基于多目標(biāo)優(yōu)化相鄰兩交叉口信號配時

序評委腫一開評分，簽名壯及備注麗隊號：扭1492兼評委三評分暮，簽名及備杜注這評委二評分說，簽名及備請注禮選題：粱A捆評委四評分纖，簽名及備摧注鈔題目：層基于多目標(biāo)斑優(yōu)化相鄰兩答交叉口信號架配時研究褲摘要推現(xiàn)代社會，總隨著交通擁清堵現(xiàn)象的日群益嚴(yán)重，交忽叉口信號配倆時的優(yōu)化對公減小道路交克通壓力有著窗十分重要的甚意義。針對灘相鄰兩交叉世口信號配時蔽優(yōu)化問題，禽本文從等待稻時間和等待喝車輛數(shù)兩個民角度分別建縣立優(yōu)化模型印，對該問題竟進(jìn)行了研究編。臭在模型一中污，將相鄰兩堤交叉口優(yōu)作為一個系蝴統(tǒng)盈，建立了以藍(lán)系統(tǒng)中車輛刷總隊等待叛時間嘴最小古為目標(biāo)函數(shù)榮，纖以各相位有技效綠燈時間皺、信號周期竄時長為約束探條件的優(yōu)化邊函數(shù)模型。吉運用遺傳算辨法（至GA客）和模擬退洲火精英協(xié)同齊算法（著SACEA繞）兩種方法改，利用旅MATLA輔B幅編程，分別虜對模型進(jìn)行嫂了求解，得校到了兩種優(yōu)哄化配時方案費。甲跡在模型二中明，將兩交叉趨路口作為一馬個系統(tǒng)，對猛系統(tǒng)的車輛寸等待數(shù)進(jìn)行挺分析。將一墳個系統(tǒng)周期涼結(jié)束時該系狀統(tǒng)的車輛等征待數(shù)總和作董為主優(yōu)化函厭數(shù)，將各交鄰叉路口各自喪一個周期結(jié)挖束時的等待褲放行車輛數(shù)竄總和作為次翁優(yōu)化函數(shù)，棉將各相位時波間作為約束昆條件建立多待目標(biāo)優(yōu)化模菠型。同樣運宰用頸GA礦算法和趁SACEA肚兩種方法對托模型進(jìn)行求乓解，得到了挪兩種優(yōu)化配位時方案涌。拴每個模型得羅到的最優(yōu)配償時方案與現(xiàn)炮行配時方案袖對比蒜如下頂：交叉口相位差(s)相位1綠燈時間(s)相位2綠燈時間(s)相位3綠燈時間(s)相位4綠燈時間(s)周期(s)交叉口等待時間(s)A現(xiàn)行852193122140158.1模型一1230.8617.2515.2320.1499.5096.9模型二1326.8621.1215.1522.24101.3990.5B現(xiàn)行843173518129275.4模型一1232.516.2315.4318.1298.35100.6模型二1331.1221.3516.7515.11100.3485.6乖在模型檢驗進(jìn)部分，采用熔Synch利ro冊軟件對優(yōu)化侍配時方案和封現(xiàn)行油配時方案分意別進(jìn)行仿真央，圾以交叉口的紙等待時間作箭為衡量標(biāo)準(zhǔn)管，付得到了兩種憤模型的配時團結(jié)果都優(yōu)于穩(wěn)原有的方案部，尤驗證了模型或的有效性抱，欠并且品SACEA罩算法的優(yōu)化節(jié)效果炭明顯叛優(yōu)賢于疏GA者算法。表在母收斂性、時貌間復(fù)雜度、龍空間復(fù)雜度丸方面，晨SACEA井算法的收斂序速度及復(fù)雜沾度均菠高于遺傳算蒸法。綠最后諸，音本文以模型刑二為基礎(chǔ)進(jìn)奉行了推廣否，燭將兩交叉口致四相位優(yōu)化版配時推廣到喇了多交叉口向多相位的網(wǎng)獅狀系統(tǒng)掙，匙使模型更具秧有通用性平。顛關(guān)鍵詞加：嘆多目標(biāo)優(yōu)化撕；櫻遺傳算法辰；農(nóng)模擬退火精銷英協(xié)同算法摩；同MATLA蜻B碑；暗Synch味ro目錄一、問題重述 3二、問題分析 3三、模型假設(shè) 4四、符號說明 4五、模型的建立與求解 55.1模型一—基于車輛總延誤時間最小的多交叉口優(yōu)化配時模型 55.1.1思路分析 55.1.2模型建立 85.1.3模型求解 135.1.4結(jié)果分析 165.2模型二—基于等待車輛數(shù)最小的多目標(biāo)優(yōu)化配時模型 205.2.1思路分析 205.2.2模型建立 205.2.3模型求解 245.2.4結(jié)果分析 295.2.5模型擴展 335.3與現(xiàn)有配時方案對比分析 355.3.1現(xiàn)有配時方案仿真及模擬 355.3.2現(xiàn)有配時方案與優(yōu)化后配時方案對比 38六、模型評價 396.1模型優(yōu)點 396.2模型缺點 396.3模型改進(jìn) 40七、參考文獻(xiàn) 41八、附錄 41一、問題重述隨著城市化水平的提高，機動車數(shù)量急劇增加，城市交通擁堵問題日益嚴(yán)重。平面交叉口是道路交通的主要沖突點，不僅機動車數(shù)量多，而且行人和非機動車也在同一平面通過。定時控制這種傳統(tǒng)信號燈控制方法會造成某些方向綠時浪費，而在有些方向上車輛通行又延誤嚴(yán)重。因此，智能交通信號控制成為了主要控制手段，優(yōu)化交叉口信號配時是提高交叉口運行效率最有效的方法之一?，F(xiàn)有武漢市某相鄰兩交叉口A、B交通數(shù)據(jù)如表1所示，交叉口A的第一、二、三、四相位時間分別為56s、23s、35s、26s。測得兩個交叉口的相位差為8s，交叉口B的第一、二、三、四相位時間分別為47s、21s、39s、22s。每個相位時間都包括3s黃燈時間、1s紅燈時間。表SEQ表\*ARABIC1交通數(shù)據(jù)徐交通數(shù)據(jù)螞交通流量漏/(宗PCU近·瞎h窩-1穿)窮車均延誤時屑間高/s娃左轉(zhuǎn)圖直行賓右轉(zhuǎn)籌左轉(zhuǎn)插直行欺右轉(zhuǎn)鉆武漢市握A毀交叉口剪東進(jìn)口所366本1394弟98抖7.55必6.72鍋5.80獨西進(jìn)口進(jìn)295絨166拋72唱南進(jìn)口作525息408木300梢8.16是4.89偽5.63秀北進(jìn)口吵100腔394照576胳武漢市那B來交叉口逐東進(jìn)口鴨802早1154忍576輕5.26爭11.33孔4.96驢西進(jìn)口敘450桿304縣329盼南進(jìn)口怒169癢420傳84鈴5.03姓13.61免5.43卡北進(jìn)口荒132檔535良90為有效指導(dǎo)提高實際平面交叉口的通行能力和服務(wù)水平，減少城市交通網(wǎng)的交通延誤，改善城市交通現(xiàn)狀，要解決的問題有：設(shè)計通用模型與算法，對交通信號進(jìn)行配時優(yōu)化研究；求解出改善后的交通信號配時方案并進(jìn)行仿真檢驗；從時間復(fù)雜度、空間復(fù)雜度、收斂性進(jìn)行對比分析，對模型進(jìn)行進(jìn)一步優(yōu)化。二、問題分析這是一個配時優(yōu)化問題，根據(jù)武漢市兩相鄰平面交叉路口A、B的交通數(shù)據(jù)對交通信號配時方案進(jìn)行優(yōu)化，以提高實際平面交叉口的通行能力和服務(wù)水平，減少城市交通網(wǎng)的交通延誤，改善城市交通現(xiàn)狀。問題的特點在于A、B為兩個相鄰的交叉路口，且交通信號為四種相位。問題的難點在于所建立的模型在充分考慮單交叉口各進(jìn)口處車輛流向和流量的基礎(chǔ)上需要將A、B連接起來加以協(xié)調(diào)控制，構(gòu)成干線交叉口交通信號的協(xié)調(diào)控制系統(tǒng)，以減少相交道路車流對干線車流的干擾。在保證相交道路車流行車需求的同時，使干線車流獲得最大的通行權(quán)。三、模型假設(shè)（1）排隊車輛平均分配到該行駛方向的車道上；（2）為保證綠信比，各相位的綠燈時長不低于10s；（3）黃燈時車輛不允許通過；（4）只考慮機動車相位，不考慮行人相位；（5）兩相鄰交叉口信號周期時長不等，信號配時方案不同。四、符號說明清符號準(zhǔn)定義安符號靈定義秤綠信比胳碑車輛通過系椅統(tǒng)的平均行叛程時間此j跳方向序號脆d潤i纖為東西方向宰的總車均等勝待時間粒k貪車道序號底t件12艱表示交叉路?？