text stringlengths 3 90.9k |
|---|
"即)=；扣沪莉2≤9∑嚷式中：式(4．10)枷2)氏HJ纠式(4．13)重庆交通大学硕士毕业论文≯——加权平均饱和度的阀值；" |
"缈——加权平均饱和度的方差的阀值；" |
"路段流量均衡条件：％nO+1)=鬈O)+“：(f+1)一v2(t+1)式中：《O+1)——H1时刻路段a上到达目的地聆的车流量；" |
"《(f)——f时刻路段a上到达目的地聆的车流量；" |
"”：p+1)——H1时刻路段a上要到达目的地n的驶入率；" |
"坨(f+1)——r+1时刻路段a上要到达目的地，2的驶出率；" |
"路网流量均衡的约束：所有以k为起点的路段的车辆驶入率等于k到n的OD需求和以胛为终点的所有驶出率之和。∑”：--oD；+∑嵋口c“(女)aeB(n)式中：D群——从k到n的OD需求；彳(七)——所有以k为起点的路段集合；" |
"B(栉)——所有以rl为终点的路段集合；流量与驶入率的约束：xo(t)=StI+‘，‘‘’vo(t)dt即：xo(t)=心O)(f+巳，，(f)一，)=屹(f)c\"O)边际条件：0≤％9)≤Ⅳ：，Ⅳ：(f)≥0，v：O)≥04．2．3交通控制与交通诱导协同模型式(4．16)式(4．17)式(4．18)从用户的角度来看，交通流诱导是给驾驶员提供达到目的地的最佳路径，通常以行程时间作为阻抗。从交通系统管理者来看，交通流诱导是为了均衡路网流量的分配，即通过限制进入拥挤或有潜在拥挤路段的车流量，并及时卸载该路段的车流。要达到这种目的，其一是诱导其他车辆的绕行，其二是通过调整信号控制参数达到对该路段流量的快速卸载。因此，从交通系统角度看，... |
"J" |
"l五=min∑cd(，)=min巳，，o)+％，，(f)O<S≤妒且灭万≤≯S>妒或r(t)>≯L。a=l式中：S(r)——f时刻加权平均饱和度的方差；" |
"r(t)——，时刻的加权平均饱和度；" |
"≯——加权平均饱和度的阀值；" |
"妒——加权平均饱和度的方差的阀值；cd(f)——，时刻路段a的费用函数：4．3协同模型的求解思路本论文考虑的交通控制与交通诱导协同，从交通系统的角度出发消散拥堵，均衡路网的交通流量。通过对拥堵路段或交叉口的上下游交叉口，小步长的调整(增加或减少)绿灯时间，起到缓解(放流或截流)的作用，通过不断的判断和优化，让交通流在不断反馈和调整的过程中达到系统平衡。当协同区域内不拥堵时，通过优化系统的总行程时间，让交通系统更加高效、便捷。协同模型求解的思想是：判断协同小区内是否存在路段或交叉口有拥堵，如存在则通过调整饱和度来消除拥堵，通过调整绿信比来达到流量的均衡分配，否则以协同小区的总的行程时间尽可能小为目标进行流量分配和绿信比的调整，求解的... |
"屹(f)。Step2：t=t+1，计算t时刻各路段饱和度t，并推算出路网的加权平均饱和o(t)度，．(t)和加权平均饱和度的方差S。Step3：判断协同路网是否存在拥堵现象：如果S>妒或r(t)>矽时，表明该协同路网流量不均衡，进入Step4；否则，表明路网流量相对较均衡，进入Step6。ster,4：在加权平均饱和度和加权平均方差阀值的约束下，通过37重庆交通大学硕士毕业论文fl：屹O+1)=，．(f)，求解f+1时刻理想的信号优化参数△g，，。Step5：群体发布交通诱导信息，为车载诱导装置、交通广播、信号控制器等提供各种交通状态数据，转入Step2。Step6：满足0<S≤qo]t—r(t)<q)时，以总的行程时间最小为目标... |
"式(5．1)重庆交通大学硕士毕业论文艿：坠坚二‰12，一1‘一■式(5．1)假设某一个体的编码是：x：6『6f一。岛一：…bPl，则对应的解码公式为：x=‰。+(∑6J·2,-t)·万虬夺1=1 2“，警②适应度函数削5．2)适应度函数即度量个体适应度的函数，它决定各个个体被遗传到下一代群体中的概率。为了能正确的计算这个概率，所有个体的适应度值必须大于零。遗传算法中，一般将目标函数稍作处理后作为适应度函数。1)目标函数转变成适应度函数：目标函数求max：Fit(f(x))=厂(z)目标函数求min：Fit(f(x))=一厂0)2)目标函数稍作处理后转变成适应度函数：目标函数求max：Fit(几))-∥‰嚣‰式中c幽为厂(x)的最小... |
