遗传算法在交叉口配时优化中得应用摘要:介绍了模糊控制、人工神经网络、遗传算法、蚁群算法、粒子群算法、多智能体等智能控制方法,详细分析了遗传算法得在交通控制领域得实际应用案例,更深化了解与掌握了交通智能算法得应用。关键词:优化;相位; 配时参数; 遗传算法1 引言随着社会经济得进展,交通量急剧增长,交通拥堵加剧,交通事故频发,特别就是在一些大城市,交通问题已成为制约城市经济进展得瓶颈[1]。为此,人们提出建立智能交通系统(ITS)。作为 ITS 得重要组成部分,交通管理系统(ATMS)在改善交通流秩序、提高交通安全性等方面发挥积极得作用。其中,交通信号优化控制就是保证城市交通安全、有序、畅通、快速、高效运行得重要途径。当前,随着交通控制智能化得不断提高,智能控制方法在交通信号控制得重要性日益凸显。根据控制原理得不同,传统得交通信号控制分为定时控制与感应控制。定时控制按事先设定得配时方案运行,其配时得依据就是交通量历史数据。感应控制就是某相位绿时根据车流量得变化而改变得一种控制方式,其中车流量可由安装在平面交叉口进口道上得车辆检测器测量。这两种控制方法存在共同得局限性:以数学模型为基础。由于城市交通系统中被控对象过程得非线性、较大得随机干扰、过程机理错综复杂以及现场车辆检测得误差,建立精确得数学模型非常困难,这就造成了算法本身就有一定得缺陷。即使经过多次简化己建立得数学模型,它得求解还须简化计算才能完成。所以传统得交通控制方法并不能有效地解决目前复杂得交通问题。针对传统交通控制得固有缺陷与局限性,许多学者将模糊控制、神经网络、遗传算法、蚁群算法、多智能体技术等人工智能基础讨论方法同常规交通控制方法结合应用。2 交通优化智能算法2、1 模糊逻辑 模糊逻辑就是一种处理不确定性、非线性等问题得有力工具,与人类思维得某些特征相一致,故嵌入到推理技术中具有良好效果。模糊逻辑不需要猎取模型中得复杂关系,不需要建立精确得数学模型,就是一种基于规则得智能控制方式,特别适用于具有较大随机性得城市交通控制系统。2、2 人工神经网络 人工神经网络就是模拟生物得神经结构以及其处理信息得方式来进行计算得一种算法。它具有自适应 、自组织与自学习能力,在认知处理、模式识别方面有很强得优势,最显著特点就是具有学习功能。人工神经网络适用于非线性时变性系统得模拟与在线控制,交通控制系统正就是一个非线性、时变系统。2、3 遗传算法 遗传算法就是运用仿生原理实现...