谧o(hù)1棒與交叉路口備2謀的相位差離i務(wù)廟相位序號仿s喚l殺第矛l膽個蒜系統(tǒng)即周期，整個兇系統(tǒng)的車輛剪等待數(shù)絞t駕綠燈時間煩車輛在寧A濫、致B蘭兩交叉口之?dāng)￠g得行駛的平均廚車速撒C聲周期時長究w菜n剃m爛第妄m爸個路口周期糊，攜第非n恰個路口的車污輛等待數(shù)簽n住交叉朋口序號而d衡ki艇第捆k四個交叉口第竹i遞相位的車輛其平均等待時鉛間餡x互交叉口飽和氧度途t繼mn犬i蓄第革n嘗個路口右，朵第械m帶個周期的各拉相位的綠燈已時間盆C績n舍第棕n嶼個路口的周消期枝d'溜ki漠蹤第列暫k籍個交叉口第欺宋i研相位的車輛地實際平均等立待時間督q挽進(jìn)道口的實繪際車流量沖p拆nk食l授第逃l宅個網(wǎng)絡(luò)周期壩，軍第旦n塘個路口各車制道的車輛通刺行率捕q情s侵為進(jìn)道口的劣飽和流量挎v廚i漂n,n+1荒由路口既n悉到路口偽n姥+1穩(wěn)方向、第桶m略個周期的車焰流速度譽β圣各方向各車日道的分流比悶a像nk晃l刑第唯l街個網(wǎng)絡(luò)周期養(yǎng)第話n銹個路口第趴k燈條車道的車財輛到達(dá)率傾L誓n,n+1傘相鄰交叉口奸溝n攜，弄n憲+1葬的距離府ρ毯i碌n猜，線n+1蝶由路口責(zé)n面到路口噴n群+龍1充方向沃、拿第忍m涼個周期的莊平均車流分臭布密度臣五、模型的支建立與求解桌5.1賣問模型腫一旗—門基于車輛總挨延誤時間最籍小的多么交叉口蔑優(yōu)化配時模物型滑5.1.1筍思路分析柱多交叉口的雅優(yōu)化實質(zhì)是控利用算法對采各個交叉口杜的配時進(jìn)行輸協(xié)調(diào)控制，第使車輛能夠餃以最快的速喘度通過多個世交叉口低[[]王錦錦.改進(jìn)交叉口性能評價及多目標(biāo)優(yōu)化配時研究[D].重慶大學(xué),2012.慈]腹。因為城市舊道路主干道燃是城市交通鏟的命脈，主愧干道的通暢漆與否直接影屆響相鄰區(qū)域設(shè)甚至整個區(qū)抓域的交通情葬況，因此減臟少干線車輛塌的總延誤，雁使得車輛能[]王錦錦.改進(jìn)交叉口性能評價及多目標(biāo)優(yōu)化配時研究[D].重慶大學(xué),2012.砍由題目中形表破1補所給出的數(shù)煤據(jù)可以看出傅A(chǔ)撫、振B付兩交叉口所脫形成的區(qū)域叉中尤，奮東西方向車衡流量較大唱，因此本模礎(chǔ)型以車輛通慣過交叉口東偽西方向的總帳延誤最小為揀目標(biāo)，考慮慨車輛通過干全線的平均行泄車時間和車壞輛趨于停車祖線處的平均擋延誤時間來浪建立模型劣?？袄猛鶰ATLA襲B草軟件編寫程漢序?qū)λＤ瓦M(jìn)行求解殼，最后將模多型應(yīng)用于武離漢市某相鄰逝兩交叉口儲A票、夏B俗，優(yōu)化其配危時方案，并企用睛Synch月ro7準(zhǔn)軟件進(jìn)行仿康真驗證，用機SimTr壟affic懇7友軟件進(jìn)行優(yōu)德化模擬。萬信號控制的綢基本寬參數(shù)有三個追：周期時長尋、綠信比和且相位差?？夭刂葡到y(tǒng)的功獲能就是最佳規(guī)地確定各路其口在各車流怨方向上的這旺些參數(shù)，并肢付諸實施。指（猶1家）周期時長穿周期時長即是信號燈運行時一個循環(huán)所佳需的時間，漂等于綠燈、纏黃燈、紅燈只時間之艘和固。一般信號類燈最短周期剛不能少于漠36s斜，否則不能久保證幾個方貫向的車順利渴通過交叉路粘口僻[[]姚祖康張樹升，道路與交通工程系統(tǒng)分析，人民交通出版社.1996蕩]常。最長周期階不超過倡2min嗚，否則引起扁等待司機的割抱怨，或者豪誤以為信號孫燈已經(jīng)失靈佛。適當(dāng)?shù)闹鼙∑陂L度對疏駛散路口處的東交通流、減隊少車輛等待園時間有重要耍意義氏[[]姚祖康張樹升，道路與交通工程系統(tǒng)分析，人民交通出版社.1996[]段敬琳.城市交通信號燈動態(tài)配時優(yōu)化算法研究[D].沈陽大學(xué),2014.很正確的周期史時錄長應(yīng)該袖是：一個方胸向的綠燈時虛間剛好使該棋方向入口處育等待車隊放擔(dān)行完畢。例卵如一個兩方侵向（東西向害和南北向）懇交叉口，設(shè)途兩個方向的采交通需求（貴達(dá)到率）分悅別是掏d芒1咳,d枯2占，通行能力葡分別是忌s背1攀,s泛2決，巾周期時間長右度為退t縫c態(tài)，綠燈時間斷分別為毛G肥1御,G眼2純,弄其中損失時張間分別為泰L什1別,L燒2來（損失時間六是指不能被貪充分利用的勾時間，原因明是綠燈出現(xiàn)申之初車隊床反應(yīng)和加速幸過程），黃均燈時間不計獸，則：躺哄壟揪孔句齡非千（猜5襯愚1干）敗若校s放1鉗=s謀2飯=s泄，培將以兩式相本加，并將潑G萬1碼+G今2躬=t目c傍代入得訊:爛獄芒浙踢蛇特南（捏5梅罩2喉）丸由式湯（鮮5-斥2帥）可以計算帥出保證路口候不堵塞的一口個最小周期健值。僵若需求完過高，堵塞果現(xiàn)象成為不喝可避免的，喬信號周期時像長應(yīng)取為最敵大允許值。添（財2故）綠信比柳一個周期中錘，綠燈時間種與周期時長攻之比稱為綠享信比被[[]楊兆升編，城市交通流誘導(dǎo)系統(tǒng)理論與模型，人民交通出版社，2000佳]戒。設(shè)綠燈時涂間為忽G葛，周期時長牽為潮C夢，[]楊兆升編，城市交通流誘導(dǎo)系統(tǒng)理論與模型，人民交通出版社，2000借喉閉易躺春表放啞吹喊(5-3)禁綠信比的大卻小對于疏散喪交通流和減嗚少路口總等謊待時間有著座舉足輕重的躺作用。通過元合理地分配勒各車流方向磁的綠燈時間榨（綠信比）習(xí)，可使各方長向上貪阻廢車次數(shù)、等鬼待時間減至桶最少隸[[]李年源[]李年源.同時考慮行人和機動車效益的交叉口信號控制優(yōu)化模型[D].北京交通大學(xué),2010.（3）相位踏相位是對于飛一個路口多銅方向交通流域而言的，一球個交通流方春向（一個綠帶燈信號）稱驕為遣一宣相。按交叉槐路口道路的故相交方式來港劃分，交叉躁口可以分為向T陷型交叉口、惠十字交叉口權(quán)、誓Y任型交叉口、請X逼型交叉口等板。不同的交誘叉口有不同水的相位設(shè)置限，比如鼓T辨型交叉口一騎般設(shè)置三相昏位，而十字是交叉口需要壇四相位控制橋。友各交叉口相芳位設(shè)計必須名遵循相同的熱原則，即每潛個交叉口至盆少設(shè)置兩個勻相位，使相想位間綠燈間五隔的時間要在盡量地少。獲相序是用來嘗控制相位間寸變換的參數(shù)蹤[[]段進(jìn)宇,繆立新,江見鯨.面向中國城市的先進(jìn)交通控制系統(tǒng)的設(shè)計規(guī)劃[J].清華大學(xué)學(xué)報(自然科學(xué)版),2001,06:108-111.竊[]段進(jìn)宇,繆立新,江見鯨.面向中國城市的先進(jìn)交通控制系統(tǒng)的設(shè)計規(guī)劃[J].清華大學(xué)學(xué)報(自然科學(xué)版),2001,06:108-111.婆圖衫炸5.SEQ圖\*ARABIC她1獄疑頃單交叉口交再通流分布圖念典型交叉口速一般采用四洽相位控制，混如圖稻5.忽2帶暗所示，東西蕩直行為第一部相位；東西望左轉(zhuǎn)為第二宿相位；南北占直行為第三畜相位；南北朽左轉(zhuǎn)為第四斜相位；右轉(zhuǎn)糞車輛隨直行揀相位行駛，滑沒有單獨相果位。濱圖墻脫5.SEQ圖\*ARABIC裙2奪銅四相位控制雜示意圖姿（考4需）相位差競相位差是對逝兩個路口同少一信號相位察而言的。如襪圖塔5.3劈所示，踢一條東西走理向的大街上舌有兩個相鄰期的交叉路口灑，交通信號惰周期相等，壩它們同一相線位（沾例如東西直康行綠燈）起張始時間之差忌就是該兩路你口東西直行準(zhǔn)信號的相位烘差扶[[]邊明遠(yuǎn),[]邊明遠(yuǎn),陳思忠,羅漢軍.智能交通系統(tǒng)(ITS)及其發(fā)展[J].武漢理工大學(xué)學(xué)報(信息與管理工程版),2001,01:67-70.

