[发明专利]基于延误分析与成本控制的道路交叉口工作区施工方法在审
| 申请号: | 201811582339.1 | 申请日: | 2018-12-24 |
| 公开(公告)号: | CN109784546A | 公开(公告)日: | 2019-05-21 |
| 发明(设计)人: | 翁金贤;于尧;李文文 | 申请(专利权)人: | 上海海事大学 |
| 主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q10/06;G06N3/12 |
| 代理公司: | 上海互顺专利代理事务所(普通合伙) 31332 | 代理人: | 成秋丽 |
| 地址: | 201306 上海市*** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | 本发明提出了一种基于延误分析与成本控制的道路交叉口工作区施工方法。当道路工作区设置在信号交叉口附近的时候,必然会造成更严重的交通拥堵,进而会产生出行延误,增加出行成本。本发明首先分别估计车辆在城市道路交叉口工作区产生的延误和信号交叉口控制延误,并把总延误和队列最大长度列为约束条件的一部分,然后确定道路交叉口工作区产生的总成本,构建以道路交叉口工作区总成本为目标函数的最小化模型。通过优化工作区的施工策略使得总成本最低,用MATLAB实现遗传算法对施工策略的寻优过程。 | ||
| 搜索关键词: | 道路交叉口 总成本 信号交叉口 成本控制 施工 城市道路交叉口 出行 目标函数 遗传算法 约束条件 最小化 构建 寻优 拥堵 队列 分析 优化 交通 | ||
【主权项】:
1.一种基于延误分析与成本控制的道路交叉口工作区施工方法,其特征在于包括以下步骤:步骤一:问题量化与假设条件陈述1、问题量化(1)在道路信号交叉口进口道给定一个长度为常数L的短期工作区,所有的施工工作都要在预先给定的时间窗口[u0,u1]完成,其中u0和u1是两个整数,分别代表允许的施工最早开始时间和最晚完成时间;(2)工作区设置为关闭所在方向的部分车道,不占用对向车道,完成施工活动;(3)第n条车道的关闭选择用Xn表示,其中n=1,...,i,i代表城市道路的总车道数,根据计量经济学中虚拟变量的设置原则,用虚拟变量来表示车道关闭选择,设置为0或1,即“车道关闭”时Xn=1,“车道开放”时Xn=0,关闭车道数用n0表示,
(4)制定一个总成本目标函数,通过启发式算法中的遗传算法对工作区施工开始时间ts以及车道关闭选择Xi进行优化;工作区存在导致的延误计算采用确定性排队模型;信号交叉口控制延误通过对《道路通行能力手册》HCM2000部分中的延误模型进行适当修改进行计算;(5)施工策略用向量(ts,n0)表示,其中ts是施工开始时间,n0是车道关闭数,将工作区施工开始时间的精确度设定为一分钟;施工开始时间和车道关闭数需要满足如下约束:
其中u0和u1分别是最早的工程开始时间和最晚的完成时间,n0是关闭车道数,i是城市道路的总车道数;2、假设条件陈述(1)采用平均小时交通量,可以反映一天之内交通流量的波动情况;此外,在任何时间t,t∈[u0+j,u0+j+1],j=0,1,2...,接近工作区的交通流(vph)用Q(t)表示,近似等于在这个时间间隔开始时的小时交通量;(2)以小时为单位的用户延误可以转换成用户延误成本,以每车每小时的平均成本表示;交通事故成本的产生是由于工作区产生的延误的存在而导致的;(3)在第j个小时[u0+j,u0+j+1)期间,城市道路的通行能力c的估计公式由《道路通行能力手册》之HCM2000可知,用下式计算:
其中cw代表车道通行能力,i代表总的车道数,n0代表关闭车道数,s0代表每条车道的修正饱和流率,g/C代表给定的车道有效绿信比;(4)对于一个给定的工作区,相应的施工持续时间假设为车道关闭数n0的线性函数,形式如下:wd=d1+d2n0L其中d1代表工作区的固定安装时间长度,d2代表工作区内每条车道每公里的平均可变安装时间长度,和施工开始时间一样,工作区的施工持续时间也被假设精确到一分钟;(5)交通控制成本CM是车道关闭数n0的线性函数,包括交通控制设施的租赁成本以及相关设施安装,移动,维护等成本,形式如下:CM=z1+z2n0L其中z1代表固定安装成本,与车道关闭数n0相互独立,用于安装一个完整的工作区,包括用于安装交通控制和养护设施,z2代表工作区内每条车道每公里的平均可变安装成本;(6)以工作区施工持续时间作为信号交叉口控制延误的分析时间间隔,假设工作区施工开始之前,道路上不存在初始排队车辆;步骤二:道路交叉口工作区延误估计与总成本估计(1)分别估计道路交叉口工作区延误以及信号交叉口控制延误,并且将总延误和队列最大长度作为约束条件的一部分;(2)车辆在道路交叉口工作区产生的排队延误;整个工作区的施工持续时间可以覆盖的信号周期的个数用N表示,计算如下:
