一种快速道路连续瓶颈路段的可变限速控制策略优化方法
【专利摘要】一种快速道路连续瓶颈路段的可变限速控制策略优化方法。在快速道路连续瓶颈路段内配套设置检测器和可变限速指示牌，基于遗传算法挖掘控制效果最优的可变限速控制参数值，基于快速道路实测交通流数据判别交通流运行状态，通过可变限速控制周期控制限速值的改变频率，利用上下游速度平滑因子降低主线交通流速度的时空波动，基于相邻路段最大限速差值对多个限速标志间协调控制进行计算。本发明弥补了可变限速控制中核心参数取值的随意性，通过在时间上和空间上使可变限速控制的限速值逐步连续变化，降低了限速值在时空上的大幅波动，有效降低了可变限速值突变导致的交通流的波动与紊乱，同时减少了交通事故发生风险并降低了事故发生后的严重程度。
【专利说明】
一种快速道路连续瓶颈路段的可变限速控制策略优化方法
技术领域
[0001] 本发明属于交通控制技术领域，尤其涉及一种基于遗传算法的快速道路连续瓶颈 路段的可变限速控制策略优化方法。
【背景技术】
[0002] 可变限速控制作为一种越来越被广泛用于改善快速道路交通安全的交通控制策 略，其控制效果与可变限速值确定过程所采用的算法密切相关。遗传算法作为一种闭环结 构，可以通过不断挖掘具有更好控制效果的控制参数取值以及控制效果对控制策略的反馈 调节过程，有效提升可变限速控制的效果和可变限速控制限速值的合理性。因此，基于遗传 算法的快速道路连续瓶颈路段的可变限速控制策略优化方法，通过遗传算法不断挖掘可变 限速控制核心参数的最优取值实现可变限速控制效果的最优化。
[0003] 目前的可变限速控制策略中涉及的关键参数取值主要依赖工程师经验主观确定， 而且不同位置不同时刻的可变限速值存在跳跃性，可变限速值过于频繁的大幅波动易导致 可变限速控制区域的安全隐患。以往研究也没有建立快速道路事故严重程度预测模型，使 得考察可变限速控制效果时无法对事故严重程度进行考量。本发明提出基于遗传算法的快 速道路连续瓶颈路段的可变限速控制策略优化方法，相比于以往的可变限速控制策略，本 发明提出的策略考虑了交通控制对交通事故严重程度的影响，有效提升了可变限速控制效 果，同时使得相邻时间段和空间上的可变限速值变化更连续。
【发明内容】
[0004] 本发明要解决的问题是：以往可变限速控制策略缺乏对相邻路段限速值进行协调 控制，而快速道路上连续瓶颈路段交通流波动幅度大是交通事故的主要诱因，同时针对连 续瓶颈路段的可变限速控制策略的关键参数取值具有主观随意性。本发明提出一种基于遗 传算法的快速道路连续瓶颈路段的可变限速控制策略优化方法，采用遗传算法对可变限速 控制策略中最优核心控制参数的取值进行优化，在当前时间达到可变限速控制周期时利用 速度平滑因子逐步将限速值调整至目标值，同时设置限速值在空间上的连续变化。克服之 前可变限速控制中核心控制参数取值的随意性和交通流在时空上的大幅波动。
[0005] 本发明技术方案为：
[0006] 本发明提出一种基于遗传算法的快速道路连续瓶颈路段的可变限速控制策略优 化方法，针对可变限速控制策略中涉及的关键控制参数利用遗传算法原理获取其最优取 值，实际控制中当前时间达到可变限速控制周期时对每个限速标志位置限速值进行计算， 根据上下游速度平滑因子和相邻路段最大限速值差对限速值进行修正，本方法对实际中通 过可变限速控制策略平滑快速道路主线交通流速度的时空波动具有重要意义。实例显示， 本发明提出的可变限速控制策略优化方法有很好的效果，优化后的策略能有效降低快速道 路连续瓶颈路段的事故发生概率和危险程度。
【附图说明】
[0007] 图1为快速道路连续瓶颈路段的可变限速控制策略流程图。
[0008] 图2为连续瓶颈路段内交通流检测器和可变限速指示牌设置示意图。
[0009] 图3顺序logit模型结构图。
[0010] 图4为速度平滑因子对交通流速度影响原理图。
[0011] 图5为基于遗传算法的可变限速控制策略优化流程图。
【具体实施方式】