"③遗传算子式(5．3)式(5．4)式(5鼬式(5．6)主要包括选择算子、交叉算子和变异算子。选择算子以适应度为衡量标准，将个体中的最佳个体延续下去，为下一步优化做准备。在选择过程中，适应度高的个体被选择的概率较大，适应度低的个体被选择的概率较低。交叉算子是指通过对群体中的个体进行配对，然后按照特定的规则交换个体中的部分基因，在保证群体整" |
"体优良特性变化不太大的情况下产生新个体的方法，它决定了遗传算法的全局搜索能力。变异算子是指个体进化过程中，某些基因的突变产生的全新个体，它决定第五章协同模型的算法设计与实例分析了遗传算法的局部搜索能力。交叉算子与变异算子二者的相互配合，共同完成对搜索空问的全局搜索和局部搜索过程，使得遗传算法能够以优良的搜索性能完成最优化问题的寻优过程。④运行参数进行遗传算法求解最优问题时，需要对运行参数进行设置，一般的运行参数及建议取值如表5．1所示。表5．1遗传算法运行参数及建议取值表运行参数群体大小M交叉概率只变异概率只" |
"终止代数丁建议取值" |
"20一1000．5～1．O0。0001-4)．1100～5005．1．2计算步骤遗传算法求解问题的主要步骤如下【69】：Stepl根据运行参数的设置，随机产生一定数量的初始种群，并对种群中的个体进行编码，每个个体表示为染色体的基因编码；Step2计算种群中个体的适应度并判断，若符合优化准则，则输出最佳个体并得到最优解，结束计算；否则转向Step3：Step3进行选择操作，根据优胜劣汰的原则，由适应度选择再生个体，适应度" |
"高的个体被选中作为下一代个体的概率高，适应度低的个体被选中作为下一代个体的概率低；Step4进行交叉操作，按照一定的交叉概率P和交叉方法，产生新的个体；Step5进行变异操作，按照一定的变异概率己和变异方法，产生新的个体；Step6由交叉和变异产生新一代的种群，返回Step2。遗传算法的计算流程如图5．1所示。4l重庆交通大学硕士毕业论文图5．1基本遗传算法流程图遗传算法的优化准则根据问题的不同有不同的确定方式，一般可采用的优化准则包括种群中个体的最大适应度值、平均适应度值和迭代代数等。5．1．3遗传算法设计①编码方式设计本论文采用二进制编码，用二进制码串对而，X2，．．．，毛，ga，92，．．．，岛进行编码，形成一条染色体。【五... |
"长，n为变量的个数。其中每个变量由k位二进制码表示，染色体的总长度为kx\"。流量、绿灯时长的解码公式分别表示为：七厶J^r‘=o+-是·Za,。2广1" |
"蜀：e+辔壹％2川J=l厶J』=1式(5．7)式(5．8)式中：" |
"M——路段的通行能力；％、6J，——分别表示第i个路段流量、驶入率对应的二进制码串中第，位的二进制码(0或1)；②适应度函数设计本文模型为最小化问题，最适合的个体对应最小的目标函数值，因此本文优化42第五章协同模型的算法设计与实例分析问题的适应度函数表示为：F=max(M一厂)式(5．7)式中：M>0，为一大数，以保证F非负；其中，本文利用罚函数法对模型的约束条件进行处理，将约束化问题转变成一系列无约束优化的问题进行求解。通过罚函数法构造的广义目标函数表示为：minF(x，盯)=f@)+卯@)尸(x)表示为：朋n芦P(x)=∑[max{0，一吕(x))]。+∑Il(x)IJ=l』=1式(5。8)式(5．9)式中：吕(x)、办，(x... |
"口、∥——常数，通常取口=p=2；" |
"盯——惩罚因子，为很大的正数；③遗传算子设计选择算子采用轮盘赌选择方法；交叉算子采用单点交叉方法；变异算子采用基本位变异法。在运用遗传算法求解过程中，从第一代开始，如果得到的最优个体优于前一代的保留个体，则将它替换为当前代的保留个体，否则将前一代保留个体作为当前代保留个体，采取这种最优保留策略，以增强遗传算法的收敛。5．2协同模型的求解算法5．2．1以消除拥堵为目标的求解算法在以消除拥堵为优化目标的策略中，即S>妒或r(t)>≯成立时，采用“准最优”的思想，不追求严格的最优，数据处理和优化过程中，采取小步长调整、试算优化的方法。主要求解步骤为：1)如图5_3所示，当求解得到‰(f)>，(f)时，说明路段动的饱和度偏大，当‰(f)>... |
"进行快速卸载，并对上游交叉口迸行适当的截流。如‰(f)>r(t)时，则TB(t+1)=疋(f)+船，TA(t+1)=TA(t)-△g，却为调整的绿灯时间，在对应的绿灯时间" |
