论文研究-自适应遗传算法的Multi-Agent交通信号优化控制.pdf

所需积分/C币:12 2019-09-12 10:23:22 595KB .PDF
8
收藏 收藏
举报

在区域交通多智能体信号控制系统中,由于传统遗传算法早熟收敛,全局搜索能力不强,无法快速找到最佳配时方案,同时没有考虑相邻交叉口的关联性,针对这种情况,提出交叉口子区Agent代替传统的交叉口Agent,在交叉口子区Agent中引入自适应遗传算法,算法根据交通流量的变化对绿信比[λ]进行优化,使交叉口平均延误时间[D]最短。实验结果表明交叉口子区Agent代替交叉口Agent后,控制效果相似,节省了硬件资源,在交叉口子区Agent中引入自适应遗传算法下的信号控制能迅速找到最佳配时方案,使平均延误时间最短。仿真实验表明,将基于自适应遗传算法的交叉口区域控制应用到交叉口信号控制中有更好的性能,证明了用交叉口区域智能体替代交叉口智能体的可行性。
曹洁,张玲:自适应遗传算法的Muti- agent交通信号优化控制 2016,52(13)267 交邇路网中有着重要的角色,各个方向的车流在交义口4.1自适应遗传算法筒介 会聚,形成车辆的冲突、分流等交通现象,而交通路网中 自适应遗传算法是遗传算法的一种改进算法 交通的堵塞通常也发生在交叉口,它是交通网络的中遗传算法中交叉慨率P和变异概率P的选择是影响 枢,负责各子区的信号控制,可与其相邻的交叉口子区遗传算法行为和性能的关键因素,直接影响算法的收敛 进行实时的通讯联系,根据本路口实时交通流状况以及性。P越大,新个体产生的速度就会越快,但是P过 周围区域的交通情况自动的对交通信号进行调整使控大时遗传模式被破坏的可能性就越大;如果P过小,就 制效果达到最优。 会使搜索过程缓慢,以致停滞不前。对于变异概率Pn 如果P过小,就不易产生新的个体结构;如果P取值 3交叉口子区 Agent结构模型 过大,那么遗传算法就变成了纯粹的随机搜索算法。针 交叉口子区是交通系统的基本控制单位,一个区域 对不同的优化问题,需要通过多次实验来确定P和 由多个交义口子区以及连接这些交义口子区的道路组成 在多Agn交通控制系统中,每一个交叉口子区 agent Pm,这是一件繁琐的工作,并且很准找到适应于每个问 都是一个独立的计算实体,具有自治性。交叉口子区题的最佳值。为此, Srinvivas等提出自适应遗传算法 Agn山感知模块、反应模块、知识库规则库、通信模块使得P和Pn能够随适应度白动改变,当种样个体适应 与控制模块组成。感知模块对外界交通环境进行感知;度趋于一致或趋于局部最优时,则P和Pm增加,而当 反应模块对来白感知模块或通信模块的信息做出判断,群体适应度较分散时,则P和P降低。同时,对于适 根据知识库和规则库,采用相应的动作;规则库和知识应度值高于平均适应值的个体,相应于较低的P和 库存储眷对应于不同的外部交通环境所要执行的规则P,使该解得到保护进入下一代;而低于平均适应值的 和各种知识;通信模块负责与其他 Agent的通信,接受个体,相对应较高的P和P,使该解被淘汰。因此, 和处理其他 agent的消息;控制模块根据反应模块的命适应地调节P和Pn能够提供相对某个解的最佳P 令对控制器进行控制。交叉口子区AgCm结构模型如和Pn,自适应遗传算法在保持种族多样性的同时,保证 图2所示。 遗传算法收敛性。P和P计算表达式如下: 信号灯 控制模块 交叉∏子区 Agent .、(P1-Pa)(′-/n ≥ P max (1) 决策模块知识库规则库 决策 Agent|通信模块 反应模块 、|(P-Pn2)(n-0) max 协调模块 感知模块 式中,fmn为群体中最大的适应度值;2为每代群体 相邻交叉口子区 Agent路口交通流环境 的平均适应度值;/为要交叉的两个个体中较大的适 图2交叉口子区 Agent结构模型 应值;f为要变异个体的适应度值;P1=0.9,P2=0.6 本文将白适应遗传算法应用到交叉口子区 Agent a=01,Dma=00 的控制模块中,根据感知模块感知到的路况信息,通过42交义口子区 Agent计算模型 反应模块以及存储大量应对不同交通情况的知识库,最 交通信号控制的目的是最大限度地提高交叉口的 终选择最优的决策方式,在控制模块中,通过自适应遗运行效率。若要缩短在路段的整体运行时间,就必须缩 传算法的优化,得到最佳绿灯配时时间,使交叉口平均短交义口的延误时间。因此本文以交义口实时交通流 延误时间最短。 数据为基础,将交叉口车辆平均延误最小作为优化目标 函数,优化各个相位的绿信比,得到最佳绿灯配时方案 4交义口子区 Agent信号控制优化 交叉口子区 Agent的计算模型采用自适应遗传算 采川自适应遗传算法,将其应川在交叉口子区法,以绿信比的优化为目的,采用车辆平均延误时间作 Agent中。