[0012] 本发明是基于遗传算法的基本原理和可变限速控制策略的基本流程提出对可变 限速控制策略中的核心参数和控制效果进行优化的方法，通过遗传算法和交通流仿真软件 之间的数据交换和迭代不断挖掘可变限速控制策略中核心参数的优化取值，基于快速道路 各路段的交通流检测器采集的数据判别交通流运行状态，当前时间达到可变限速控制周期 的整倍数时对每个限速标志位置限速值进行更新，更新时需同时考虑上下游速度平滑因子 和相邻路段最大限速值差对限速值进行修正，实现多个限速标志间协调控制，基于遗传算 法的快速道路连续瓶颈路段的可变限速控制策略的流程图如图1所示。
[0013] 第一步是确定快速道路连续瓶颈路段范围并在合理位置配套设置交通流检测器 和可变限速指示牌。可变限速指示牌用于发布限速值，需要注意的是可变限速值统一要求 为5mph的倍数，因此限速值的更新值近似到最为接近的5mph的整数值。以30s为时间周期通 过交通流检测器实时获取连续瓶颈路段各位置处交通流数据。连续瓶颈路段内配套设置的 交通流检测器和可变限速指示牌示意图如图2所示。
[0014] 第二步是构建针对快速道路连续瓶颈路段的实时事故风险预测模型，用于在交通 流仿真时计算各位置Xl处的交通事故发生概率和事故死亡/受伤概率。针对快速道路连续 瓶颈路段的实时事故风险预测模型分为两步：（1)建立交通事故风险预测模型，计算事故发 生概率；（2)事故严重程度分为死亡/受伤事故和仅财产损失事故两类，建立事故严重程度 预测模型，计算死亡/受伤事故发生概率。需要注意的是，只有当事故风险预测模型表明有 事故发生时，才会考虑利用事故严重程度预测模型计算事故严重程度。本发明采用顺序 logit模型建立事故风险预测模型，结构图如图3所示，模型的基本二项logit模型形式如 下：
⑴
[0016] 其中，P(Y=1)为交通事故发生概率或受伤/死亡事故概率，g(X)为效用函数，即自 变量X的线性组合，表达式如下：
[0017] g(X) =0o+0ixi+-??+0kXk (2)
[0018]其中，xk为交通流变量k的值，&为变量k的系数。
[0019] 当使用公式(1)计算位置^处交通事故发生概率时，公式(2)中的效用函数如下： g.(j) = -2.672+ 0.074X, +0.060.V., +().()5()x. +0.119x, +0.092.V.,
[0020] - (3) + 0.026+1.057.vr -0.049X, -0.856xy +0.508.T,,,,
[0021] 其中，Xil为上游检测器平均占有率，Xi2为上游检测器速度标准差，Xi3为下游检测 器速度标准差，Xi4为相邻车道占有率之差，Xi5为上下游检测器流量之差，Xi6为上下游占有 率之差，117为上下游检测器间距，Xl8为路面宽度，Xl9为路肩宽度， Xll〇为曲线路段指示变量。
[0022] 当使用公式（1)计算位置^处交通事故死亡/受伤概率时，公式(2)中的效用函数 如下：
[0023] gj(x) = 2.129-0.033xji-0.056xj2-0.335xj3-0.036xj4 (4)
[0024] 其中，xji为上游检测器平均占有率，Xj2为下游检测器平均流量，xj3为高峰期指示 变量，Xj4为路面宽度。
[0025] 第三步是判断当前时刻是否是可变限速控制周期的整数倍，若是则对每个限速标 志位置限速值进行计算，否则就不做任何操作进入下一个交通流数据检测周期。
[0026] 依据某路段i上下游位置的实测交通流平均速度v(Xl+1，t)和计算该路段 的目标限速值，为实现平滑速度波动的效果提出速度平滑因子a，平滑因子a的取值对平滑 效果的影响如图4所示，值越大则路段i内的限速值越接近下游路段i-1的实际速度，则某路 段i的目标限速值的计算公式如下：
[0027] TvsL(Xi，t)=a ? v(Xi+i，t) + (l_a) ? v(Xi-i，t) (5)
[0028] 其中，
[0029] TVSL(Xl，t)为路段i在时刻t的目标限速值；
[0030] a为速度平滑因子(0〈a〈l);
[0031] v(Xl+1，t)和分别为在上游路段i-1和下游路段i + 1检测器输出的实际速 度。
