收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于改进粒子群算法的交通控制算法研究

梁计锋  
【摘要】:随着城市规模的扩大和汽车保有量的不断壮大,针对有限的城市交通资源和急剧增加的汽车数量,在保证交通流量合理有序的前提下,如何最大限度地发挥现有城市交通网络的通行能力,是当前交通控制研究的重点和难点。首先,本文针对粒子群算法存在局部最优的问题,将遗传算法的交叉操作和变异操作引入粒子群算法对其进行改进,详细阐述了改进粒子群算法的算法流程。四个标准测试函数收敛图对比发现,在收敛速度和稳定性方面,改进的粒子群算法优于遗传算法和粒子群算法。其次,为了提高交通流量控制和优化的精度,将混沌理论引入PSO对LS-SVM的核参数和惩罚系数进行优化选择,提出一种ECLS-SVM交通流量预测模型。通过基于ECLS-SVM算法的单步、3步、5步和7步预测结果和不同模型的预测时间和预测均方误差的对比结果可知,ECLS-SVM算法可以有效提高交通流量预测的精度和效率,对指导交通网络资源的合理分配和规划具有重要的理论意义和实际价值。在交通流量预测的基础上,运用粒子群算法实现城市单交叉路口和双交叉路口交通信号灯的优化控制,达到缓解城市交通拥堵的压力和提高城市交通效率的目的。针对交通信号控制的具体实例,建立单交叉路口和双交叉路口交通控制数学模型。再次,针对标准PSO算法存在局部最优和约束条件的问题,运用GA算法对标准PSO算法进行改进,之后将改进的粒子群算法GA-PSO应用于交通控制上。在单个交叉路口模型的基础上,结合以往交通控制模型,运用改进的粒子群算法对交通控制算法进行优化并与未改进的PSO算法进行对比,发现改进的粒子群算法更优。在此基础上,研究双交叉路口,建立交通协调优化模型,再运用改进的粒子群算法对该模型进行优化,并与标准PSO算法进行对比。最后,通过标准PSO和改进的GA-PSO算法的交通控制算法对比研究发现,引入交叉操作、变异操作的粒子群算法,可以增加全局搜索能力,同时可以避免陷入局部最优解。改进的PSO算法较标准PSO算法在解决交通流量控制问题的时候,完全避免了标准化误差、统计不完善、局部收敛等问题,能够很好地实现交通流量最优化控制。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李从信;马良乾;俞莲莲;;求解非线性约束优化问题改进的粒子群算法[J];佳木斯大学学报(自然科学版);2006年03期
2 王希云;刘瑞芳;;混沌粒子群算法及其在桁架结构优化设计中的应用[J];太原科技大学学报;2006年06期
3 常伯涛;范颖;赵书强;马燕峰;杨建华;;基于改进粒子群算法的输电网扩展规划[J];华北电力大学学报(自然科学版);2008年04期
4 张亮;吕林;;利用粒子群算法解决电网优化购入电量[J];电力系统保护与控制;2009年22期
5 刘志雄;严新平;赵润军;;置换流水车间调度粒子群算法与参数设置分析[J];武汉理工大学学报(交通科学与工程版);2010年06期
6 张天姣;汪清;何开锋;;粒子群算法在气动力参数辨识中的应用[J];空气动力学学报;2010年06期
7 乔佩利;马丽丽;郑林;;基于改进粒子群算法的车间作业调度问题研究[J];哈尔滨理工大学学报;2011年02期
8 田雨波;彭涛;沙莎;;基于微分进化算子和混沌扰动的量子粒子群算法[J];江苏科技大学学报(自然科学版);2011年02期
9 侯磊;;基于多目标粒子群算法的船舶主尺度优化设计研究[J];船舶力学;2011年07期
10 赵菲;焦彦军;;基于粒子群算法的输电线路参数辨识[J];陕西电力;2011年09期
11 余罗兼;李济泽;;一种改进粒子群算法的移动机器人路径规划[J];机电技术;2011年05期
12 吴宏艳;张栾英;;改进粒子群算法在多目标机炉协调控制中的应用[J];电力科学与工程;2011年10期
13 李莉;李洪奇;;谢绍龙;;基于变异粒子群算法的过程挖掘[J];计算机集成制造系统;2012年03期
14 郭龙;熊伟;李牧东;;一种基于粒子群算法的无线传感器k重覆盖优化策略[J];科学技术与工程;2012年21期
15 柳寅;马良;黄钰;;基于模糊粒子群算法的非线性函数优化[J];上海理工大学学报;2012年04期
16 王敏;叶松;黄峰;刘志华;段黎明;;基于突变粒子群算法的图像自适应增强[J];科学技术与工程;2012年26期
17 徐余法;高洁;陈国初;;一种改进粒子群算法及其在风电场中的应用[J];华东理工大学学报(自然科学版);2012年03期
18 邹学锋;王安强;刘永寿;翟红波;岳珠峰;;基于改进粒子群算法的管道动强度可靠性优化设计[J];航空制造技术;2012年20期
19 康晓明;刘庆珍;;基于改进粒子群算法对混合微网电源容量的优化[J];电力与电工;2012年04期
20 高尚;杨静宇;;一种新的基于粒子群算法的聚类方法[J];南京航空航天大学学报;2006年S1期
中国重要会议论文全文数据库 前10条
1 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(上)[C];2012年
2 陈定;何炳发;;一种新的二进制粒子群算法在稀疏阵列综合中的应用[A];2009年全国天线年会论文集(上)[C];2009年
3 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年
4 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
5 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用(第7卷)——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年
6 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年
7 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年
8 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
9 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年
10 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国(天津)’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 王芳;粒子群算法的研究[D];西南大学;2006年
2 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年
3 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年
4 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年
5 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年
6 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年
7 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年
8 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年
9 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年
10 冯琳;改进多目标粒子群算法的研究及其在电弧炉供电曲线优化中的应用[D];东北大学;2013年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978