基于数字信息素的智能信号灯系统

发布时间：2024-02-14 05:08

　　随着科技的进步、生活水平的提高,汽车已成为千家万户不可或缺的交通工具。然而这种情况改善了人们的生活质量同时也带来了越来越严重的城市交通拥堵问题。为了解决交通拥堵,各国开启了对优化交通情况的智能交通系统的研究工作。本文提出了基于数字信息素的智能交通系统,旨在将蚁群算法中蚁群觅食的信息素原理运用到城市交通中。将车辆作为智能体,车辆行驶时在道路上留下数字信息素。数字信息素与蚁群信息素类似,具有蒸发、聚集的特征。交通系统及时的根据道路上信息素的含量来调整交通红绿灯的持续时间,在城市交通仿真平台进行仿真模拟,以此减少车辆等待交通灯的时间和排队长度,并通过模型校核以及模型验证步骤保证仿真结果的可信度。另外,模拟现实车流量信息,在该车流量信息下将其与传统的相位长恒定的交通系统、基于车辆数目改变相位时长的交通信号系统比较分析。结果表明在某种特定情况下,基于数字信息素的智能交通系统与基于车辆数的交通信号系统的交通状况重合,且能够显著的减少车辆的排队长度以及等待时间。另外在该智能交通系统中,多参数影响交通结果的情况下,采用列举法寻找最优参数解时,工程量巨大,于是提出了基于遗传算法的参数优化方法。运用遗传算...

【文章页数】：47 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
引言
1 关键技术
    1.1 SUMO仿真系统
    1.2 XML
    1.3 基于智能体建模
    1.4 智能计算
2 固定时长模型与基于车辆数的动态模型
    2.1 模型背景介绍
        2.1.1 三大影响变量
        2.1.2 模型背景
    2.2 固定时长模型
        2.2.1 模型介绍
        2.2.2 车辆需求校核
    2.3 基于车辆数的动态模型
        2.3.1 模型介绍
        2.3.2 车辆需求校核
        2.3.3 相位与车辆数关系校核
    2.4 基于车辆数的动态模型与固定时长模型比较分析
        2.4.1 恒定需求
        2.4.2 动态需求
3 基于数字信息素的自适应模型
    3.1 模型介绍
        3.1.1 三大影响变量
        3.1.2 模型背景
        3.1.3 模型内容
    3.2 模型校核
        3.2.1 车辆需求校核
        3.2.2 模型特殊情况校核
    3.3 三种模型比较分析
        3.3.1 恒定需求
        3.3.2 动态需求
4 基于数字信息素的自适应模型验证分析
    4.1 实例验证
        4.1.1 恒定需求
        4.1.2 动态需求
    4.2 结果分析
5 遗传算法对基于数字信息素的自适应模型参数优化
    5.1 遗传算法介绍
    5.2 编码及解码、种群初始化
        5.2.1 编码方式总结
        5.2.2 采用的编码方式
        5.2.3 解码
        5.2.4 种群初始化
    5.3 适应度函数
        5.3.1 目标函数
        5.3.2 适应度函数
    5.4 遗传算子:选择、交叉、变异
        5.4.1 选择
        5.4.2 交叉
        5.4.3 变异
    5.5 遗传算法应用于基于数字信息素的自适应模型
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢



本文编号：3897791