣本的方法對車流數據進行處理，計算交叉口各方向的車輛實際延誤；點樣本方法使用的車流量數據包括停在引道內車輛數、停駛車數和未停駛車數；

S13，進行數據擬合，構造改進的交叉口車輛延誤函數，如下：

minf_new(C,λ₁,λ₂,λ₃,λ₄)＝F(f_old(C,λ₁,λ₂,λ₃,λ₄))

其中，函數F(x)表示計算實際數據產生的擬合函數，其中x為Webster函數計算出來的車輛平均延誤，即f_old(C,λ₁,λ₂,λ₃,λ₄)，通過擬合函數計算出的改進的交叉口車輛延誤函數為f_new(C,λ₁,λ₂,λ₃,λ₄)；信號燈周期由各相位的綠燈時間和黃閃時間求和共同決定，其中黃閃時間t_y固定2秒，全紅時間t_h固定3秒；另一方面為要求結論方便信號燈硬件布置便捷，要求各相位綠燈時間是在[15,60]范圍內的正整數；

以改進的交叉口車輛延誤函數作為第一目標優化函數，使用包括懲罰因子的改進遺傳算法獲得最優信號燈配時方案，具體包括：

S21，將改進的交叉口車輛延誤函數作為第一目標優化函數，函數的自變量包括各相位綠信比以及信號燈周期，因變量為交叉口車輛總延誤，函數中將車流量設定為常數值；初始化種群數量、迭代次數、邊界定義以及第一目標優化函數的輸入，每個種群里面都包含著不同的信號燈周期以及各相位綠信比；

S22，設定種群的交叉概率和變異概率；運用交叉公式進行變異的方式進行運算；

S23，將不符合改進的交叉口車輛延誤函數中約束條件的種群的適應度設為負數，并把這個負數稱之為懲罰因子；符合約束條件種群的使用改進的交叉口車輛延誤函數計算適應度；統計出當前代中所有適應度為負的種群數量N，之后重新生成N個新種群添加到當前子代，保證當前代的種群數量保持不變，之后一直重復步驟S21和S22；

S24，迭代到規定的迭代次數直至收斂，得出最優信號燈配時方案；

將改進遺傳算法獲得最優信號燈配時方案作為訓練集；采用XGBOOST回歸模型獲得實際車流對應的信號燈配時方案，具體包括：

S31，構建基于改進的交叉口車輛延誤函數和改進遺傳算法的交叉口信號燈配時優化模型，并且隨機生成預設時間內的多條多相位車流量，計算對應時間車流量的信號燈配時，以此作為模型訓練集；

S32，采用極端梯度提升模型XGBOOST，計算車流量與相應信號燈配時的內在關系，第二目標優化函數如下：

其中，表示極端梯度提升模型XGBOOST在t-1輪的模型預測結果與真實輸出y_i之間的差別，稱之為損失函數；將損失函數在按照泰勒展開，其中g_i表示一階導函數；h_i表示二階導函數；Ω(f_t)表示正則化項，n表示XGBOOST的迭代次數；f_t(X_i)表示極端梯度提升模型XGBOOST在第t輪對樣本X_i的預測結果；X_i表示樣本X_i；

S33，根據車流數據計算的極端梯度提升模型XGBOOST，計算實際車流對應的信號燈配時方案，評價指標以相對誤差為準，如下：