"内进行调整。2)通过1)中计算得到f+l时刻的信号配时方案，利用式(4．1)和式(4．2)可以求解t+1时刻理想的信号配时方案，返回到1)，直到满足0<S≤妒且r(t)≤≯时43重庆交通大学硕士毕业论文终止。在实际优化过程中，可能会出现相邻交叉口的路段饱和度都偏高的现象，此时同一交叉口的信号配时调整方案会出现矛盾，通过绿灯时间的转让或绿灯调整时间的叠加进行处理。如r．e(t)>，．(f)&％。(f)>r(t)，此时对于路段口6，交叉口B需要" |
"放流，对于路段幻，交叉口B需要截流，这时，由于放流和截流对应于不同的相位，采取将截流方向的相位时间分配给需要放流方向的相位。如r06(t)>，．(f)&r。b(t)>，(f)，则此时Ts(t+1)=瓦(f)+△g+△g，交叉口B东西方向相位和" |
"南北放行相位同时增加。5．2．2以优化行程时间为目标的求解算法对于协同区域不拥堵的情况，以优化总的行程时间最小为目标，即满足0<S≤妒且r(t)≤矽时，利用遗传算法，求解厶=minyc。(r)。主要步骤为：。‘』_一“、7’1)初始化，设定种群数目M、染色体长度咒、终止代数Ⅳ、交叉概率只、变a=l异概率只。2)采用二进制编码，在可行域内随机产生种群数目大小的染色体，并根据解码公式对染色体中对应[墼JIxI，x2，．．．，矗]进行解码操作，求得的值[_，X：，．．．，Xn】，并根据TRRL方法得到各交叉口的信号周期时间Z。3)根据公式(5．8)和得到的Z，对染色体对应的【蜀，g：，．．．，岛]解码，求得[蜀，92，．．．，岛】的值。... |
"￥" |
"Xi k j。繁。。。。。" |
"謦鍪”…囊。。薹嚣ii飞jl；_：¨‘翟繁譬*曩…萎¨81。…。掰黼“。。％i。 ioi 匿kF警“”ji；慧" |
"。。。鬣" |
"、V“萋i‘、．t" |
"4“ 藏≯“" |
"：，-_露，图5．2VISSIM路网—．，=蜂==…—。巳L………—．至…" |
"一b_—_．遣一一：!l‘：：=一一一弓一一一一一——fe————+…一一言……汪j{{" |
"川一号一．图5．3试验路网编号本文选取路网中一个小区域进行验证，路网编号如图5．3所示。模拟路网的交叉口采用两相位信号控制，交叉口彳、E、F的初始信号配时为(80，35)s，交叉45重庆交通大学硕士毕业论文口B、D的初始信号配时为(90，38)J，交叉口c的初始信号配时为(102，50)S，其中主干道为双向六车道，次干道为双向四车道。给定交通需求，主干道BC、CD、CF交通需求相对较大，利用VISSIM模拟，采样周期为3min，整个模拟3600s，取第四个采样周期为协同开始时间，利用前面公式求得协同成立时的路网初始数据如表5．1所示。表5．1路网初始数据表路" |
"段 m厶 交通需求" |
"veh|hsd％(f)ua(t)veh{3minveh／3minveh|3minCq(t)sc(f)" |
"Sabbabccbcddcde402402312312280280310380310ed" |
"∥ 380" |
"砖" |
"力 355" |
"《 355" |
"cj286＆ 28610001200200018001900170080090056075065070015001600306306360360324324270270265265265265345345545490721011283654304230359992367210814512616258475248463685lOl44．951．254．778．265．592．751．849．337．845．548．251．060．266．71689ca(O)S4245293126273231373836342926为了简化计算，本文建立的协同模型求解算法过程中有如下假设：1)交通出行者拥有足够完整的交通信息获取途径；2)车辆在路段上... |
"80809090102102909080808080g(f)" |
"353938465046384635393539T(t+ng(f)96745229第一次协同配时结果" |
"T(t+11g(f)" |
"35808090901021029096808074803938465046385235392939熏纛纛瓣麓粼路段ra(t)路段ra(t)，(f)" |