副圖禍5.SEQ幅圖讀\*A撥RABIC遞下3村暴兩相鄰交叉斜路口卻A筑、蘭B映之間相位差爽示意圖上當(dāng)涉及到對漿一條干涉上儀的交通流或烏一個網(wǎng)絡(luò)內(nèi)甘的交通流進(jìn)密行控制時，剛相位差是一僻個重要的控護(hù)制參數(shù)。通逮過調(diào)整各路飄口間相位差紋，可以使一詞串路口的信貸號燈形成一斷個協(xié)調(diào)控制衡系統(tǒng)搏，車隊通過杏這些路口時擋暢通無阻。胖5.鉤1婦.廈2漆模型建立渴1.壁昨多交叉口協(xié)掉調(diào)優(yōu)化模型生對交叉口車終輛的平均延勢誤采用經(jīng)典角她W路ebste拜r按延誤公式，錫即嬸寸尺歲仿券（嚇5-溫5戶）醫(yī)黨（端5-蝦6賠）吳以東西方向墻為干線方向集的總車均延遇誤計算如下車：厘蝕役（評5-奇7渠）很路段平均行線程時間蜓中躺高艱蛾（綢5-奮8役）受以車輛通過葉系統(tǒng)所需平欄均總扶行程冶時間（即平漠均行程時間律和平均總延展誤時間之和蠅）為控制目須標(biāo)，以有效組綠燈時間、欠飽和度和實徐際延誤為約濟束，模型如蓄下：騎添（職5-叮9帖）汪其中，周期棄C歉的取值范圍蘆為羽[30s,衰160s]即，綠燈時長月G舞取值范圍為耀[10s,悟60s]輩，通過約束瓶（其中減）計算出最漫優(yōu)周期時長腦C撈，即吸耗個顧侍（慨5-紐10諷）輪對公式將（彼5-近9銷）化簡后可啟得：蘆村（刪5-抗11撐）飽建立起兩相藏鄰交叉路口肯實時優(yōu)化配桐時模型后，側(cè)采用兩種智倦能優(yōu)化算法餐，即遺傳算魚法（慎GA佩）和基于模像擬退火的精北英協(xié)同進(jìn)化立算法（光SA蘇CEA乞）對其進(jìn)行益優(yōu)化、仿真曉，枯并從時間復(fù)淘雜性、空間籮復(fù)雜性和收隔斂性等角度效進(jìn)行對比分爐析，最終得腿到最優(yōu)配時桌方案。授2.啄躁遺傳算法貌（憐GA虎）聾優(yōu)化多交叉瀉口交通信號借配時樹遺傳算法包持括三個基本況操作：選擇扣、交叉撿和變異。這沙些基本操作皇又有許多不僻同的方法，娃使得遺傳算嫂法在實用時挑具有不同的覆特色陵[[]賀玫璐[]賀玫璐.基于模擬退火精英協(xié)同進(jìn)化算法的交通信號協(xié)調(diào)優(yōu)化控制[D].南京郵電大學(xué),2014.

旦（村1男）敢析選擇：根據(jù)綱各個個體的故適應(yīng)度，按浴照一定的規(guī)方則或方法，驅(qū)從第殼t鉆代群體中選體擇出一些優(yōu)鋸良的個體遺抹傳到下一代捎群體中。未（田2泳）扔場交叉：將群撕體內(nèi)的各個摧個體隨機搭堂配成對，對務(wù)每對個體，掉以某個概率房交換它們之珍間的部分染極色體。雷（鳴3敢）蒸教變異：對群棗體中的每一壽個體，以某妥一概率改變符某一個或某遇一些基因座狠上的基因值頁為其他的等恒位基因。遺習(xí)傳算法就是庸模仿生物的叫進(jìn)化過程（歪即通過染色鳥體之間的交旋叉和變異來父完成），將冊基本操作作辜用于群體，來從而得到新劈一代群體，述提高群體適免應(yīng)環(huán)境的能瀉力。漂基本過程如法下：亭（圖1燕）閉計算開始時呆，一定數(shù)目繁N卻個體即種群筐隨機地初始恨化有；凱（慮2暴）松計算每個個復(fù)體的適應(yīng)度日函數(shù)，產(chǎn)生夸第一代輕；界（根3功）鵲如果不滿足篩優(yōu)化準(zhǔn)則，營按適應(yīng)度選腸擇個體，父秧代要求基因稍重組（交叉版）而產(chǎn)推生子代；結(jié)（峰4禮）菜所有的子代截按一定概率蜂變異址；昆（握5淡）重新計算幕子代的適應(yīng)燒度；壤（伏6殿）頃子代被插入隔到種群中將雜父代取而代有之，構(gòu)成新聽一代，這一應(yīng)過程一直到曲滿足優(yōu)化準(zhǔn)偽則為止。含遺傳算法的瘋流程圖如圖亞5互.4米所示：惹遙籮拴圖姻5.SEQ疾圖則\*A香RABIC較冰4臣波遺傳算法流式程圖抗3培.域拾模擬退火精翼英協(xié)同鴉算法料(也SACEA碧)值優(yōu)化多交叉族口交通信號妖配時起在研究協(xié)踏同進(jìn)化算法曠和模擬退火基機制的基礎(chǔ)夢上，在精英涼協(xié)同進(jìn)化算蹲法中加入模剝擬退火機制績，桌建立了債模擬退火精挪英協(xié)同剃算法宋（叫SACEA辯）悅，脖使得算法具錦有更好的全訂局尋優(yōu)能力捏和較快的收殲斂速度。哄SACEA鏡算法首先分私出精英種群紡和普通種群干，精英種群懷組建團隊，斯組團過程中貼本文引入隨黑機種群，增趟加了種群的棍多樣性；通就過隨機種群逮選擇的團員樂采用模擬退裳火機制進(jìn)行昆進(jìn)化，更好踢地提升了算拴法尋找全局獵最優(yōu)解的能娛力，同時因畝為采用改進(jìn)勾的提高收斂品速度的模擬尸退火機制，飯算法的收斂征速度也得到詳了保證和提曉升。覆SACEA慚算法的具體到步驟如下：搖（亡1止）初始化種俗群閱pop茶(t)盾，計算個體漿適應(yīng)度，將薪種群內(nèi)個體調(diào)按適應(yīng)度降身序排列城；才（旋2鍛）依據(jù)適應(yīng)鼻度將恭待pop(蛋t)篇劃分為精英質(zhì)種群和普通西種群（魯M央個精英個體肉、靈N-M謹(jǐn)個普通個體碰），并復(fù)制籌生成子代精煌英種群和普惜通種群；同沫時復(fù)制當(dāng)前資適應(yīng)度旬最大的精英袋個體；咸（鞋3探）精英組團萄：酸①每個精英哄各自組建大插小為拼（邁G佩向上取整）別的團隊；橋②其中，從遼精英種群和師普通種群中生等概率地選錦取砍個哲個體，然后芹隨機生成肆r懇G痛個鹽個體；卸（場4盾）進(jìn)化操作同：蒸①如果團隊遞中的個體來仍自精英種群砌，進(jìn)行協(xié)作大進(jìn)化：生成凍一個均勻分殿布的隨機數(shù)宏；如果既，繞執(zhí)行群CCOI乘命算子，否則攝執(zhí)行斑FCO牲算子。其中皺，毒U遺做為在區(qū)間聰內(nèi)產(chǎn)生的一眾個均勻分布辯的隨機數(shù)；饅為長方體交叼叉概率，是胡預(yù)先設(shè)定好爆的參數(shù)毀；股②如果來自現(xiàn)普通種群，帶進(jìn)行引導(dǎo)進(jìn)財化：執(zhí)行毀CCOI耳I蹤算子喉[[]MuCH,JiaoLC,LiuY.M-Elitecoevolutionaryalgorithmfornumericaloptimization.JournalofSoftware[J],2009,20(11):2925?2938[]MuCH,JiaoLC,LiuY.M-Elitecoevolutionaryalgorithmfornumericaloptimization.JournalofSoftware[J],2009,20(11):2925?2938姑③如果個體而是隨機生成假的，則利用悄模擬退火機夏制進(jìn)行進(jìn)化繁；懷（抵5兔）更新子代道精英和普通死種群：懂①對于協(xié)作榨和引導(dǎo)操作志得到的新個打體，如果適券應(yīng)度大，則獨由其代替原峰父代個食體在子種群螞的位置；計嚼算當(dāng)前子代透種群最差和乖第二差的個純體，對于?？鄶M退火機制傻進(jìn)化得到的倦新個體，與薦當(dāng)前子代種償群中糖最差個體進(jìn)陽行比較，如換果其適應(yīng)度凳大，則代替盯子代普通種醒群的最差個獵體；捎②檢驗當(dāng)前坡子代種群是涉否含有父代逢最優(yōu)個體，碎沒有則用父緞代最優(yōu)個體搜替換子代種振群第二差個腹體；伶（包6塔）感M館次循環(huán)完畢角，合并子代基精英種群和屋普通種群為義pop(繪t)權(quán)，令編；蹄（勢7悼）判斷是否諸滿足終止條傻件，滿足則稅將棚pop(抱t)涌中的最優(yōu)解線輸出；否則瘋返回（腎2非）。辮算法中步驟檔（輸4遠(yuǎn)）的具體退愛火步驟如下教：驅(qū)Step1違：令當(dāng)前個視體為初始解別赤S室，最優(yōu)解躍best=牌S棟，如誼s勵(模0踏)牽=幫罰S庭，竟計數(shù)參數(shù)土p=0,i束=0;返Step2盆：令災(zāi)，進(jìn)行抽樣耐（參數(shù)為抓t損、零best牧、論s(i攀)少）渴；抽樣完成秧得到最優(yōu)解估best概0葛和當(dāng)前狀態(tài)忘s'獻(xiàn)，示。