基于遗传算法的应对突发状况的城市交通调控

袁一博

摘 要：随着经济及技术的飞速发展，城市汽车数量也随之激增，由此导致城市突发交通状况事件数量增加，影响了城市交通整体稳定。城市交通控制整个城市的命脉，道路交通突发事件应急管理作为城市安全应急管理的主要组成部分，对于减少突发事故造成的损失、保障人民生命和财产安全乃至社会的稳定方面起着至关重要的作用。

关键词：遗传算法；突发状况；城市交通

中图分类号：P631.46 文献标识码：A 文章编号：1671-2064（2017）24-0022-02

自上世纪第二次工业革命以来，在高新科技井喷式涌现的推动下，人类社会加速进化。信息时代的到来将经济全球化确定为几个世纪内全球经济格局的主流，世界被更为紧密地联系起来，全球人民的生活都在逐渐改善，与此同时，全球人民的生活需求在随之升高，包括交通出行在内的多方面基本需求越来越为各国人民所看重。单就交通出行方面，这激发了发达国家和发展较快的发展中国家人民对于汽车的需求。交通拥堵造成的大量经济和能源损失问题一直一来是各国交通部门提上日程的问题。采用包括修建新路、限号限行等方法减少交通拥堵成为常规手段。但在应对突发状况所造成的短暂交通拥堵时，这些手段显然是不可行的，应急交通管制成为城市交通系统不可或缺的一环。世界急需一种能有效解决或者缓解交通拥堵的手段。本文拟用遗传算法改变一个循环周期内红绿灯配时以达控制少数道路局部车流量，缓解一个最简模型内交通拥堵的情况。

1 相关研究

交通拥堵作为一个国际性问题，各国学者均在研究其解决方法。整体来讲这些方法分为两种，一种是静态预防，一种是动态控制。指出建设立交桥、地铁或高架公路等交通硬件并不能从根本上解决城市交通拥堵问题，而建设一个基于信息技术的智能交通系统才是根本。立足于静态预防型治理方法，根据交通历史数据利用粗糙集理论和遗传算法提取出有效规则，找出了造成交通拥堵的主要因素，为建立智能交通系统提供了科学依据[1]。以动态网络交通流为背景，将交通堵塞描述为一个车辆禁行设计问题，又将此问题描述为一个双层规划问题，上层是车辆禁行的最优设计，下层间题描述出行者的路径选择行为，利用遗传算法求解该模型。数据表明，当城市交通网络中发生突发性拥堵后，采用基于优化禁行区域割集的车辆禁行能够在一定程度上提升网络的总体性能[2]。基于动态控制解决交通拥堵的方法，与本文类似地采用优化红绿灯配时来降低延误时间，提高通行能力，保证交通安全。将延误时间与停车次数综合考虑作为目标函数，建立交叉口信号配时优化模型，根据实际到达的交通量，采用遗传算法，用MATLAB编程计算，计算出周期时长及各相位的有效绿灯时间。从其计算结果可以看出采用的方法与Webster方法所得到的信号配时相比，其所建立的优化模型计算的结果更为合理，降低了车辆通过交叉口的延误时间、减少了停车次数，提高了通行能力[3]。

2 模型

城市交通调控模型可以描述如下：如图1所示的四条道路交叉形成一个“口”字型的基本交通网络，A、B、C、D四个交点表示四个路口，每个路口设有红绿灯。现BD路段因突发事件堵塞，无法正常通过车辆。假设每个车辆严格按照交通法规行驶；每辆车遵循最短路径原则驶向其目的地，不会在“口”字型交通网络内循环行驶；每个红绿灯在一个循环周期内通过的汽车总数在未改变配时比例的情况下保持恒定不变。为更好的研究此基本模型，需作出以下合理假设：