"S(r)交叉口彳1彳2BlB2C1C2D1D2ElE2F1F2注：么1表示爿交叉口东西相位，A2表示么交叉口南北相位。47重庆交通大学硕士毕业论文由表5．2可以看出，加权平均饱和度r(t)=O．5336>0．5且加权平均饱和度得方" |
"差S=O．0503>0．05，需要对协同路网进行消除拥堵为目的的优化，信号配时优化结果如表5．3所示。表5．4第一次数据处理结果abbabccbcddcdeedO．31260．40690．50260．45270．92630．74220．41180．4175e，．力如耐cjfc0．37210．33890．42580．439l0．64960．83240．51530．0372路段ra(t)" |
"路段名(f)r(f)" |
"s(0根据第一次信号配时优化结果，利用VISSIM仿真，进行加权饱和度的计算，数据处理结果如表5．4所示。由表5．4的结果可以看出，加权平均饱和度的方差S=0．0372<0．05，但是加权平均饱和度，(f)=0．5 153>0．5，不满足要求，继续进行第二次信号配时优化，结果如表5．5所示。表5．5第二次信号配时优化结果初始配时优化过程r(f)" |
"80809090102102909680807480g(t)" |
"353938465046385235392939T(t+11g(f)102685821第一次协同配时结果" |
"丁O+1)g(0" |
"358080909010210290102808068803938465046385835392139表5．6第二次数据处理结果abbabccbcddcdeed0．32770．41580．48850．47210．82230．72650．42630．3987矿fefa对对乃0．38620．320l0．432l0．40090．63110．6952O．49600．0249交叉口月l爿2B1B2" |
"C1C2DlD2E1E2" |
"F1F2路段ro(t)" |
"路段ro(t)，．(f)" |
"S(f)第五章协同模型的算法设计与实例分析根据第二次信号配时优化结果，利用VISSIM模拟，进行加权饱和度的计算，数据处理结果如表5．6所示。由表5．6的结果可以看出，加权平均饱和度r(t)=0．4960<0．5且加权平均饱和度的方差S=0．0249<0．05，满足优化要求，此时" |
"优化的目标为协同路网总的行程时间最小，利用遗传算法，进行求解。设定种群大小M=100，终止代数N=300，交叉概率Pc=0．9、变异概率只=0．05，将第二次协同信号配时数据带入遗传算法程序中，一次性求得各交叉口的信号配时参数g，丁和下一时刻路段交通流量的分配xa(t+1)，进而可求得各路段的诱导车流量" |
"瓴=xa(t+1)一屯(f)，代入VISSIM进行仿真。然而在实际交通中，驾驶员不可能100％的服从交通诱导信息，本论文在模拟中取驾驶员的诱导服从率D：50％，则各路段实际诱导车流量觇·：益堡生上型。Ip仿真得到协同后路网交通运行状态如图5．5所示，计算结果如表5．7所示。路段abbabccbcddcde图5．5协同后路网交通运行状态表5．7协同后路网数据表吒(f)w办／3miIlCq(t)sc(f) s6062888086955l41．245．348．752．953．162．447．8491413重庆交通大学硕士毕业论文续表5．7协同后路网数据表路段xo(t)vehl3minCq(t)sc(f) sed" |
"e，" |
"力" |
"力" |
"Qj" |
"cj" |
"fc5342403945837643．335．332．140．553．151．658．3将表5．1和表5．7进行对比发现，实施交通控制与交通诱导协同后，路网的总的行程时间有了明显减少，由1689s下降到1413S，下降了约19．53％。14012010080604020O 麟鬻震i震震麟豢图5．6协同前后各路段流量对比200018001600140012001000800600400200O协同嚣协同后图5．7协同前后总的行程时间对比50第五章协同模型的算法设计与实例分析由图5．6和图5．7可以看出，实施协同后，各路段流量的均衡性有所提高，协同路网总的行程时间有所减少，有效的缓解了路网的交通拥堵，说明了本文方法的有效性。5．4本章... |