如果予，則酬P(guān)=P+1長；麗否則，彼best州=推best彎0碎；草Step3踩：退火。沸。其中劣;儀Step4降：如果如（閾值它1茄），則轉(zhuǎn)向六下一步；否鐘則返回物Step描2侄；薦Step5飄：以球best榜為最終的最短優(yōu)解輸出，各結(jié)束整個退攜火算法。女其中，弦Step2扮爸中的抽樣過魄程如下：嘆令初始狀態(tài)售，初始最優(yōu)殘解察籍，計數(shù)參數(shù)慢；根當(dāng)前狀態(tài)個神體季和當(dāng)前主導(dǎo)粗精英進(jìn)行單國點交叉和非廳均勻變異，率計算產(chǎn)生的歷兩個新個體抄的適應(yīng)度，傲選擇適應(yīng)度姻大的新個體秩作為新的狀說態(tài)泡s育，計算義。凍如果堪，則暑，魄，信；若驕，插令段，冊如果以概率纏泳接受新狀態(tài)讓，令煙，如果新狀得態(tài)沒有被接擱受，則豬；扒如果約（閾值刮2浩），則進(jìn)入覽下一步，否叉則返回上一積步；別當(dāng)前狀態(tài)胳，懷令接受鑼次數(shù)為牧，理best枯0真為最優(yōu)解輸千出到，算法凈結(jié)束。名SAECA眨危算法基本流心程如圖室5.繳5案所示。餐圖聲5.SEQ場圖昌\*A險RABIC乳牧5倍SA食CEA踩算法流程圖抱5.靜1.3催模型求解糧采用編MATLA拖B壽語言編寫程軌序，對公式驅(qū)（餓5-說11風(fēng)）分別進(jìn)行逝遺傳算法優(yōu)鞋化和唯SACEA盤系優(yōu)化，仿真飛過程需要的神控制參數(shù)設(shè)蔬置如下：兩更種算法的初礎(chǔ)始種群大小撕I口均犬1000辜，最大進(jìn)化記代數(shù)為觀500照，遺傳算法均交叉率它P鋒c咳均為晶0.9技，變異率拍P艘m儀均為甘朱0.01蕩，掩SACEA超鋤參數(shù)中精英兄?jǐn)?shù)壤M餓=60卻，父T定0尤巖取按500拴，投max1著取應(yīng)200挪，瞧max2酷啞取害300御，卡計算隨機種城群比例參數(shù)逢r今時，戒r多0逮劃取妙0.1所，警d京取南0.1若；通過查閱報資料，藥對題目中所尸給的數(shù)據(jù)進(jìn)爽行分析并桐綜合武漢市禁的交通狀況檢，初AB祝間距離挎取炮900m丈，平均車速腫取占30頭k底m/h甚。吊由于程序單隙次運行具有達(dá)隨機性，在處算法參數(shù)設(shè)比置不變的情恨況下，對所凡有算法均獨范立運行智20嫁次，取其平奶均結(jié)果。疲1稻.刷遺傳算法求首解囑步驟及結(jié)果咳：宣遺傳算法求毯解步驟為秀：沖（獻(xiàn)1舊）待優(yōu)化變潛量為，即兩摸個交叉口各對自的四個綠褲信比；程（示2瞧）設(shè)定參數(shù)閥：壓M饅-雁最大遺傳代壤數(shù)、竟嘉I盼-伸初始種群大駝小、抗P你c造呈-答交叉率、丹P鉗m追-拼變異率；得（渣3碰）編碼：本閉文采用實數(shù)殃編碼，所以騎染色體的長障度為變量的糠個數(shù)；類（歡4近）初始化：轉(zhuǎn)隨機產(chǎn)生大盯小為甲I遺的初始種群甜；分別以目匙標(biāo)函數(shù)菜y西為適應(yīng)度函援?dāng)?shù)，計算種豎群中個體的叮適應(yīng)度；賠（煌5棵）進(jìn)行遺傳彼操作：貿(mào)①選擇：通衰過計算奴y歇個體適應(yīng)度姨并進(jìn)行降序滋排列，采用顆隨機競爭的坡方式選擇新隔的個體；斬②交叉：采沈用凸交叉操盛作；始③變異：采淋用非均勻變辦異；厚（鈴6跌）判斷結(jié)果疾：判斷迭代辛次數(shù)是否達(dá)烏到西M軋,究如果達(dá)到則介結(jié)束，否則落轉(zhuǎn)回步驟襲裂（虎4促）。欣MATLA撈B邀仿真圖為前：亡圖軍5.SEQ戶圖習(xí)\*A慈RABIC蔑園6蛛遺傳算法多劍交叉口配時豐優(yōu)化圖游2唉.妄模擬退火算減法求解獅：雄（吼1姨）編碼：采隱用實數(shù)編碼絲{只}翅，一個染色名體代表一種睜配時方案；續(xù)（幅2盟）適應(yīng)度函禮數(shù)構(gòu)造：本票文所采用的蠟延誤模型是銜帶有約束的掩，所以采用朝靜態(tài)罰函數(shù)紛法處理約束旨條件。依據(jù)氏公式（不5玩-兩11角）的約束條棚件，令少務(wù)坦俯（雙5-主12繁）沉加入懲罰項塞的目標(biāo)函數(shù)箭為：久告牽俱（革5-痰13熔）辛懲罰因子籠A扒的值為上1000摘0錘。因為延誤俘模型是最小橡化的模型，如所以適應(yīng)度寒函數(shù)塵友Fitne瞇ss(宴x)競選為柿；么（緞3他）初始化：秤種群規(guī)模坊N抖=1000煌，最大進(jìn)化勿代數(shù)設(shè)為肉500曬，知精英數(shù)建M抖=60囑，設(shè)初始化墨代數(shù)戶t貞杠=烤0掘。誰根據(jù)約束條秀件生成初始書化種群若誠pop(豆t嬸)執(zhí)并計算適應(yīng)齒度。羽旨evalu殘ation企為當(dāng)前進(jìn)化宅代數(shù)，蕩Maxev喜為最大進(jìn)化明代數(shù)；欠（損4鳥）劃分種群滲：將糊重pop(程t)遲劃分為含有邁M哪個誕精英個體的拔精英種群和園N艙-掛M倦個植普通個體的唉普通種群，爸并復(fù)制生障成子代精英賢種群和子代柿普通種群；臨同時復(fù)制當(dāng)翻前適應(yīng)度最竄大的精英個未體；義（津5聲）精英組團張：騎①每個精英浮各組建大小隙為喚呆（找t勵向上取整）鋪的團隊；盼②其中，從商精英種群和幅普通種群中莫等概率地選黑取前個傷個體，然后淘隨機生成疾值r換×文t常個排個體；斑（省6資）進(jìn)化操作舍：把受如果團隊中籃的個體來自辱精英種群，屬則進(jìn)行協(xié)作捷操作；如果烏來自普通種注群，則意進(jìn)行引導(dǎo)操痰作；如果個他體是隨機生匆成的，則利度用模擬退火手機制進(jìn)行進(jìn)悲化；酷（隆7監(jiān)）更新子代相精英種群和銜普通種群；范（言8庸）全部精英畜組團完畢，修合并子代精施英種群和子怖代普通種群尚作為記，叔；不（餡9季）終止判斷酒：判斷是否角達(dá)到最大進(jìn)碑化代數(shù)，如緒果是結(jié)束進(jìn)謊化；不是則食返回步驟（領(lǐng)4爭）擠。團MATLA歉B巖仿真圖為賓：舉圖懶5.SEQ液圖曬\*A療RABIC尋尸7尸SAE手CA記多交叉口配仿時優(yōu)化圖院5.1.4鼠結(jié)果響分析湯利用遺傳算股法撒（米GA搖）下和籠SACEA而對公式（浴5欠-熔11閱）的優(yōu)化配玩時結(jié)果如表永2牛所示。芒表糧SEQ別表攏\*A低RABIC桶洽2林佩利用遺傳算胃法和翼SACEA揮算法優(yōu)化配抵時結(jié)果供算法困交叉口透相位差哲相位時1揚綠燈時間猾(s)都相位窗2調(diào)綠燈時間議(s)辨相位你3訊綠燈時間敞(s)純相位束4汽綠燈時間京(s)男周期斤(s)企主干線總延倚誤扎(s/蚊PCU掀)誓總行程時間座時間久(s)猾GA松A弟11盡36.21雁25.54延20.82竟21.27呢119.8宿5仁7.22冰1按09喊.35糟B決34.09屯20.83失22.87植17.24懂111.0陶4敬SACEA剝A什1筍2券30.86們17.25掘15.23粉20.14辱99.50踢3麥.34異9漂6材.24謝B很32.5沈16.23監(jiān)15.43抽18.12閃98.35處1膚.乳抗Synch煮ro7績仿真結(jié)果憶將遺傳算法隙和跑SAECA盼算法求出的椅四個相位的騾綠燈時間以侄及前A先、教B招兩交叉口鳳的交通數(shù)據(jù)治輸入侵Synch搶ro7狡仿真上可得到各墾交叉口服務(wù)洽水平屆(Inte潑rsect腹ion困LOS)糞、伏交叉口通行日能力利用水飼平歷(ICU適LOS)毀以及承交叉口等待衛(wèi)時間銀[[]鄒志云,[]鄒志云,陳紹寬,郭謹(jǐn)一,白立瓊,常超凡.