自适应地调整交叉概率和变异概率,克服传为优化H标函数,车辆的延误由韦伯斯特延误棋型可 统遗传算法的早熟收敛,提高了全局寻优能力,对交叉得,公式如F ∏各相位绿信比进行优化,得到最优配时方案,最终使 c(1-2)2 交叉口平均延误吋问最短。 20-4x)20-=5-06≤95 268 016,52(13) Computer Engineering and4 pplications计算机工程与应用 交义口的车辆平均延误时间计算公式为 的适应度值的改进量小于0.0001时运算结東,满足其 屮仁意一条则终止进化。 ∑∑94n∑∑ ”21-2x)2901-x) ∑∑q ∑∑q 实验结果与分析 5.1两种算法对比实验 其中,dn为第相第j流向车辆的平均延误时间(s);c为 实测兰州市盘旋路十字(天水北路-东岗西路十字) 周期时长(s);φ为第i相第j流向的车到达率(puch);早晩两个高峰时段,一个正常非高峰时段各进口道的车 x为第i相第/流向的饱和度;为第;相的绿信比。辆各1h的数据进行仿真。该路口是一个四相位十字交 目标函数为平均延误吋间最小,即L:L-minD。叉路口,四个相位分别为:(1)东西直行;(2)东西左转 路网约束条件为 (3)南北直行;(4)南北左转。针对该交叉口,以交叉口 cst1≤C-L-e×3 平均延误时间为优化目标函数,将 Agent技术与自适应 (=1,2,…,4) (5) 遗传算法结合对目标函数进行求解,求解结果与遗传算 t;=ga≥ 0.95 法结果以及实际延误时问进行对比。盘旋路十字交通 ≤C≤ 流数据见表1。 针对约東条件,首先,每相位最短绿灯时间不小于 表1天水北路-东恸西路交叉口早晩高峰、非高峰流量统计表 某值e(取最小绿灯时间为10s),因此,每一相位的 配时得满足10≤l≤c-L-10×3,i=1,2,…,4。式中,进∏转向流量 流量1 流量2/ 饱和度 饱和度 饱和度 (pcu·h-) pc pcu·h 1为第个相位的有效绿灯时间(s);L为总的时间损 左 失(s) 东直1064 其次要考底最大饱和度约束,各相位的饱和度程度 右 0.15 209 0.16 不大于1,避兔造成交叉口某些进口道出现堵塞。本文 左 674 0.89 648 28 西直 0.72 551 0.48 435 0.38 假设各相各进口道饱和度均不大于0.95。 右 20.465 q 9 C9 0.95 左707 0.93 664 0.87 38 0.51 南直11180.88 0 519 0.40 458 0.36 199 式中,q为实际流量(puch);N为通行能力(puch); 左 551 0.77 342 0.33 S为饱和流量(puc/h):g为有效绿灯时间(s)。g≥北直10810.85 0.92 0.54 c9 C) 石5300.41452 0.35 0.950.95 式中,y为流量比,对每一相位,均将其最 注:流量指早高峰流量;流量1指晩髙峰流量;流量2指正 大的y值代入得到每相位的最小绿灯时间要求:t=常非高峰流量。 i=1,2,…,4。c≤c≤C,,式中 采用Maab分别对自适应遗传算法和遗传算法在 分别为最小周期与最大周期,本文分别选取为90s gent控制模块应用下的交叉口进行仿真。仿真过程中 的参数通过大量实验最终设定为:初始种样大小为150 150s。 43自适应遗传算法函数优化求解 最大进化代数为50,简单遗传算法中的交叉概率和变异 概率分别取0.9和0.1,最小周期定为90s,最大周期为 (1)染色体编码:采用实数编码,将各交叉口的绿时150s,周期损失时间定为10s,利用自适应遗传算法和 差与周期的比值作为基因,构造染色体,形成种群。本 简单的遗传算法对目标函数进行50次优化计算,优化 文根据种群大小以及基因的变化范围均匀地初始化种结果如表2所示 群,种群大小选为150 由表2得知,通过对早高峰、晚高峰、正常非高峰3 (2)确定适应度函数:本文是对函数求最小优化,所组交通数据的仿真,对交叉口平均延时间的对比得出 以取F()=Cm-O(作为适应度函数,F(为第个个自适应遗传算法以及遗传算法在交义口子区智能体信 体的适应度;O(为第个个体的目标函数值;Cm为号配时屮的优化效果明显优于传统的,也是目前比较常 O()的最大估计值 用的定时控制的效果。同时,自适应遗传算法的优化效 (3)遺传操作:本文采用轮盘赌与精英策略相结合果优于遗传算法,以正常非高峰时段为例,遗传算法优 的方式进行选择操作,采川均匀变异的变异方式,最后,化后的平均延误时间为2880s,进化代数为23代;自适 采用双重终止条件终止进化,一为进化次数达到最大进应遗传算法优化后的平均延误时间为28.24s,进化代数 化代数(本文为50)则运算结東,另一条为当连续N代为11代 曹洁,张玲:自适应遗传算法的Muti- agent交通信号优化控制 2016,52(13)269 表2两种算法优化结果对比 52交叉口子区 Agent替代交义口 Agent 各相位绿灯时间/s平均延误进化 时段 方法 本文充分考虑交叉口之间的关联性,针对关联性较 时间代数 强的交义口,采用交义口子区Agen来替代交义口 定时控制 51.42 Agent,对交叉口控制子区进行控制,用一个子区 Agent 早高峰 1816 3203 AgA 31.64 10 来进行信号控制,最大限度地实现各白目标,提高整体 定时控制36313231 运输效率。