[0032]求得路段目标限速值后，结合变化步长A V和目标限速值Tvsl两个因子可确定位置 Xl的可变限速标志在t时刻的改变幅度值，计算公式如下： -M\ if 7；s7 (.r,/ + A^)<|/s/
[0033] = < 0, if Vsj (.v.,/1)-A)/ < T.,sl (.x^t + At) < VSL +A：F (6) Al/, if Tvs!\x!J + ^)>Vs,\.xnt) + l,V
[0034] 其中，
[0035] A V为可变限速值改变幅度；
[0036] Tvsl为目标限速值；
[0037] Vsl (Xi，t)为路段i内位置Xi的可变限速标志在t时刻的限速值。
[0038] 考虑多个限速标志间的协调控制后对位置Xi的可变限速标志在t时刻的变化步长 值进行修正更新，计算公式如下： ,、\-AV\ iI' 7；,, (.V j + At)< 7；,., (.v.,,,/ + At)-A V ,、
[0039] = ^ jslX 1 1 1+1 (7) I 0, ，all other eases
[0040] 其中，
[0041 ] A，为相邻路段最大限速值差。
[0042]由公式(7)计算得到位置Xl的可变限速标志在t时刻的变化步长的最终值，将其带 入如下所示的路段i内限速值的计算公式中可得路段i内的最终限速值：
[0043] VsL(Xi，t+A t) =VsL(Xi，t)+A VSL(xi，t) (8)
[0044] 其中，
[0045] VSL(Xi，t+A t)为路段i内位置Xi的可变限速标志在t+A t时刻的限速值；
[0046] A VSL(Xi，t)为位置Xi的可变限速标志在t时刻的变化幅度。
[0047] 将公式(8)中计算所得的路段i内限速值的计算公式中可得路段i内的最终限速值 与路段允许限速范围比较，若超过路段允许限速范围[V min，Vmax]，则仅发布路段相应边界限 速值;若没有超过路段允许限速范围，则将最终限速值近似到最接近的5mph整数倍值。最后 通过配套设置的可变限速指示牌发布位置 Xl处的限速值。
[0048] 第四步是判断当前时刻实测交通流运行状态是否达到可变限速控制停止条件，当 路段内交通需求没有下降时，则进入下一个交通流数据检测周期；当路段内交通需求下降 时，则可变限速值逐步恢复到默认限速值，限速值的计算公式如下：
[0049] VsL(Xi，t)=VsL(Xi，t)+A V，if v(xi，t)〈v(xi+i，t)and v(Xi，t)=VsL(Xi，t) (9)
[0050] 第五步是是确定第三步和第四步中的可变限速控制策略中的四个关键参数的取 值范围和变化步长，同时确定用于遗传算法的优化目标函数。
[0051] 针对连续瓶颈路段的可变限速控制策略包含的四个核心控制参数分别为:可变限 速控制周期T、上下游速度平滑指数a、限速值改变幅度A V和相邻路段最大限速值差A V'。 可变限速控制周期为30秒至5分钟，上下游速度平滑指数取值范围为0.1至0.9，限速值改变 幅度从5mph到30mph，相邻路段最大限速差从5mph到30mph，上述核心参数取值范围如表1所 不。
[0052] 表1可变限速控制参数取值
[0054]交通控制中普遍认为能够最大程度减少交通事故风险、降低事故发生后严重程度 且没有显著增加通行时间的可变限速控制策略为最优策略，因此用于可变限速控制策略优 化方法的目标函数如下式所示： (10)
[0056] 其中，
[0057] Fitness 为适应度；
[0058] y、y、n( y+y+n=i)为权重系数，在事故风险、事故严重程度、出行时间之间取得
平衡；
[0059] Rvsl和Rno分别为可变限速控制下和无控制下事故风险 其
中，Pi, t(crash=l)为路段i在t时刻的事故概率，可依据第二步中建立的实时事故风险预测 模型计算得到，K为总仿真时间，N为路段个数；
[0060] Tvsl和Tno分别为可变限速控制下和无控制下总通行时间 其 ? 中，di(t)为路段i在t时刻的车辆数，A t为仿真时间步长，K为总仿真时间，N为路段个数；