基于Synchro系統(tǒng)的典型信號交叉口配時優(yōu)化研究[J].北京交通大學(xué)學(xué)報,2004,06:61-65.辱（蠶1練）特A班交叉口艘將毫第一、二、粘三、四相位黃的交通流量賓和相位時間戒（糞每個相位均罪含盟1s欣紅燈劇3s醫(yī)黃燈）等交槍通數(shù)據(jù)輸入笨Synch丈ro7大并進(jìn)行仿真鐘得到結(jié)果如半圖宰5.此8妨所示矮。呢圖誓5.SEQ頌圖寶\*A激RABIC匯筑8強A滋交叉口遺傳鬧算法優(yōu)化信牙號配時方案接下的吧Synch革ro7流仿真結(jié)果攤從饞Synch粒ro7增仿真結(jié)果得明到聲A毅交叉口延遲鍛時間為叢123民.晚2s水，交叉口服稅務(wù)水平和交嶼叉口通行能描力利用水平慨均為增F悼級。清將倒A年交叉口桐通過孔S緣ACEA鏟算法柱優(yōu)化配時后點第一、二、糊三、四相位呀的交通流量箭和相位時間勒（含紅燈有1s養(yǎng)黃燈霧3s殺）等交通數(shù)恩據(jù)輸入并進(jìn)柄行仿真得到宜結(jié)果如圖潑5.菜9濤所示酷。壘圖喬5.SEQ圖\*ARABIC羅9賴A鉤交叉口模擬敵退火優(yōu)化配駐時方案下的它Synch套ro7邁仿真結(jié)果煌從謎Synch露ro7球仿真結(jié)果得西到建A損交叉口延遲狠時間為嫩96.9糕s業(yè)，交叉口服采務(wù)水平和交澆叉口通行能構(gòu)力利用水平談均為傭F累級。趁（2）遙B束交叉口燃將皆B決交叉口吉通過遺傳算遺法野優(yōu)化配時后渾第一、二、炎三、四相位洗的交通流量喜和相位時間害（含紅燈舍1s賀黃燈眾3s叔）等交通數(shù)腔據(jù)輸入并進(jìn)免行仿真得到聰結(jié)果如圖比5.堪10條。灶圖服5.SEQ哄圖脂\*A辱RABIC搞駝10限B咸交叉口遺傳償算法優(yōu)化配兆時方案下的寫Synch扶ro7哨仿真結(jié)果斗從惹Synch影ro7證仿真結(jié)果得師到脖B鼠交叉口延遲賠時間為摸173.6絡(luò)s承，交叉口服疊務(wù)水平為互F距級，交叉口正通行能力利售用水平為勞E熊級。布將奏B哄交叉口斗通過模擬退歸火算法趴優(yōu)化配時后殊第一、二、動三、四相位嚇的交通流量訴和相位時間車（含紅燈暫1s襲黃燈盜3s蜘）等交通數(shù)幟據(jù)輸入并進(jìn)除行仿真得到落結(jié)果如圖舞5.怒1懇1棕所示隸。秧圖哭5.SEQ丹圖都\*A等RABIC滔邁11灶B癢交叉口模擬曾退火優(yōu)化配販時方案下的釘Synch煩ro7慶仿真結(jié)果瞧從惡Synch銜ro7跟仿真結(jié)果得堡到誦B鉆交叉口延遲剪時間為食100.6番s揪，鴿交叉口服務(wù)朵水平為議F奔級，交叉口饒通行能力利賽用水平為陳E股級。耳綜合兩相鄰仗A鵲、駛B跟交叉口茫Synch滾ro7招仿真結(jié)果對樸延遲時間宣(Inte死rsect雜ionD馳elay)劍、交叉口服突務(wù)水平呀(Inte標(biāo)rsect邀ion遺LOS)斃、交叉口通疼行能力利用胸水平停(ICU怪LOS)懇進(jìn)行匯總?cè)缦颖硐?圈所示。示表鐮SEQ表\*ARABIC仙3元拆服務(wù)水平對章比吳交叉口鍛交叉口資等獨待時間盡(s)本交叉口服務(wù)致水平鐮交叉口通行詳能力利用率械水平爛A腫GA板123.2祥F百F售S舌AECA曠96.9掌F副F嘗B仙GA仰173.6先F只E脈S泰AECA糖100.6曲F難E釣由上表可以掌得到舞SACEA撿算法優(yōu)化后臨的移A敞交叉口的類等待皺時間咽比遺傳算法扛降低了腥：瓶B雨交叉口的立等待奸時間降低了伯:鵝兩相鄰交叉害口總的茫等待充時間降低了蓋:滲乘上述分析可恢知悉，肺SACEA澇算法能夠更閉有效地減少厘東西方向干舅線上車輛的聯(lián)延誤時間條，使得車輛粱能夠以最短盾的時間通過腦干線各個交架叉口，還從而減少交友通擁堵什。巧2.只首收斂性、時拌間復(fù)雜度、蒜空間復(fù)雜度怕對比分析云從圖快5.6羽和圖樣5.7涼可以看出：當(dāng)SACEA卵和遺傳算法妖都能很快尋起找到所求模葛型的全局最蠟優(yōu)解，遺傳膨算法在秒3柴7胞8蟻代時收斂到粒全局最優(yōu)值蝴，而旬SACE撒A貿(mào)在咳2喉08升駐代就收斂到朽了全局最優(yōu)讓值，顯然值SACEA籠說速度更快。帥同時，使用灘遺傳算法優(yōu)障化，車輛通嶼過兩交叉口張干線的時間頑為技10價9慰.35s享，而草SACEA目優(yōu)化后甲則只需要炎96.24恨s纏，顯然，間SACEA預(yù)變比遺傳算法扎具有更高的腰數(shù)值優(yōu)化能監(jiān)力。欄因為獄SACE溉A隔結(jié)合了精英鈔協(xié)同進(jìn)化算篇法，加入了碼改進(jìn)的快速瀉模擬退火機籃制，使得算尾法不僅能更辯好得尋找到貌全局最優(yōu)解浸，同時能保眼持更快的收巴斂速度；算減法中詳隨機種群的夕加入，也使坊得算法具有須更好的種群盞多樣性，更桌能收斂到全蚊局最優(yōu)值信。但是，昨SACEA遷算法的載時間復(fù)雜度散和空間復(fù)雜純度都比遺傳賣算法要瘋復(fù)雜，遺傳仰算法運行速冰度更快征。誰對比表鉗2駐和表滿1購的數(shù)據(jù)可以均看出，使用問遺傳算法和吵SACEA假對交叉口擔(dān)A杜和交叉口覽B似組成的協(xié)同胸控制系統(tǒng)進(jìn)嗽行優(yōu)化配時提，可以很明望顯地減少兩餐個交叉口各壯相位的車輛隸延誤時間，侵尤其是第一槍相位即主干廳線上的延誤館，可以極大傘地減少交通凈擁堵，對保持障干線交通久的暢通起到堤了很大的作而用。什從表哲2展分析可知，才與干線交叉擴的道路車流怠量相對較少陜，因此綠燈坦時間的配置繼也應(yīng)較小，招SACEA駱天和遺傳算法捉都滿足了這技一點要求，章這也從另一駐方面證明了列SACE代A朗和遺傳算法翁的有效性。妙由表溉3另可以看出，隆使用盟SACE冤A誕比遺傳算法君具有更好地免減少延誤的切效果，拋使車輛在交痛叉口等待時疤間縮短以便澤更快地通過至兩個交叉路應(yīng)口，提高道制路運輸水平域和交通能力蒜。剩綜上所述，蠶在基于車輛鵲總延誤時間芹最小的多交帖叉口配時優(yōu)甩化模型中，艦SACEA釋炒算法具有更效強的全局尋福優(yōu)能力，同嫁時收斂速度劣也比遺傳算認(rèn)法要高，得崖到的配時方互案更好。完5.2糠賢模型二—乳基于貢等待車輛數(shù)王最小壤的多目標(biāo)優(yōu)鵝化診配時撐模型遺5.眉2煙.1但區(qū)思路分析丸在該模型中竿，我們以系奏統(tǒng)的車輛等惰待數(shù)作為優(yōu)沿化目標(biāo)。首勺先，建立單醫(yī)交叉路口的責(zé)車輛等待數(shù)蒸模型，在單孫交叉路口模心型的基礎(chǔ)上猾，根據(jù)兩個腸交叉口過去宿實際車輛到所達(dá)情況，預(yù)路測未來車輛借到達(dá)情況年[[]張佳佳.城市智能交通信號優(yōu)化控制及仿真[D].湘潭大學(xué),2004.匙]坡。根據(jù)在一傲個系統(tǒng)周期判結(jié)束時，使富系統(tǒng)等待車系輛數(shù)總和最威少，且使各管個交叉路口鵲在各自一個摸路口周期結(jié)挎束時的等待爪放行車輛總談和盡可能小掃的原則建立歡優(yōu)化函數(shù)，副從而確定各億路口的各相信位時間憑t柱1恒,t蜓2其[]張佳佳.城市智能交通信號優(yōu)化控制及仿真[D].湘潭大學(xué),2004.拐5.芳2產(chǎn).2跡模型建立徐1.輩河建立單個交哥叉口等待車噸輛數(shù)模型功圖質(zhì)5.SEQ限圖禿\*A寺RABIC順遍12膚冊單交工叉口腳車道分布示電意圖攔1~繩12杰車道富對息第一庭個路口登A筆第掃m闖個哄周期湖映團（詞5-猶14奮）謎其中，憑是第漆1爆路口前一路元口周期結(jié)束誓時的等待車更輛數(shù)栗;敬一周期內(nèi)該督路口東方評向的車輛達(dá)鈔到數(shù)與第二粉個路口稼B餐的車輛通行沉量有關(guān)，計委算如下：輩厘玉隔（傷5-幅15白）始對第毯2糖個路口裳B移第它m嫩個周期削（除5-臭16搬）玩其中，廁是第巡2哀路口慰B粱前一路口周愛期結(jié)束時的竿等待車輛數(shù)歉;徑一周期內(nèi)該濟路口西方向炎的車輛達(dá)到哨數(shù)與第裁1腥個路口辜A啟的車輛通行團量有關(guān)，計進(jìn)算如下：侄援覺叉問（饞5-雞17霜）僚考慮到實際悔交通中，出呆于安全等方服面的原因，截每相位時間縱要求不得少咸于芳猜10美秒，且四相省位總時間應(yīng)憂等于一個路爬口周期，故延對每相位時懂間有下列約遙束獄護(hù)窮凡習(xí)生（犧5-小18沸）躺2.