"达到消除掘堵的目的，优化行程时间的求解算法采用遗传算法进行求解，得到控制与诱导的控制变量；最后采用VISSIM对提出的模型和算法进行验证，结果表明本文提出的模型及算法能均衡路网上的交通流量，能减少路网的总的行程时间，从而证明了本文提出的模型和算法的有效性。重庆交通大学硕士毕业论文52第六章总结与展望第六章总结与展望6．1论文总结城市交通控制系统和城市交通流诱导系统是实现城市交通管理智能化、现代化、信息化、网络化的主要手段，诱导系统提供的实时交通诱导信息，必然会导致驾驶员的出行行为的变化从而引起交通流量在路网空间的重新分配，另一方面，交叉口的信号控制参数给予不同方向进口道车辆的时间通行权，改变了车流在时间上的分布特性。交通控制与交通... |
"国内外的研究成果，分析了交通控制与交通诱导协同的关系，总结了交通控制与交通诱导协同的模式，为后续研究提供一定的参考。②以均衡路网上的交通流量，消除局部地区的交通拥堵，让整个路网交通系统恢复到平衡的交通状态为核心思想，提出了一种基于消除拥堵和协同区域内总的行程时间最小的双目标协同优化模型。模型从加权平均饱和度和加权平均饱和度的方差作为切入点，判断协同小区内是否存在路段或交叉口的拥堵，如存在则通过" |
"调整绿信比，均衡路网交通流量消除拥堵，否则以协同小区的总的行程时间尽可能小为目标进行绿信比的调整和路网流量的分配。③针对提出的双目标协同模型，分别设计了以消除拥堵和优化行程时间为目标的求解算法。其中，消除拥堵的求解算法采用小步长的试算优化不断调整信号配时参数，达到消除拥堵的目的，优化行程时间的求解算法采用遗传算法进行求解，得到控制与诱导的控制变量。最后采用VISSIM对提出的模型和算法进行验证，证明了本文提出的模型和算法的有效性。6．2论文展望交通控制与交通诱导的协同涉及到多方面的研究，由于本人时问和水平的限制，论文只对几个主要问题进行了研究，在以后的研究中，还需要进一步的深入：①建立的协同模型中存在一些假设，实例分析中对部分数据... |
"从本科到现在，陆老师在学习、工作和生活等各个方面都给予作者慈父般细致的培养和深切的关怀。陆老师不但锻炼了我独立自主的科研能力，更让我认识到人生就是一个创造并成为自己的过程。由衷的感谢马庆禄老师，马老师对我的论文提供了很大的帮助和指导，马老师认真工作、快乐生活的人生态度深深感染了我，在此我表示深深的感谢。在研究生阶段的学习中，感谢师兄吴磊、黄美灵、谭伟、李政、马红江、李毅、武连港、沙尧尧、李标，师姐何丽芳、赵雅秀、高为、王玲、刘春旭、李雪，同门张凯、邓捷、詹娟、张慧及所有师弟师妹们给与的帮助与鼓励。最后，深深感谢我的父母、亲人和朋友，在二十年的求学历程中，是他们的支持、鼓励和帮助，才能使我顺利完成学业，真诚感谢他们一直以来的期望和付... |
"International Symposium onroute choice[J]．Proceedings of theTenthpoliciesandTransportation and Traffic Theory,1987：319-33857重庆交通大学硕士毕业论文[16】Maher M J，and R Akcelik．The redistributional effects of all area traffic control Poliey．TrafficEngineering and Contr01．1 975：383·385[17】Gartner N H．Influencing traffic equilibrium... |
"Seventh International Symposium on Transportation and Traffic Theory，1 977：545-569[61】andjic Z．University of Canterbury Traffic Study．Development of SATURN and TRACKSModels．Master Thesis，Dept．of Civil Engineering，University of Canterbury,Christchurch，NewZealand．200 l【62】Tan H-N，Gershwin,S B and Athans，M Hybrid Optimiz... |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.