基于改進粒子群算法的交通控制算法研究.pdf

1、隨著城市規(guī)模的擴大和汽車保有量的不斷壯大，針對有限的城市交通資源和急劇增加的汽車數(shù)量，在保證交通流量合理有序的前提下，如何最大限度地發(fā)揮現(xiàn)有城市交通網(wǎng)絡的通行能力，是當前交通控制研究的重點和難點。
　　首先，本文針對粒子群算法存在局部最優(yōu)的問題，將遺傳算法的交叉操作和變異操作引入粒子群算法對其進行改進，詳細闡述了改進粒子群算法的算法流程。四個標準測試函數(shù)收斂圖對比發(fā)現(xiàn)，在收斂速度和穩(wěn)定性方面，改進的粒子群算法優(yōu)于遺傳算法和粒子群算

2、法。
　　其次，為了提高交通流量控制和優(yōu)化的精度，將混沌理論引入PSO對LS-SVM的核參數(shù)和懲罰系數(shù)進行優(yōu)化選擇，提出一種ECLS-SVM交通流量預測模型。通過基于ECLS-SVM算法的單步、3步、5步和7步預測結果和不同模型的預測時間和預測均方誤差的對比結果可知，ECLS-SVM算法可以有效提高交通流量預測的精度和效率，對指導交通網(wǎng)絡資源的合理分配和規(guī)劃具有重要的理論意義和實際價值。
　　在交通流量預測的基礎上，運用粒子

3、群算法實現(xiàn)城市單交叉路口和雙交叉路口交通信號燈的優(yōu)化控制，達到緩解城市交通擁堵的壓力和提高城市交通效率的目的。針對交通信號控制的具體實例，建立單交叉路口和雙交叉路口交通控制數(shù)學模型。
　　再次，針對標準PSO算法存在局部最優(yōu)和約束條件的問題，運用GA算法對標準PSO算法進行改進，之后將改進的粒子群算法GA-PSO應用于交通控制上。在單個交叉路口模型的基礎上，結合以往交通控制模型，運用改進的粒子群算法對交通控制算法進行優(yōu)化并與未改進

4、的PSO算法進行對比，發(fā)現(xiàn)改進的粒子群算法更優(yōu)。在此基礎上，研究雙交叉路口，建立交通協(xié)調(diào)優(yōu)化模型，再運用改進的粒子群算法對該模型進行優(yōu)化，并與標準PSO算法進行對比。
　　最后，通過標準PSO和改進的GA-PSO算法的交通控制算法對比研究發(fā)現(xiàn)，引入交叉操作、變異操作的粒子群算法，可以增加全局搜索能力，同時可以避免陷入局部最優(yōu)解。改進的PSO算法較標準PSO算法在解決交通流量控制問題的時候，完全避免了標準化誤差、統(tǒng)計不完善、局部收斂