斧伙建立系統(tǒng)等蠶待車輛數(shù)模驅(qū)型舞針對本題細(xì)，意兩交叉口四訂相位的情況斷，旨我們建立了蘭一個系統(tǒng)模扎型粉，干給出了優(yōu)化佩性能指標(biāo)及經(jīng)其約束條件銅，放并應(yīng)用遺傳式算法對其求步解飯。膀（廣1搜）漠煩系統(tǒng)斷周期的確定聲各交叉路口澆的相位差和贏各相位綠燈敞設(shè)置方式如本圖汗5.12佛所示轟[[]林荔娜.城市多交叉口信號配時優(yōu)化[J].莆田學(xué)院學(xué)報,2014,02:82-86.呢]譽，澡根據(jù)單交叉碗路口的周期漆和相鄰路口[]林荔娜.城市多交叉口信號配時優(yōu)化[J].莆田學(xué)院學(xué)報,2014,02:82-86.目坡辰岔屢擦（校5-咐19泳）眉你（農(nóng)2咬）餃猴目標(biāo)函數(shù)的采建立寺以整個網(wǎng)絡(luò)諸在第有l(wèi)掛個蛋系統(tǒng)周期結(jié)濕束時總的等反待車輛數(shù)為紹系統(tǒng)的性能駁指標(biāo)。票對于第一個慧路口固A績來說，流入蠅該系統(tǒng)的車厲道有樓1,2,6疏,7,81歸2,9,1黨0,11廈車道，對于特第二個路口持B缺來說，流入脈該系統(tǒng)的車襲道有第廁7,8,1浩2,3,4呢,5,9,轟10,11弦車道，所以違，精在一個疾系統(tǒng)魯周期結(jié)束時雹流入趴系統(tǒng)饞的車輛數(shù)總斷和為：耐梅（凍5-召20殘）傲只考慮網(wǎng)絡(luò)看周期是各個柄交叉路口周蜂期的整數(shù)倍蹤的情況，倍央數(shù)為極h蝶，則對于第獨一個路口臂A應(yīng)來說，第末1,趟6炎,7,8,箱3韻,5,4,仇11打,10態(tài)車道都是車痛輛離開該系坦統(tǒng)的車道塊。對于第二洽個路口痕B熟來說，第缺1,2,6尊,10,9奪,3,5,仙8,1笑2拼車道為車輛政離開該系統(tǒng)侵的車道，則垂在系統(tǒng)周期敞內(nèi)流出系統(tǒng)叉的車輛數(shù)計助算如下：則（壟5-禮21丙）玩在一個網(wǎng)絡(luò)盯周期結(jié)束時脫流出網(wǎng)絡(luò)的逮車輛數(shù)總和磚為：轉(zhuǎn)屆胳裹弟吊?。ㄓ?-艦22晴）漢整個網(wǎng)絡(luò)在枯第份l掛個網(wǎng)絡(luò)周期詳結(jié)束時總的脅等待車輛數(shù)心為：您郵油反畝生澇（淡5-濱23厭）華3楊.邪建立相鄰恭交叉摔口間的相位蠢差模型稍AB午兩路口獲車流速度和浮相位差的關(guān)肝系為逢：濤妹駐議標(biāo)披網(wǎng)(5-2撤4)坑車流速度的抓車流分布密筒度間的關(guān)系勻并不是簡單柴的線性關(guān)系糖，而應(yīng)是：乘當(dāng)車流很稀企少時，車速貍應(yīng)該較高，勢而且隨著車殊流較少增加瞞，車速不應(yīng)者下降很大；功當(dāng)車流增加照到一定程度食，車速急劇合下降；車流確繼續(xù)增加，花此時車速已禽經(jīng)很小，相遠(yuǎn)當(dāng)于發(fā)生了謠堵車；所以笛，車流再增膏加，車速也泰無多大變化濾。基于以上巧考慮，車流購速度和車流轟分布密度之晚間的關(guān)系可窄表示類似于復(fù)正切函數(shù)的猴形式息[[]周麗.基于動態(tài)時段劃分的交叉口信號控制模型與算法研究[D].山東大學(xué),2011.

[]周麗.基于動態(tài)時段劃分的交叉口信號控制模型與算法研究[D].山東大學(xué),2011.

采(嘉1燕)抄當(dāng)交通密度雞很統(tǒng)小時，它們慰之間的關(guān)系被一般采用安沿特伍德的指彎數(shù)模型：御絹皇楚婦犧源敵敵(5-2投5)滅(2)杰當(dāng)交通密度溜適中時，它鑒們之間的關(guān)張系采用線性快模型：菠射保幼饒陸叼謀(5亦-26)泳(3)句當(dāng)交通密度寬很大時，它奸們之間的關(guān)罷系一般采用焦Grenb結(jié)erg怪對數(shù)模型：屋痕朝于岔鄉(xiāng)銅侄(5-27鹽)渾通過以上關(guān)批系，即可給饅出路口間的劑相位差達(dá)。鑰4.狼建立系統(tǒng)控堪制方案跟根據(jù)各路口雖過去實際車菌輛到達(dá)情況市，預(yù)測各路燃口未來車輛僻到達(dá)情況，捕根據(jù)在一個阻網(wǎng)絡(luò)周期結(jié)密束時，使網(wǎng)縫絡(luò)等待車輛斗數(shù)總和最少航，且使各個首交叉路口在尿各自一個路騰口周期結(jié)束訪時的等待放件行車輛總和蝦盡可能小數(shù)的原則，通反過優(yōu)化確定唐各路口的各異相位時間馳t辮1加,t立2零,t鐵3簽,t要4權(quán)。矛5.汗多目標(biāo)優(yōu)化晴性能指標(biāo)涂主優(yōu)化函數(shù)勒取在一個網(wǎng)邁絡(luò)周期結(jié)束鑄時整個網(wǎng)絡(luò)刊等待放行車屯輛數(shù)總和，曬次優(yōu)化函數(shù)免取各交叉口雀在各自一個喉周期結(jié)束時壇的等待延遲如數(shù)之和，即古為否麗者商麗(5悟-28)不在優(yōu)化時，利首先要求監(jiān)S仗盡可能地小懶，在同樣的黎S泡下，再要求敬W鵲n粥盡可能地小揀，其中等價彩地可以認(rèn)為診S丸保證使車輛寺等待放行時福間盡可能短氣，獲W啦n抗保證車輛放駐行盡可能地上多。置5.血2鞋.3屬元模型求解伍1.瞞賴基于遺傳算抵法的多目標(biāo)綱優(yōu)化方法胳(香1登)堆多目標(biāo)優(yōu)化次的遺傳算法怒描述唐匪單交叉路口礦討論的是單吊目標(biāo)尋最優(yōu)遇解，城市系較統(tǒng)信號控制伐屬于多目標(biāo)定優(yōu)化問彈題。多目標(biāo)貨優(yōu)化問題的泳本質(zhì)在于，磨各個子目標(biāo)懶有可能是相疼互沖突的，材那么同時使謊多個子目標(biāo)系都一起達(dá)到串最優(yōu)值是不歇可能的，而道只能是在它良們中間進(jìn)行貼協(xié)調(diào)處理，槍使各個子目痕標(biāo)都盡可能索達(dá)到最優(yōu)剛[[]馮樹民,[]馮樹民,裴玉龍.考慮行人過街的兩相位交叉口配時優(yōu)化[J].

交通運輸系統(tǒng)工程與信息,2009,03:146-151.

蛾首先對多目愧標(biāo)優(yōu)化問題殿的最優(yōu)解的單概念進(jìn)行定短義。設(shè)職是多目標(biāo)優(yōu)葡化模型的約年束集，才是向量目標(biāo)銳函數(shù)。若揭，并且不存兔在比垮更優(yōu)越的旺羽x啊，則稱批是多目標(biāo)極盜小化模型的盼Paret角o好最優(yōu)解捆[[]李翔晟.基于遺傳算法的交叉路口信號自適應(yīng)配時優(yōu)化[J].

中南林業(yè)科技大學(xué)學(xué)報,2010,07:155-159.八、附錄1.主要算法程序：functionobj=yichuan(lb,ub,px,pm)%lb,ub為自變量的下界與上界，px為雜交概率，pm為變異概率popsize=40;%設(shè)定種群大小為40maxgen=500;%設(shè)定最大遺傳代數(shù)為500代dim=20;%定義變量的維數(shù)為20bits=20;%設(shè)定變量的二進(jìn)制位數(shù)為20duan=20;trace=zeros(maxgen,2);%遺傳算法性能跟蹤[]李翔晟.基于遺傳算法的交叉路口信號自適應(yīng)配時優(yōu)化[J].

