[发明专利]基于多榜样学习粒子群的智慧城市信号灯配时优化方法

权利要求书

1.一种基于多榜样学习粒子群的智慧城市信号灯配时优化方法，其特征在于，所述的智慧城市信号灯配时优化方法包括下列步骤：

S1、根据交叉路口各个进道口车流量分布特征生成初始种子解，再根据初始种子解生成初始粒子群种群，过程如下：

S101、平均车道流量比率定义如下式：

其中，ALF_j表示第j个进道口的平均车道流量大小，VI_j表示第j个进道口的输入车流量大小，LN_j表示第j个进道口的车道数，R_j表示第j个进道口的平均车道流量比率；

S102、基于平均车道流量比率按照下式生成初始种子解，初始种子解各维度的绿灯时间由以下公式计算：

其中g′^j表示第j个进道口的种子解的绿灯时间，G′表示种子解的总绿灯时长，G表示允许的最大信号灯循环周期下的总绿灯时长，VI_max表示交叉路口允许的最大输入车流量，表示向下求整运算符号；

S103、基于初始种子解各维度值按照下式生成初始种群：

其中表示种群中第i个粒子的第j维度，N(0,5)表示均值为0，标准差为5的高斯分布；

S2、对生成的粒子群个体进行约束修正，使其满足可行解的约束需求；

S3、种群的粒子根据多榜样学习策略进行速度更新，更新公式如下：

其中表示第t+1代中第i个粒子第j维的速度，表示第t代中第i个粒子第j维的速度，表示第t代中第i个粒子第j维的位置值，ω表示速度权重，表示第i个粒子第j维的历史最优位置，gBest^j表示第j维度的全局最优位置，表示第i个粒子第j维的榜样个体值，c₁，c₂和c₃是三个更新系数，和是第j维度[0,1]之间的三个不同随机数；

S4、通过微观仿真软件VISSIM对粒子位置值向下取整所代表的交通信号灯配时方案进行仿真评估，将评估结果作为该粒子的适应值；

S5、当算法迭代到规定的最大迭代次数时，将此时的全局最优方案作为最终配时方案，否则继续执行步骤S3～S4直到满足算法事先设置的最大迭代次数终止。

2.根据权利要求1所述的基于多榜样学习粒子群的智慧城市信号灯配时优化方法，其特征在于，所述的步骤S1、根据交叉路口各个进道口车流量分布特征生成初始种子解中，设定一个知识占比阈值KT，在生成种群个体时，先取一个[0,1]之间的随机数，若该随机数小于KT则利用知识辅助策略生成个体，否则按照随机方法生成个体。

3.根据权利要求1所述的基于多榜样学习粒子群的智慧城市信号灯配时优化方法，其特征在于，所述的步骤S3中，设定一个榜样更新间隔阈值RT，若算法全局最优位置在经过RT代都没有改进，则进行榜样更新，否则继续沿用前一代的榜样。

4.根据权利要求1所述的基于多榜样学习粒子群的智慧城市信号灯配时优化方法，其特征在于，所述的更新系数c₁、c₂和c₃分别设置为0.75、0.75和1.50。

5.根据权利要求2所述的基于多榜样学习粒子群的智慧城市信号灯配时优化方法，其特征在于，所述的知识占比阈值KT设置为0.8。

6.根据权利要求3所述的基于多榜样学习粒子群的智慧城市信号灯配时优化方法，其特征在于，所述的榜样更新间隔阈值RT设置为7。

7.根据权利要求1所述的基于多榜样学习粒子群的智慧城市信号灯配时优化方法，其特征在于，所述的最大迭代次数设置为40代。