[0061] IVSL和IN〇分别为可变限速控制下和无控制下事故严重程度，需要注意的是事故严 重程度预测仅在交通事故发生情况下才有意义，因此在计算过程中仅当预测的交通事故概
[0062] 率超过事故发生阈值时，才对严重程度进行预测，事故严重程度的计算公式如下：
U1 )
[F , (F/ = 1), if P:(crash = 1) > threshold
[0064] I；JFI ^\)^\ ''' ' etsB (12) IM -f I, if P. t {crash - 1) > threshold
[0065] M= \ '
[M, otherwise (.13)
[0066] 其中，
[0067] K为总仿真时间；
[0068] N为路段个数；
[0069] threshold为判断事故发生的阈值；
[0070] M为事故风险超过阈值的时间长度；
[0071] I1>t(FI = l)为死亡/受伤事故概率，可依据第二步中建立的实时事故风险预测模 型计算得到。
[0072] 第六步是针对第一步到第四步的可变限速控制流程构建交通流仿真模型，通过仿 真模型输入输出相关交通流数据，基于遗传算法和交通流仿真模型对第五步中确定的四个 关键参数的取值进行优化，基于遗传算法的可变限速控制策略优化流程如图5所示。在遗传 算法部分需确定遗传算法中涉及的四个关键参数的取值:种群大小M为20，、最大代数T为 1 〇〇、交叉概率Pc为0.9、变异概率Pm为0.1。基于遗传算法基本流程对可变限速控制策略关 键参数取值进行优化，具体流程如下：
[0073] 1、初始化:设置进化代数计数器为t = 0,设置最大进化代数T，设置遗传算法中交 叉概率Pc和变异概率Pm。
[0074] 2、初始群体:随机生成M个个体作为初始群体P(0)，第m个个体中包含各可变限速 控制参数取值信息编码m(Xl，X2，X3，X4)。
[0075] 3、个体评价:将群体P(t)中个体参数值输入到交通流仿真模型中，对可变限速控 制下交通流进行仿真，并对控制效果进行评估，根据适应度函数Fi tness计算每个个体的适 应度。
[0076] 4、选择运算:从群体中选择优胜的个体，个体被选择的概率为个体适应度在整个 群体适应度综合中所占比例。个体被选择之后随机组成交配对。
[0077] 5、交叉运算：以一定概率在个体串中随机设定一个交叉点，实行交叉时该点前或 后的两个个体部分结构进行互换，并生成两个新个体。
[0078] 6、变异运算:对群体中的个体码串随机挑选一个或多个基因座，并以一定概率对 这些基因座的基因值做变动。
[0079] 7、产生群体:群体P(t)经过选择、交叉、变异运算之后，得到下一代群体P(t+1)，用 于新一轮的迭代计算。
[0080] 8、终止条件：当迭代次数达到最大代数T时，遗传算法终止;否则，重复3至7步骤直 至终止条件满足。
[0081 ] 9、参数解码:将具有最大适应度的个体作为最优解输出，并将最优解(X1， X2，x3， X4 )解码成对应的可变限速控制策略的四个关键参数的取值。
[0082] 不断采用上述遗传算法产生具有更好控制效果的新一代核心控制参数取值，将更 新后的核心控制参数取值带入第三步和第四步中，通过合适的仿真模型输出相关交通流参 数计算适应度函数，遗传算法和仿真模型间不断进行数据交换和迭代最终得到可变限速控 制策略核心参数的最优解。
[0083] 第七步是将第五步中得到的可变限速控制周期T、上下游速度平滑指数a、限速值 改变幅度△ V和相邻路段最大限速值差A，的优化取值带入第三步和第四步中作为各关键 参数的推荐取值，然后依据第一步到第四步策略对快速道路连续瓶颈路段进行可变限速控 制。
[0084] 下面结合附图对发明的控制策略优化方法进行了实例演示：
[0085] 假设某一快速道路连续瓶颈路段，以平均0.5英里的间距设置交通流检测器。路段 内交通流状况为路段内自由流速度为65mph，路段通行能力为1950veh/h/ln，通行能力下降 幅度为8.5 %，运动波传播速度为9.2mph，时走时停模型中参数0取值为0.2，巾取值为0.1。 可变限速控制状况为路段默认限速值VsL(default)为70mph，路段允许限速值范围为[Omph， 70mph]〇