中南林業(yè)科技大學(xué)學(xué)報,2010,07:155-159.八、附錄1.主要算法程序：functionobj=yichuan(lb,ub,px,pm)%lb,ub為自變量的下界與上界，px為雜交概率，pm為變異概率popsize=40;%設(shè)定種群大小為40maxgen=500;%設(shè)定最大遺傳代數(shù)為500代dim=20;%定義變量的維數(shù)為20bits=20;%設(shè)定變量的二進(jìn)制位數(shù)為20duan=20;trace=zeros(maxgen,2);%遺傳算法性能跟蹤chrom=crt(popsize,dim*bits);%創(chuàng)建初始種群gen=0;%代計數(shù)器x=bs(chrom,lb,ub,dim,bits);obj=fun(x);figure(1)plot(obj,'-xr');grid;title('初始種群中個體的分布圖')xlabel('個體');ylabel('目標(biāo)函數(shù)值');Nesl=popsize;%輪盤選擇個數(shù)，設(shè)定為與種群大小相等gen=0;%遺傳代數(shù)計數(shù)器，設(shè)定初始值為0obj=fun(x);fitv=fel(x);%基于適應(yīng)度的輪盤選擇chrom=exrws(chrom,fitv,Nesl);whilegen<maxgen%單點交叉后得到大小為popsize子代新種群，與原來的父代種群合并為大小為2*popsize的新種群newchrom=[chrom;exxov(chrom,px)];%最優(yōu)個體保護(hù)策略(先提出種群中的最優(yōu)個體，然后用輪盤選擇出Nesl-1個個體%構(gòu)建成新的種群，再將最優(yōu)個體插入新種群的第一行)x=bs(newchrom,lb,ub,dim,bits);fitv=fel(x);[Y,I]=max(fitv);newchrom=[newchrom(I,:);exrws(newchrom,fitv,Nesl-1)];%變異概率為pm的基本位變異,假設(shè)有N個染色體發(fā)生了變異，將這N個染色體插入原來的種群中，得到大小為popsize+N的新種群chrom=[newchrom;exmut(newchrom,pm)];%最優(yōu)個體保護(hù)策略(先提出種群中的最優(yōu)個體，然后用輪盤選擇出Nesl-1個個體%構(gòu)建成新的種群，再將最優(yōu)個體插入新種群的第一行)x=bs(chrom,lb,ub,dim,bits);fitv=fel(x);[Y,I]=max(fitv);chrom=[chrom(I,:);exrws(chrom,fitv,Nesl-1)];%計算新種群的目標(biāo)函數(shù)值x=bs(chrom,lb,ub,dim,bits);obj=fun(x);fitv=fel(x);ifgen==20figure(2)plot(obj,'-xr');grid;title('經(jīng)過20次遺傳迭代后種群中個體的分布圖')xlabel('個體');ylabel('目標(biāo)函數(shù)值');endifgen==100figure(3)plot(obj,'-xr');grid;title('經(jīng)過100次遺傳迭代后種群中個體的分布圖')xlabel('個體');ylabel('目標(biāo)函數(shù)值');endifgen==250figure(4)plot(obj,'-xr');grid;title('經(jīng)過250次遺傳迭代后種群中個體的分布圖')xlabel('個體');ylabel('目標(biāo)函數(shù)值');endgen=gen+1;trace(gen,1)=min(obj);trace(gen,2)=sum(obj)/length(obj);aver=zeros(length(fitv),1);aver(:,1)=sum(fitv)/length(fitv);aver=(fitv-aver).^2;trace(gen,3)=sum(aver)/length(fitv);%trace(gen,4)=shang(fitv);%trace(gen,5)=cshang(chrom,duan);endfigure(5)plot(obj,'-xr');grid;title('經(jīng)過500次遺傳迭代后種群中個體的分布圖')xlabel('個體');ylabel('目標(biāo)函數(shù)值');obj=min(obj);figure(5)plot(trace(:,1));title('經(jīng)過500次遺傳迭代后種群最優(yōu)解的變化')xlabel('迭代次數(shù)');ylabel('目標(biāo)函數(shù)值');figure(7)plot(trace(:,2));title('經(jīng)過500次遺傳迭代后種群平均值的變化')xlabel('迭代次數(shù)');ylabel('目標(biāo)函數(shù)值');figure(8)plot(trace(:,3));xlabel('迭代次數(shù)');ylabel('種群的方差');title('500次迭代過程中種群方差的變化');%十進(jìn)制轉(zhuǎn)換functionphen=bs(chrom,lb,ub,dim,bits)[m,n]=size(chrom);li=[1:bits:n-bits+1];lf=[bits:bits:n];phen=zeros(m,dim);fori=1:dimexchrom=chrom(:,li(i):lf(i));forj=1:bitsphen(:,i)=exchrom(:,j).*2^(bits-j)+phen(:,i);endendphen=lb+phen.*(ub-lb)/(2^bits-1);%創(chuàng)建種群function[chrom]=crt(popsize,bits)chrom=zeros(popsize,bits);fori=1:popsizepop=round(rand(1,bits));chrom(i,:)=pop;endfunctionmutchrom=exmut(chrom,pm)[m,n]=size(chrom);s=rand(m,n)<=pm;domut=find(sum(s')>0);mutchrom=zeros(length(domut),n);j=1:n;mutchrom=(~chrom(domut,j)).*s(domut,j)+chrom(domut,j).*(~s(domut,j));%基于適應(yīng)度的輪盤選擇functionnewchrom=exrws(chrom,fitv,Nsel);[Nind,ans]=size(fitv);cumfit=cumsum(fitv);decumfit=[0;cumfit(1:Nind-1)];fori=1:Nselch=rand(1)*cumfit(Nind);forj=1:Nindif(ch<=cumfit(j))&(ch>decumfit(j)),newcode(i)=j;endendendnewchrom=chrom(newcode,:);%單點交叉操作functionnewchrom=exxov(chrom,px)[nind,lind]=size(chrom);docross=rand(nind,1)<px;temp=chrom(find(docross),:);[m,n]=size(temp);xops=floor(m/2);odd=1:2:m-1;even=2:2:m;fori=1:xopsdot=ceil(rand(1).*lind);mask=[zeros(1,dot)ones(1,lind-dot)];newtemp(odd(i),:)=(temp(odd(i),:).*mask)+(temp(even(i),:).*(~mask));newtemp(even(i),:)=(temp(even(i),:).*mask)+(temp(odd(i),:).*(~mask));endifrem(m,2),newtemp(m,:)=temp(m,:);endnewchrom(find(docross),:)=newtemp;newchrom(find(~docross),:)=chrom(find(~docross),:);%適應(yīng)度計算functionfitv=fel(x)ob=512^2*20-fun(x);fitv=ob/sum(ob);%目標(biāo)函數(shù)functiony=fun(x)[nind,lind]=size(x);y=zeros(nind,1);fori=1:lindy=x(:,i).^2+y;end%基本位變異操作functionnewchrom=mut(chrom,pm)[m,n]=size(chrom);s=rand(m,n)<=pm;i=1:m;j=1:n;newchrom(i,j)=(~chrom(i,j)).*s(i,j)+chrom(i,j).*(~s(i,j));%%%%%基于遺傳算法的多目標(biāo)最優(yōu)化偽碼描述%%%%%ProdureGAforMulti-objectiveoptimizationbeginwhile(r<最大周期)初始化個體P（0）forv:=1to最大代數(shù)dobegin初始化臨時個體P'(0)=P(v-1);forx:=1;to目標(biāo)函數(shù)個數(shù)(m)do計算P'(x-1)的使用度值Fitness;按fitness計算P'(x-1)的生存概率；通過選擇、交叉、變異算子產(chǎn)生臨時新個體P'(x);end產(chǎn)生自帶P(v)=P'(m);解碼計算并輸出各相位綠燈時間，目標(biāo)f1,f2;預(yù)測第(r+1)個周期車流量；根據(jù)相位確定其它路口的各相位配時;r:=r+1;end仿真參數(shù)：種群：M=100染色體長度：n=84最大代數(shù)：G=450交叉概率：Pc=0.8變異概率：Pm=0.001a=0.2兩個相鄰交叉口之間的距離=375m自有車速=600m/min平均車流密度=50m/veh阻塞密度=100m/veh放行流量=2veh/sec足針對多目標(biāo)鑼優(yōu)化問題解腦的特點，以幣及遺傳算法香的特點是對誰整個群體所赴進(jìn)行的進(jìn)化喚運算操作，肉對象是個體宴的集合，因梢此遺傳算法仿是求解多目鄉(xiāng)標(biāo)優(yōu)化問題遇的落Pare肺to漲最優(yōu)解集合意的一個有效碗手段。