选择兰州市部分路网,路网如图5所示:交 堍高峰 26162315 31.17 叉口A1(酒泉路-武都路)与交叉口A3(酒泉路-庆阳路) AGA 33161615 30.89 距离相近,车流量相似,关联性较强,因此将A1与A3划 定时控 3231 46.41 分到一个交叉口子区。表3为交叉口A1、A3早高峰流 正常 86 AGA 35151515 28.24 量信息 注:GA( Genetic Algorithm):遗传算法:AGA( Adapt 酒泉路静宁北路 Genetic Algorithm):白适应遗传算法。 武都路0,2 为了更加明显地对比两种算法的优化效果,通过对 庆阳路3 晩高峰以及正常非高峰吋段两种交通情况的仿真,比较 两种算法在交叉口子区 Agent中的优化效果,优化对比 白银路 如图3、图4所示 图5路网结构图 表3交叉口∧1、A3早高峰流量信息 32.7 巨32.61 白适应遗传算法 遗传算法 进日物向N车流量他和度N车流量他和度 (pcu·h") /(pcu.h j 左 174 0.42 0.46 空32.3 32.2 直 0.51 32.1 石770.161070 左 52 31.9 直 0.75 376 0.7 31.8 05101520253035404550 右 255 0.53 0.54 进化代数/代 左 0.87 图3晚高峰进化过程对比图 且 764 右 0.54 317 0.56 左 0.51 巴29.1 自适应遗传算法 北 直 90 遗传算法 右 578 0.92 587 0.89 289 针对图5中的路网以及表3中的交叉口流量数据 工28.7 采用上文所阐述的基于自适应遗传算法的 Agent分别 对交叉口A1、A3进行优化控制,仿真结果如表4所示 同时,由于A1、A3关联性较强,选择用一个交叉口子区 28.4 05|015202530 404550 Agent替代两个交叉口 Agent,交叉口A3交通流比A1大 进化代数/代 且A3的饱和流量也较大,因此选择使川A3的交通参数 图4正常非高峰进化过程对比图 作为交义口子区 agent的参数,通过仿真得到交义口子 由图3、图4看出,自适应遗传算法与多 Agent结合区 Agent控制下的两个路口A1、A3的控制结果,结果如 的控制算法具有铰快的收敛速度和较优的控制效果,与表4所示。 遗传算法下的控制相比,该方法可迅速找到最佳绿信 表4交叉山A1、A3两种控制方式结果对比 比,得到最佳绿灯配时方案,使得平均延误时问最短,这 控制方式 各相位绿灯时间 平均延误时间 是由于自适应遗传算法自适应地调节交叉概率和变异 (1)(2)(3)(4 A130171716 30.54 概率,不但提高了算法在后期的搜索效果,而且也提高 交叉凵 Agent A 19 30.56 了收敛速度。将该方法应用到交义口子区 Agent中是131181716 可行的,且控制效果优于遗传算法控制 交叉∏子区 Agent A331181716 30.58 270 016,52(13) Computer Engineering and4 pplications计算机工程与应用 仿真结果表明,交义口子区 Agent控制交义口的平[5]李振龙,赵晓作基于 Agent的区域交通信号协调控制小 均延误时间与交义口Agen单独控制的效果相近,用 武汉理工大学学报,2008,32(1):130-133 个交义口子区 Agent替代两个交义口 Agent,既不影响控6] Chen c.Li2J. a hierarchical networked urban traffic 制效果,又节省了硬件資源。因此,用交义口子区 Agent signal control system based on multi-agent cl/Proceedings 替代交义口 Agent,是可行的,具有实际的应用价值 of 2012 9th IEEE International Conference on Networking Sensing and Control(ICNSC ) 2012: 28-33 6结束语 [7 Luk J YAppraisal of eight small area traffic managenent 本文针对城市复杂的交通情况,建立了基于 models[C]//Proceedings of Conference on Australian Insti tutes of Transport Research, 1982 Multi- Agent的分布式区域交通控制模型,并且阐述了交 [8]承向军,常歆识,杨肇夏基于Q学习的交通信号控制方法[J 叉口子区 Agent的结构,建立实时车辆平均延误时间馍 系统工程理论与实践,2006,26(8):136-140. 