[0086] 在仿真软件中构建快速道路路段的仿真模型，采用遗传算法对可变限速控制策略 优化可得四个核心参数的取值分别为:可变限速控制周期T = 30s、上下游速度平滑指数a = 0.85、限速值改变幅度A V = 5mph、相邻路段最大限速值差A疒=5mph。
[0087]交通流检测器的检测周期为30s，当前时刻为9时30分30秒，是可变限速控制周期 30s的整倍数，所以更新各位置可变限速值。路段上3#检测器当前可变限速控制的限速值Vsl (X3，t)为70mph，上下游的2#和4#检测器的实测交通流数据分别为v(X4，t) = 65mph和v(X2, t)=60mph，由公式（5)可知，当前时亥ljTvsL(X3，t)=a ? v(X4，t) + (l_a) ? v(X2，t) = 0.85 ? 65 +0.15 ? 60 = 64.25mph，则TvsL(x3，t+A t) = 64.25〈（70-5)=VsL(x3，t)-AV，由公式（6)可知 3#检测器处可变限速标志当前时刻变化步长A Vsl(X3, t)为_5mph。当前时刻Tvsl(X3, t)= ，由公式（7)可知3#检测器处可变限速标志在t时刻的变化步 长值八￥5心3,〇 = -511^，将其带入公式心可知3#检测器处的最终限速值为70-5 = 6511^， 在路段允许限速值范围[0,70]内且是5mph的倍数，故相应的3#可变限速指示牌发布当前可 变限速值为65mph。
[0088]依据3#交通流检测器的实时交通流数据判断当前时刻交通需求没有发生降低，故 进入下一周期继续可变限速控制。
【主权项】
1. 一种快速道路连续瓶颈路段的可变限速控制策略优化方法，其特征是包括以下步 骤： 1) 确定连续瓶颈路段范围及交通流检测器设置的合理间距，在快速道路路段内合理位 置依次配套设置交通流检测器和可变限速控制指示牌。通过交通流检测器周期性检测连续 瓶颈区域内各路段的交通流数据； 2) 构建针对快速道路连续瓶颈路段的实时事故风险预测模型，可分别计算事故发生概 率和事故死亡/受伤概率，具体步骤包括： 201) 采用顺序Iogi t模型建立事故风险预测模型，模型分为两步:首先，建立交通事故 风险预测模型，Y= 1代表交通事故发生，Y = O代表无交通事故;其次，建立事故严重程度预 测模型，Y= 1代表受伤/死亡事故，Y=O代表仅财产损失事故;上述两个步骤中，均采用如下 基本二项logit模型形式：其中，P(Y=I)为交通事故发生概率或受伤/死亡事故概率，g(X)为效用函数，即自变量 X的线性组合，表达式如下： g(X) =β〇+βιχι+···+β??Χ?? 其中，Xk为交通流变量k的值，&为变量k的系数； 采集研究路段内交通事故发生前后5分钟的交通流数据及没有发生事故的交通流数 据，对上述模型中变量参数进行拟合； 202) 步骤201)中所构建的事故风险预测模型中，用于预测位置^处的交通事故发生概 率的模型包含10个显著变量，其效用函数如下所示： gi(x) =_2 · 672+0 · 074xii+0.060xi2+0 · 050xi3+0 · 119xi4+0.092xi5 +0 · 026xi6+l · 057xi7-〇 · 049xi8-〇 · 856xi9+0 · 508χη〇 其中，Xil为上游检测器平均占有率，Xi2为上游检测器速度标准差，Xi3为下游检测器速 度标准差，Xi4为相邻车道占有率之差，Xi5为上下游检测器流量之差，Xi6为上下游占有率之 差，Xl7为上下游检测器间距，X 18为路面宽度，X19为路肩宽度，X11Q为曲线路段指示变量； 203) 步骤201)中所构建的事故风险预测模型中，用于预测位置^处的交通事故严重程 度概率的模型包含4个显著变量，其效用函数如下所示： gj(x) = 2 · 129-0 · 033χ」ι_0 ·056χ」2-0 · 335χ」3-0 · 036xj4 其中，Xjl为上游检测器平均占有率，Xj2为下游检测器平均流量，Xj3为高峰期指示变量， Xj4为路面宽度； 3) 判断当前时刻是否是可变限速控制周期的整数倍，若是则对每个限速标志位置限速 值进行计算，否则就不做任何操作进入下一个交通流数据检测周期，具体步骤包括： 301)依据步骤1)中交通流检测器检测到的某路段i上下游位置的实测交通流平均速度 v(Xi+i，t)和v(Xi-i，t)，依据如下公式计算路段i上的目标限速值： TvsL(xi,t)=a * v(xi+i,t) + (l-a) · v(xi-i,t) 其中， TVSL(Xl，t)为路段i在时刻t的目标限速值； a为速度平滑因子(0〈a〈l); v(Xl+1，t)和V(X1-^t)分别为在上游路段i-1和下游路段i+1检测器输出的实际速度； 302) 基于步骤301)中求得的当前时刻位置^可变限速指示牌的目标限速值TVSL(Xl，t)， 结合变化步长A V可确定位置Xl的可变限速标志在t时刻的改变幅度值，计算公式如下：其中， A V为可变限速值改变幅度； Tvsl为目标限速值； VsiX Xi，t)为路段i内位置Xi的可变限速标志在t时刻的限速值； 303) 考虑多个限速标志间的协调控制后，对步骤302)中计算得到的位置X1的可变限速 标志在t时刻的变化步长值进行修正更新，计算公式如下： 其中，Δ V7为相邻路段最大限速值差； 304) 将步骤303)中的计算结果带入下式，可得当前时刻路段i内的最终限速值： VsL(Xi，t+A t)=VsL(Xi，t)+A VSL(Xi，t) 其中， VsL(Xi，t+ Δ t)为路段1内位置Xi的可变限速标志在t+ Δ t时刻的限速值； AVSL(Xl，t)为位置X1的可变限速标志在t时刻的变化幅度； 305) 将步骤304)中计算所得当前时刻与预设的路段允许限速范围[Vmin，Vmax]进行比 较。若超过路段允许限速范围，则仅发布路段相应边界限速值;若没有超过路段允许限速范 围，则发布步骤304)中确定的路段i内最终限速值； 306) 通过配套设置的可变限速指示牌发布步骤305)中确定的位置X1处的限速值； 4) 基于各瓶颈区实测交通需求变化情况，判断当前时刻实测交通流运行状态是否达到 可变限速控制停止条件；当路段内交通需求没有下降时，则维持可变限速控制状态进入下 一个交通流数据检测周期；当路段内交通需求下降时，则可变限速值逐步恢复到默认限速 值； 5) 确定连续瓶颈路段可变限速控制策略中的四个关键参数的取值范围和变化步长，同 时确定用于遗传算法的优化目标函数，具体步骤包括： 501) 针对连续瓶颈路段的可变限速控制策略包含的四个核心控制参数分别为:可变限 速控制周期T、上下游速度平滑指数a、限速值改变幅度△ V和相邻路段最大限速值差△疒。 可变限速控制周期为30秒至5分钟，上下游速度平滑指数取值范围为0.1至0.9，限速值改变 幅度从5mph到30mph，相邻路段最大限速差从5mph到30mph; 502) 同时考虑可变限速控制对事故风险、事故严重程度和出行时间的影响，构建如下 式所示的可变限速控制策略优化方法的目标函数： 其中，Fitness为适应度； γ、μ、η( γ+μ+η=1)为权重系数，在事故风险、事故严重程度、出行时间之间取得平衡； Rvsl和Rno分别为可变限速控制下和无控制下事故风险； Tn和Tno分别为可变限速控制下和无控制下总通行时间； IvsjPlNO分别为可变限速控制下和无控制下事故严重程度，需要注意的是事故严重程 度预测仅在交通事故发生情况下才有意义，因此在计算过程中仅当预测的交通事故概率超 过事故发生阈值时，才对严重程度进行预测，事故严重程度的计算公式如下： 其中，K为总仿真时间； N为路段个数； thr e sho I d为判断事故发生的阈值； M为事故风险超过阈值的时间长度； I1,t(FI = l)为死亡/受伤事故概率，依据第二步构建的实时事故风险预测模型计算得 到； 6)基于步骤2)到步骤4)构建交通流仿真模型，基于遗传算法和交通流仿真模型间的数 据传递和迭代对步骤5)中的四个关键参数在其取值范围内对其取值进行优化。 