-
题名基于三群协同粒子群优化算法的区域交通控制
被引量：6
- 1
-
-
作者
钱勇生
王春雷
-
机构
兰州交通大学交通运输学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2007年第14期187-189,共3页
-
基金
教育部博士学科科研基金(No.20050732002)项目
甘肃省2006科技攻关计划项目(No.2GS064-A52-037)
-
文摘
根据我国城市交通的特点,提出一种基于三群协同粒子群优化算法的城市区域交通自适应协调控制方法。采用两层递阶分布式结构,分阶段优化控制参数(周期、相位差和绿信比),每个阶段长10-3O分钟,周期、相位差由区域控制级每阶段优化一次,绿信比由交叉口控制级每周期优化一次。采用车辆延误为性能指标,周期、相位差和绿信比均采用三群协同粒子群算法进行优化。仿真结果表明该方法是可行而有效的。
-
关键词
城市区域交通控制
三群协同粒子群优化算法
信号优化配时
车辆延误
-
Keywords
urban traffic signal control
Three Swarms Cooperative-Particle Swarm Optimization（TSC-PSO）
signal timing opti- mization
average delay per vehicle
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
U491.5
[交通运输工程—交通运输规划与管理]
-
-
题名基于双向并行灾变粒子群算法的区域交通控制
被引量：5
- 2
-
-
作者
王春雷
钱勇生
-
机构
兰州交通大学交通运输学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2007年第34期229-232,共4页
-
基金
教育部博士学科科研基金(No.20050732002)
甘肃省2006年科技攻关计划项目(No.2GS064-A52-037)。
-
文摘
针对基本粒子群优化算法易陷入局部极值点、搜索精度低等缺点,引入灾变模型,采用双向并行策略,提出一种双向并行灾变粒子群优化算法(BPC-PSO),并将其成功应用于城市区域交通控制信号参数配时优化。仿真结果表明:双向并行灾变粒子群算法相对于基本粒子群算法大大提高了寻找全局最优解的能力,使车辆平均延误和平均停车率都比基本粒子群算法有明显地降低。
-
关键词
双向并行灾变粒子群优化算法
城市区域交通控制
尖点灾变模型
信号优化配时
PI值
-
Keywords
Bidirectional Parallel Catastrophic-Particle Swarm Optimization （BPC-PSO）
urban traffic signal control
cusp catastrophic model
signal tinting optimization
Pl value
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
U491.5
[交通运输工程—交通运输规划与管理]
-