型,对交叉口的信号配时优化问题进行研究,根据实时 [9 Abdoos M, Mozayani N Hierarchical control of traffic signals 采集的车辆信息以及道路信息,在多Agen中结合自适 using Q-learning with tile coding] Applied Intelligence 应遗传算法对交叉口进行优化,并且同定时控制、遗传 2014.40(2):201-213 算法下的信号控制进行对比,结果表明,自适应遗传算 [10]杭飞.基于博弈论的多智能体协同控制算法电脑与信 法下的交叉口子区 Agent能够快速准确地寻找到全局 息技术,2014,22(2):14-17 最优解,得到最佳绿灯时间,使得交叉口平均延误时间(1马寿峰一种基于 agent i的单路口交通信号学习控制方法门 明显降低。同时,使用交叉口子区 Agent来替代传统的 系统工程学报,2002,17(6):526-530. 交叉口 Agent,来控制关联性较强的交叉口,通过 Matlab[12黄艳国,许伦辉基于 Multi-Agent协调的区域交通信号优 对白适应遗传算法优化下的交叉口子区信号进行优化, 化控制门江西理工大学学报,2009,30(1):49-52 并同交义口 Agent控制下的各交义口平均延误时间进13]张辉,陈阳舟,杨玉珍基于 Multi-Agent协调的区域交通 行对比,结果表明,两种 Agent控制效果相近,证明了交 协调控制研究[交通与计算机,2006,24(2):94-97 叉口子区 agent替代交叉口 agent的可行性。 [14]杨兆升,刘喜敏,卢守峰基于混合遗传算法的多 Agent交 通控制系统[J交通运输系统工程与信息,2006,6(1) 参考文献: 64-68 [沈国江,孙优贤城市交通干线逆阶模糊控制及其神经网终 [15]赵文涛钱晓杰,朱云,等基于关键路口的动态交通子区 实现[系统工程理论与实践,2004,24(4):99-105. 划分[J计算机与应用化学,2012,29(10):1241-1244 [2] Khamisma, Gomaa w Adaptive multi-objective reinforce-[l6石纯一,张伟基于 Agent的计算MJ北京:清华大学出版 ment learning with hybrid exploration for traffic signa 社,2007:11-12,119-120 control based on cooperative multi-agent rework[J] [1T7]于芳,张海涛基于 Multi-agent的交通控制协调算法硏究[J Engineering Applications of Artificial Intelligence, 2014 控制理论与应用,2008,27(12):5-8. 29:134-151 [18]李英多 A gent系统及其在预测与智能交通系统中的应用[M] [3 Abdoos M. Holonic multi-agent system for traffic signals 上海:华东理工大学出版社,2004 contro[ Enginccring A pplications of Artificial Intelligence,9]王小平,曹立明遺传算法理论、应用与软件实现M]西 2013,26(5/6):1575-1587 安:西安交通大学出版社,2002 4]徐杨,张玉林,孙婷婷,等基于多智能体交通绿波效应分[20]翟润平,周彤梅道路交通控制原理及应用[M北京:中国 布式协同控制算法[件学报,2012,23(11):2937-2945 人民公安大学出版社,2002

...展开详情
试读 6P 论文研究-自适应遗传算法的Multi-Agent交通信号优化控制.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
weixin_38744153 如果觉得有用,不妨留言支持一下
2019-09-12
  • 至尊王者

    成功上传501个资源即可获取
关注 私信 TA的资源
上传资源赚积分or赚钱
    最新推荐
    论文研究-自适应遗传算法的Multi-Agent交通信号优化控制.pdf 12积分/C币 立即下载
    1/6
    论文研究-自适应遗传算法的Multi-Agent交通信号优化控制.pdf第1页
    论文研究-自适应遗传算法的Multi-Agent交通信号优化控制.pdf第2页

    试读结束, 可继续阅读

    12积分/C币 立即下载 >