[發(fā)明專利]一種基于分布估計(jì)算法的潮汐車道優(yōu)化方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011306714.7
• 申請(qǐng)日: 2020-11-20
• 公開（公告）號(hào): CN113011627A
• 公開（公告）日: 2021-06-22
• 發(fā)明（設(shè)計(jì)）人: 陳偉能;尤瑞;鐘競(jìng)輝;詹志輝
• 申請(qǐng)（專利權(quán)）人: 華南理工大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/26;G06N3/00;G06N3/12
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 何淑珍;江裕強(qiáng)

本發(fā)明公開了一種基于分布估計(jì)算法的潮汐車道優(yōu)化方法，包括以下步驟：初始化分布估計(jì)算法的參數(shù)，根據(jù)給定變量的可行域，均勻初始化第一代種群個(gè)體；獲取當(dāng)代種群中每個(gè)個(gè)體所對(duì)應(yīng)的最優(yōu)交通流分配；獲取當(dāng)代種群中每個(gè)個(gè)體的目標(biāo)函數(shù)的值；更新當(dāng)前最優(yōu)個(gè)體，選擇優(yōu)勢(shì)群體構(gòu)建概率頻率分布直方圖模型，計(jì)算頻率分布直方圖模型；結(jié)合當(dāng)代頻率分布直方圖模型，前一代頻率分布直方圖模型以及學(xué)習(xí)率參數(shù)a，更新頻率分布直方圖模型；根據(jù)頻率分布直方圖，通過(guò)輪盤賭方法產(chǎn)生的個(gè)體構(gòu)成新的種群；如果達(dá)到最大進(jìn)化代數(shù)，則結(jié)束分布估計(jì)算法并輸出當(dāng)前的全局最優(yōu)解個(gè)體。

技術(shù)領(lǐng)域

本發(fā)明涉及道路交通網(wǎng)絡(luò)設(shè)計(jì)智能計(jì)算領(lǐng)域，主要涉及一種基于分布估計(jì)算法的潮汐車道優(yōu)化方法。

技術(shù)背景

城市內(nèi)部早晚高峰期交通流量呈現(xiàn)顯著的“潮汐現(xiàn)象”，即每天早高峰時(shí)進(jìn)城方向交通流量大，出城方向交通流量??；而下班晚高峰時(shí)則是出城方向交通流量大，進(jìn)城方向交通流量小，這種不平衡的交通流量分布會(huì)導(dǎo)致城市交通的資源浪費(fèi)和擁堵。為了應(yīng)對(duì)這個(gè)問(wèn)題，有些城市采用了一種稱為“潮汐車道”的方案。潮汐車道也叫可變車道，它將固定的隔離帶變?yōu)榭梢苿?dòng)隔離帶，能夠根據(jù)具體交通流量分布動(dòng)態(tài)通過(guò)調(diào)整特定方向的車道數(shù)目，有效地控制交通流量，以適應(yīng)這種道路交通的“潮汐現(xiàn)象”。在國(guó)內(nèi)，北京、上海、廣州和深圳等城市都在研究或者已經(jīng)建成數(shù)條潮汐車道。隨著城市規(guī)模的不斷增長(zhǎng)和機(jī)動(dòng)車保有量高速增長(zhǎng)，對(duì)這種能夠高效利用現(xiàn)有路網(wǎng)的潮汐車道的需求也將越來(lái)越高。

潮汐車道的設(shè)計(jì)優(yōu)化隸屬于交通網(wǎng)絡(luò)設(shè)計(jì)領(lǐng)域，該領(lǐng)域通常將道路網(wǎng)絡(luò)設(shè)計(jì)問(wèn)題建模成一種雙層優(yōu)化問(wèn)題，一方面，該模型將道路交通流分配問(wèn)題作為下層優(yōu)化問(wèn)題，下層的優(yōu)化目標(biāo)是使得所有用戶都能選擇對(duì)他們而言最合適的路徑，從而將路網(wǎng)的流量需求完全分配到路網(wǎng)當(dāng)中去，另一方面，該模型將整個(gè)系統(tǒng)通行時(shí)間最優(yōu)化問(wèn)題作為上層優(yōu)化問(wèn)題，上層的優(yōu)化目標(biāo)是使得系統(tǒng)中所有車完成通行需求的總時(shí)間最小。這類問(wèn)題之所以被稱為雙層優(yōu)化問(wèn)題，是因?yàn)橄聦觾?yōu)化函數(shù)的最優(yōu)解將作為變量參與到上層優(yōu)化問(wèn)題的優(yōu)化過(guò)程當(dāng)中去，簡(jiǎn)而言之，雙層優(yōu)化的目標(biāo)函數(shù)是相互關(guān)聯(lián)的，下層函數(shù)的自變量和上層模型的關(guān)系是不可以用解析式直接表達(dá)出來(lái)的?，F(xiàn)階段，解決雙層優(yōu)化問(wèn)題的方法主要包括解析式算法和元啟發(fā)式算法兩種。解析式算法，如KKT條件，對(duì)偶和罰函數(shù)等傳統(tǒng)的解析方法，將雙層優(yōu)化問(wèn)題轉(zhuǎn)換為單層優(yōu)化問(wèn)題進(jìn)而求解。這類方法，依賴于目標(biāo)函數(shù)和約束條件的解析特征，例如，連續(xù)、可微和凹凸性等解析性質(zhì)。相對(duì)的，元啟發(fā)式算法是隨機(jī)算法與局部搜索算法相結(jié)合的產(chǎn)物，它可以在合理的時(shí)間范圍內(nèi)找到一個(gè)可接受的妥協(xié)解，雖然很多情況下，元啟發(fā)式算法得到的不是全局最優(yōu)解，但是卻是很有價(jià)值的近似解，因?yàn)檎业竭@些解不需要太長(zhǎng)時(shí)間。同時(shí)，元啟發(fā)式算法不依賴于目標(biāo)函數(shù)良好的解析性質(zhì)，對(duì)于不連續(xù)的，非凸的問(wèn)題，元啟發(fā)式算法能從離散的、多極值的、含有噪音的高維問(wèn)題中找到近似最優(yōu)解。因此，元啟發(fā)式算法十分適用于道路交通網(wǎng)絡(luò)中潮汐車道的設(shè)計(jì)和優(yōu)化問(wèn)題。

分布估計(jì)算法是基于種群的元啟發(fā)式算法的一個(gè)分支，是一種將統(tǒng)計(jì)機(jī)器學(xué)習(xí)同群體進(jìn)化模式相結(jié)合的隨機(jī)搜索算法。分布估計(jì)算法由于其定義清晰，實(shí)現(xiàn)簡(jiǎn)單，自從被提出以來(lái)就得到了廣發(fā)的應(yīng)用，例如流水線調(diào)度、蛋白質(zhì)折疊設(shè)計(jì)、路徑規(guī)劃和信號(hào)控制等各領(lǐng)域。與其它的元啟發(fā)式算法相比，基于群體的分布估計(jì)算法，采用了宏觀進(jìn)化的模式，利用了搜索空間的全局信息和搜索過(guò)程中的歷史信息，通過(guò)對(duì)最優(yōu)解分布的估計(jì)和建模，能夠避免陷入局部最優(yōu)解，具有更強(qiáng)的全局搜索能力，更快的收斂速度等優(yōu)點(diǎn)，因此十分適合于道路交通網(wǎng)絡(luò)中潮汐車道設(shè)計(jì)這樣的優(yōu)化問(wèn)題。