對多浮目標(biāo)優(yōu)化的族目的是希望滿能使各目標(biāo)露都盡可能達(dá)懼到較優(yōu)的解緊，這樣可以得設(shè)想群體在軌進(jìn)化過程中餡，各目標(biāo)所失對應(yīng)的適應(yīng)禽度都能起作界用，即群體敏在一個具有難不同適應(yīng)度站的復(fù)雜的環(huán)當(dāng)境下進(jìn)行選壘擇、交銜叉、變異，伐經(jīng)過若干代民進(jìn)化后所得襖的子代對每啟個目標(biāo)都具零有較高的適吉應(yīng)度惱。瞎（娘2弟）遺傳算法厭求解步驟芝并①伴染色體編碼業(yè)方式鴨轟由于時間都董是在整數(shù)域松取值，因此追仍采用前面貢的繡84疲位二進(jìn)制編協(xié)碼方式，它護(hù)的編碼與解恨碼方法都如芝單交叉路中連所述。天②怨適應(yīng)度函數(shù)健的確定懷將兩個目標(biāo)炭函數(shù)轉(zhuǎn)化為懇適應(yīng)度形式傅：真聞特酒幼刑怒蘆(5-29省)題式中輝，廈為一個適當(dāng)圣地相對較大灶的數(shù)或當(dāng)前藍(lán)代中目標(biāo)函位數(shù)的最大值倘。敘F源ij半為第啟i恨代中第凍j燥個個體的目喉標(biāo)函數(shù)值。盼為了防止遺膀傳算法在初扣期階段發(fā)生盞早期收斂，蠅同時提高在游后期階段個洗體之間的競堂爭性，在此棕對適應(yīng)度作輔指數(shù)尺度變投換：喂爆印矛親趕肅乞(5-30授)坦式中慎，頭系數(shù)寇α弓決定了猾復(fù)制的強制已性飄，品α鐘越小則強制丸性越強斷，梅原有適應(yīng)度藥較高的翅個體的新適棕應(yīng)度就越與策其他個體的東新適應(yīng)度相陡差越大。宜③選擇算子呢槳這里采用的散是期望值選找擇方法。具房體操作過程焦是：對群體河中每個個體羊計算在下一調(diào)代群體中的土生存期望數(shù)紡，若某一個尾體被選中參汁與交叉，則竊它在下一代伙中的生存期鋒望數(shù)減去友0.5偷，否則減去另1.0太；當(dāng)一個個添體的生存期旋望數(shù)目小于序0新時，則該個掠體就不再被槽選中。為保忠證算法的收聾斂性，采用綁最優(yōu)保存策還略將父代中鑼最高適應(yīng)度粒的個體直接慕復(fù)制到下一談代。鑼④交叉算子貧窮采用單點交僑叉，即在個趕體編碼串中蜂只隨機設(shè)置始一個交叉點稱，在該點按素交叉概率相愚互交換兩個收配對個體的獨部分染色體盟。貪P袖c螺在號0.6畝～懇0.95校間取值，為喂了避免適應(yīng)予度高的個體命結(jié)構(gòu)被破壞爆或進(jìn)化緩慢數(shù)，肯P塞c厲不宜太大也任不宜太小。⑤變異算子話為了改善遺市傳算法的局兔部搜索能力蘋，維持群體領(lǐng)的多樣性，促防止出現(xiàn)早幣熟現(xiàn)象，采價用基本位變會異操作，即摧指對個體繼編碼串以變箏異門概率碑P蒸m賢隨機指定的粉某一位或某幼幾位基因座盼上的基因上活的基因值作宣變異運算。閣P圈m車在曬0.001導(dǎo)～栽0.01消間取值，吉P抗m鍬不宜太大也扎不宜太小。皆太小不易產(chǎn)其生新的個體迷結(jié)構(gòu)，太大竄，就會變成堂純粹的隨機姿搜索算法。朝一般取不超五過旅10/G*神L責(zé)為宜，式中狡：珍G徹為群體規(guī)模枕，瓦L肉為串長。次（誘3雀）仿真圣結(jié)果筆假定單位時導(dǎo)間內(nèi)路口的五放行車輛數(shù)繭均為闊2足輛晃/虹秒；路口各察方向的預(yù)測練分流比為悲0.2遺、河0.4袖、光0.4面。路口間的侮距離為譯罩9殘00努米。自由車體流速度均取眾為將30km拐/h耐，路口間的兔過渡車流分煌布密度均取雄50稈米拐/祖輛，阻塞密窗度均為違100攝米百/信輛，脅T=120暖s卵。詞群體個數(shù)為紋100姓，總迭代次微數(shù)為密5仇00帽，染色體長汗度為糠84水，愈α換取飼0.2銀，仿真周期堅為拴10撒，結(jié)果如千表忽4珠和表進(jìn)5診所示。葡MATLA閑B蜓計算結(jié)果如娘圖田5.13筋所示：貸圖紀(jì)5.SEQ受圖牲\*A部RABIC嘴拜13雷席遺傳算法優(yōu)當(dāng)化結(jié)果鼠表醫(yī)SEQ貸表罰\*A棵RABIC油窩4查A粥交叉口的培綠燈貢信號配時添周期數(shù)研t拜1腳t鹽2漁t成3炮t建4鏈S攀w鄉(xiāng)1報1絹36.42慮51意16.25載33幻22.42肚23棵21.12基73斤0黑74健2肉30.26臟78搜20.12蝦35撒18.54民68代27.28嘆99誦0漸83吩3賺28.92仁53賽18.17款24注21.53爆56籠27.59層47穗0繡82界4珠39.23酬56饒18.34趴53殲20.34諒52棟18.34遭71腿0爽79掠5寨35.14寒68悅19.24都56綱22.45嘴32悠19.38桐24鮮0掙76擺表摧SEQ弊表什\*A丸RABIC駕馳5糟駱B帳交叉口的信搏號配時咽周期數(shù)脊t頃1臣t瓶2撲t取3炭t應(yīng)4撥S騾w傲2年1摘35.27沃61慮25.23評43絮27.31系57儀17.23朵81摸0具6費5央2板3制0.123魯2壓21.34糠2奏1婆25.43鄰24貪12.16比65抓0慨70雷3靜34.52惱35莊16魂.5323佳23.35淚12數(shù)14.65霧72廈0沃76液4銅32.45球63齡17.42勁24具20.34隱24喇18.84頌31閑0給72妙5貓33.45僵35重17.43謙53祝19.34異22吉18.83陣32灘0梅69末由以上仿真霸結(jié)果可見：殃賣（思1批）根據(jù)本節(jié)超提出的系統(tǒng)俗模型，采用努多目標(biāo)遺傳采算法優(yōu)化方完法進(jìn)行交通泳配時，可以平較為合理地饅配置交叉口炕的相位時間額，使得整個槳網(wǎng)絡(luò)的車輛稼延誤時間盡脫可能的短（光以上結(jié)果表叔明，一個系陷統(tǒng)周期結(jié)束歸時網(wǎng)絡(luò)等待忙車輛數(shù)為零苦），同時使慚得各個路口喝一個周期結(jié)薯束時的等待度放行車輛數(shù)閥盡可能的少膜。疲（傻2各）上面所介扇紹的方法雖勇然是針對兩鐘個交叉路口梳4饒相位網(wǎng)絡(luò)交役通信號控制愁，截但同樣可以飼擴展到更多疏路口更多相均位的交叉路呢口網(wǎng)絡(luò)交通校信號控制。判泄2.丹基于模擬退輔火法的多目書標(biāo)優(yōu)化求解蜘模擬退火算膽法求解步驟櫻：祖（攪1配）狗編碼；肝（哥2歡）女適應(yīng)度函數(shù)攻構(gòu)造；撿（域3騎）載初始化：種折群規(guī)模議N縱=吵2誰00圖0倡，最大進(jìn)化每代數(shù)設(shè)為就10毒00帥，精英數(shù)直M熄=60始，設(shè)初始化狠代數(shù)野t蒙=衫0遠(yuǎn)。根據(jù)約束艙條件生成初填始化種群根更pop(遙t)匙并計算適應(yīng)慚度。勿eval林uatio訴n協(xié)為當(dāng)前進(jìn)化驢代數(shù)，香Maxev慎為最大進(jìn)化蹈代數(shù)；叮（推4移）升劃分種群：阿將暗怪pop(起t)丹劃分為含有窩M軋個精英個體貸的精英種群傳和踐N松-吸M盜個普通個體鑄的普通種群職，并復(fù)制生值成子代精英男種群和子代浸普通種群；干同時復(fù)制當(dāng)制前適應(yīng)度最款大的精英個勝體；間（稈5共）恭精英組團藥；策（白6輸）尤進(jìn)化操作：削音如果團隊中天的個體來自惜精英種群，要則進(jìn)行協(xié)作叼操作；如果冷來自普通種姐群，則進(jìn)行蟲引導(dǎo)操作；寨如果個體是腎隨機生成的裕，則利用模首擬退火機制榆進(jìn)行進(jìn)化；雪（返7軍）瘋更新子代精貨英種群和普瓦通種群；灶（茫8貫）駱全部精英組毛團完畢，合輝并子代精英逝種群和子代抹普通種群作澇為領(lǐng)，級；?。h9亮）序終止判斷：耳判斷是否達(dá)瞞到最大進(jìn)化罰代數(shù)，如果喜是結(jié)束進(jìn)化性；不是則返膀回步驟賀（賠4瞎）智。乎MATLA款B嶺仿真圖為壇：窮圖眼SEQ尼圖秋\*A址RABIC因師14傭SAC弱EA琴多交叉口配警時優(yōu)化圖哥5.2.4江隸結(jié)果分析油利用遺傳算戒法蜘（哲GA紡）懸和惜SACEA箭對公式（半5每-泛28慕）的優(yōu)化配拋時結(jié)果如表污6甘所示。幫表雨SEQ浪表策\*A說RABIC秤基6撓戰(zhàn)利用遺傳算角法和姓SACEA嶺算法優(yōu)化配容時結(jié)果標(biāo)算法夠交叉口拐相位差（漫s竟）峽相位交1指綠燈時間摔(s)辱相位旦2見綠燈時間興(s)凈相位魯3狀綠燈時間逮(s)建相位逮4桑綠燈時間辮(s)勁周期架(s)趣各交叉口等楊待車輛數(shù)扣GA直A境12多36.44擁16.25爽22.42被21.12勻112.2貪2扭74繳B起27.31豪35.27掛25.23闖17.2撓1踐105.0借6例SACEA妥A矮13邁26.86禾21.12折15.15吸22.2侍5括101.3進(jìn)9同65島B源31.12建21.35侵16.75蹦15.11獲100.3奸4菠1演.灑農(nóng)Synch擊ro7際仿真結(jié)果盒以擺各非交叉口板的最組少噸車輛等待數(shù)黨為目標(biāo)函數(shù)瓶，利用遺傳陷算法和泳SACEA虹算法可以求斑得四個相位虎的綠燈時間功。將芹A叔、頸B克兩交叉口高第一、二、朝三、四相位怨的交通流量推和相位時間害（被每個相位均暮含貍1s主紅燈展3s都黃燈）等徑交通數(shù)據(jù)輸團入袋Synch帆ro7樓仿真事可得到各揮交叉口服務(wù)另水平萬(Inte聲rsect頑ion聰LOS)顏、尸交叉口通行牙能力利用水燥平勝(ICU卡LOS)識以及貫交叉口等待心時間某。甘（誤1坑）斧A擇交叉口章利用連Synch貧ro7獄仿真刪，墳將庸A曠交叉口攀通過遺傳算裹法合優(yōu)化配時后榮得到的蘋交通數(shù)據(jù)輸侍入并進(jìn)行仿拘真得到結(jié)果逐如圖挑5.盡1綢5哈。睬圖砌5.SEQ碗圖菌\*A堆RABIC憐凈15米墨鑄A規(guī)交叉口遺傳恥算法優(yōu)化信婦號配時方案鼓下的右Synch貌ro7野仿真結(jié)果縱從亭Synch喜ro7鄰仿真結(jié)果得供到蠶A口交叉口延遲之時