在遗传算法中四个关键参数的取值如下:种群大小M为20，、最大代数T为100、交叉概率 Pc为0.9、变异概率Pm为0.1。初始化设置进化代数计数器为t = 0，设置最大进化代数T，设置 遗传算法中交叉概率Pc和变异概率Pm;随机生成M个个体作为初始群体P(O)，第m个个体中 包含各可变限速控制参数取值信息编码m( X1，X2，X3，X4);将群体P(t)中的个体参数值输入 交通流仿真模型，依据仿真输出结果计算每个个体的适应度;从群体中选择优胜的个体，个 体被选择的概率为个体适应度在整个群体适应度综合中所占比例，被选择后的个体随机组 成交配对；以一定概率在个体串中随机设定一个交叉点，实行交叉时该点前或后的两个个 体部分结构进行互换，并生成两个新个体;按照变异概率选取群体中部分个体改动其部分 参数值;群体P(t)经过选择、交叉、变异运算之后，得到下一代群体P(t+1);当迭代次数达到 最大代数T时，遗传算法终止;否则，重复初始化以后的各步骤直至终止条件满足;将具有最 大适应度的个体对应的最优解(XI，X2，X3，X4)翻译成可变限速控制的四个核心参数的取值； 7)将步骤6)中得到的可变限速控制周期T、上下游速度平滑指数a、限速值改变幅度Δ V 和相邻路段最大限速值差A V'的优化取值带入步骤3)和步骤4)中作为各关键参数的推荐 取值，然后依据步骤1)到步骤4)的控制策略对快速道路鼓励瓶颈路段进行可变限速控制。2. 根据权利要求1所述的一种快速道路连续瓶颈路段的可变限速控制策略优化方法， 其特征是所述步骤201)中采用顺序logit模型建立事故风险预测模型，模型分为两步：首 先，建立交通事故风险预测模型，Y= 1代表交通事故发生，Y=O代表无交通事故;其次，建立 事故严重程度预测模型，Y=I代表受伤/死亡事故，Y=O代表仅财产损失事故。上述两个步 骤中，均采用如下基本二项logit模型形式：其中，P(Y=I)为交通事故发生概率或受伤/死亡事故概率，g(X)为效用函数，即自变量 X的线性组合，表达式如下： g(X) =β〇+βιχι+···+β??Χ?? 其中，Xk为交通流变量k的值，&为变量k的系数。3. 根据权利要求1所述的一种快速道路连续瓶颈路段的可变限速控制策略优化方法， 其特征是所述步骤301)中提出的速度平滑因子a是为实现平滑速度波动的效果，a值越大则 路段i内的限速值越接近下游路段的实际速度，a的取值范围为(0，1)。4. 根据权利要求1所述的一种快速道路连续瓶颈路段的可变限速控制策略优化方法， 其特征是所述步骤305)中，最终确定的路段内可变限速值需近似到最接近的5mph整数倍 值。5. 根据权利要求1所述的一种快速道路连续瓶颈路段的可变限速控制策略优化方法， 其特征是所述步骤4)中可变限速值逐步恢复到默认限速值的过程如公式所示:V SL(Xl，t) = VsL(Xi，t)+AV，if v(xi，t)〈v(xi+i，t)and v(Xi，t)=VsL(Xi，t)〇6. 根据权利要求1所述的一种快速道路连续瓶颈路段的可变限速控制策略优化方法， 其特征是所述步骤502)中优化目标函数的计算公式中，事故风险的计算公式如下：其中， Pi, t(crash=l)为路段i在t时刻的事故概率，可依据步骤2)中建立的实时事故风险预 测模型计算得到； K为总仿真时间； N为路段个数。7. 根据权利要求1所述的一种快速道路连续瓶颈路段的可变限速控制策略优化方法， 其特征是所述步骤502)中优化目标函数的计算公式中，总通行时间的计算公式如下： 其中，di (t)为路段i在t时刻的车辆数； di (t)为路段i在t时刻的车辆数； At为仿真时间步长； K为总仿真时间； N为路段个数。
【文档编号】G08G1/01GK105931460SQ201610319937
【公开日】2016年9月7日
【申请日】2016年5月13日
【发明人】李志斌, 刘攀, 王炜, 徐铖铖
【申请人】东南大学