（1）BD路段内无车辆驶入或驶出；

（2）红绿灯工作时一个循环周期为1分钟；

（3）不考虑黄灯对与车流量变化的影响；

（4）不考虑各个路口红绿灯周期变化间隔造成的车流量净流入（出）误差；

（5）所有汽车的行驶方向均满足①到③、①到④、②到③、②到④四个情况中的一种情况，且整体按照下文所给比例分布。

定义绿灯配时在一个循环周期内占比为δ，令δA=x，δB=y。

定义道路原通行时间为φ，令φAB=α，φAC=β，φCD=γ。

定义绿灯时，每分钟通过车辆数p=100。

定义在四条道路上，每条道路的通行时间t，则

t=φ+0.001×p·δ=φ+0.1δ （1）

由此可见，随着δ和φ的变化，t也随之变化。由于φ為定值，所以t∝δ，即调控绿灯配时即可调控汽车通行的平均时间。

①到④用时

t1=α+0.1x （2）

①到③用时

t2=β+0.1（x+y）+γ+0.1y=β+γ+0.1x+0.2y （3）

②到④用时

t3=γ+0.1y （4）

②到③用时

t4=α+0.1x+β+0.1（x+y）=α+β+0.2x+0.1y （5）

定义①处车流总量为1，②处车流总量为k。由①驶向③和④的车流量之比为，由②驶向③和④的车流量之比为。

t1的权f1== （6）

t2的权f2== （7）

t3的权f3== （8）

t4的权f4== （9）

四条道路上可通行的三条道路平均通行时间T，即本算法的适应度函数为：

T= （10）

3 基于遗传算法的红绿灯配时调控算法

3.1 算法及算法参数设置

本算法共设置80条染色体，每条染色体上有20个基因位点，一条染色体代表一个20位的二进制数。每一个20位二进制数代表问题的一个解。红绿灯配时调控由属于[0，1]内的浮点数表示，每10位二进制数代表一个红绿灯配时的控制，由该10位二进制数除以1023可以得到一个红绿灯配时的实际控制参数。因解空间过大，为提算法运算准确率，采用如下的交叉方法：在一条染色体上随机对称截取如图2的4个断点进行交叉互换。然后随机选择交叉后染色体上的若干基因进行变异。交叉概率为0.9，变异概率为0.05。最后用轮盘赌的方式依据公式（10）所示的适应度函数选择下一代染色体。

3.2 算法执行步骤

（1）随机产生80个20位二进制数，得到第一代种群的80个染色体；

（2）在一条染色体上随机对称截取如图2的2个断点进行交叉互换。交叉比例为0.9；

（3）随机选取染色体中的若干基因进行变异。变异比例为0.05；

（4）将80个20位二进制数分别除以1023，依据公式（10）计算各个染色体的适应度，记录此代最优结果；

（5）将进行交叉互换和变异后的80条染色体依轮盘赌的方法进行选择，产生新一代种群。对新一代种群依次重复执行步骤（2）（3）（4）（5）；

（6）进行1000次循环后，将最终的最优解打印出来，此结果即为计算所得模型的最优解。

4 结语

本文以“口”字型基本交通网络为基础，探讨了突发事件造成道路堵塞无法通行时的应急红绿灯配时调控方法。局部车流量影响通行时间。本文提出借调控红绿灯配时以达到平均通行时间增加量最小化的目的。应用遗传算法是利用了遗传算法过程简单，随机性迭代的特点，这种算法具有高度可扩展性，易与其他算法结合，具有可观的提升空间。这种算法解决了本文提出的基本模型，但涉及的参数过少，忽略的因素过多，包括通行能力、道路停车间隔等因素，不能很好地模拟现实中的交通拥堵现象，对于更复杂的城市交通模型有待后续研究的补充。

参考文献

[1]马吉明，黄宪芳，蒋亚平等.粗糙集理论和遗传算法在预防城市道路交通拥堵中的应用[J].郑州轻工业学院学报：自然科学版，2012，27（1）：62-64.

[2]张敖木翰，高自友.突发事故下交通拥堵控制策略设计[J].系统工程理论与实践，2013， 33（5）：1307-1317.

[3]王秀旺，毛新娜.优化交通信号配时 缓解城市交通拥堵[J].大学数学，2012，28（3）：87-91.endprint