其中
表示不超过正数z的最大整数;第k个信号周期的开始时间用ts(k)表示如下:
用ts(N+1)代表工作区施工的结束时间,即ts(N+1)=ts+wd(3)信号交叉口控制延误:信号交叉口产生的延误计算为车辆在穿越交叉路口时,实际经历的行驶时间和在没有交通信号控制的情况下车辆所经历的行驶时间之间的差值;(4)增量延误:增量延误对控制参数(K)决定的信号控制类型、道路通行能力(cw)、饱和度(X)和分析时间间隔的数值变化非常敏感。估计增量延误时,假定在分析时间间隔开始的时候没有初始排队,且增量延误对于所有的饱和度值都适用,包括高度饱和的道路交通,用下式估计:
(5)信号联动校正系数:信号联动校正系数PF不仅适用于定时信号控制,同时也适用于半感应式控制系统中的非感应控制。联动控制主要对均匀延误造成影响,联动控制修正系数仅适用于均匀延误ti1;根据《道路通行能力手册》之HCM2000,PF由下面的式子计算:
(6)均匀延误:基于韦伯斯特延误公式的第一项,假定车辆是均匀到达,交通流是稳定流,并且分析时间间隔的初始时刻没有排队形成,则可以使用下列公式估计延误。注意在计算tin1值时,X的值不能大于1,
(7)初始排队延误:记由初始排队车辆引起的延误为tin3,其大小与初始排队大小、分析时段长度、交通量与通行能力之比有关;tin3的一般形式如下:
(8)信号交叉口控制延误:在有初始排队情况下,从分析时段wd开始计时,清除初始排队车辆的时间可用如下公式计算,
(9)确定道路交叉口工作区总成本由用户延误总成本、交通控制总成本和交通事故总成本组成;(10)确定道路交叉口工作区的总延误由两部分组成:车辆排队延误和信号交叉口控制延误。总延误用Tq表示如下:Tq=tq+3600/tin(k)(11)道路交叉口工作区施工策略(ts,n0)导致的车辆平均出行延误和每条车道上的最大队列长度分别用Td和qmax表示;车辆的平均出行延误计算如下:
(12)假设排队的队列均匀地分布在每条车道上,则每条车道的最大队列长度估计如下:
(13)用Tdmax(min/veh)和Qmax(veh/lane)分别代表交通运输局对于平均出行延误和最大队列长度限定的阈值,因此,一个可行的道路交叉口工作区施工策略应该满足以下两个约束:
(14)用户延误总成本:对于一个完整的道路交叉口工作区的施工策略,总的用户延误包括三部分:车辆在工作区上游产生的排队延误,车辆穿越工作区时产生的移动延误,交叉口产生的平均控制延误,用户延误总成本CD:CD=Tq×vd(15)交通控制总成本和交通事故总成本:交通控制总成本形式如下:CM=z1+z2n0L交通事故总成本是发生在城市道路交叉口工作区交通事故的总成本,总的交通事故成本等于每一亿车辆小时发生的交通事故数量na和总的用户延误以及每次事故的平均成本va的乘积,即:
步骤三:优化模型构建构建一个以交叉口工作区总成本为目标函数的最小化模型;为了比较同一施工工程根据不同施工策略建立的不同工作区的特性,使用每车道长度的总成本Ct作为性能度量;计算为整个道路交叉口工作区的总成本除以工作区长度和因建立工作区而关闭车道的数量,其中关闭车道的数量用n0表示;那么交叉口工作区的最优施工策略可以通过求解总成本最小化模型来确定,具体模型如下:
约束条件:
其中时间窗约束[u0,u1]确保施工任务在给定时间内完成;步骤四:寻找最优解用MATLAB软件实现了遗传算法对构建的总成本最小化模型的自动优化过程,验证了所建模型及算法设计的合理性和可行性,同时,运用遗传算法实现了算例的求解,说明了所用算法在解决问题中的优势;(1)染色体编码:用MATLAB软件实现算法的编程,应用遗传算法求解模型,首先需要把道路交叉口工作区施工策略编码到一条染色体中,采用双精度浮点数编码方法,也称为实数编码,把一个完整的工作区施工策略可以编码成如下染色体:x=[Ct,ts,n0,Td,Qmax](2)初始种群选择:有了确定的染色体表示,遗传算法要建立初始种群,默认使用函数@gacreationuniform创建均匀分布的随机初始种群,目的是在整个解空间内尽可能均匀地分配初始种群,并且使可行解在遗传迭代过程中占据尽可能多的比重;(3)适应度函数设计:遗传算法中的适应度值是用来判断种群中个体的优劣程度的指标,是根据所求问题的目标函数来进行评估的,目标函数是一个最小化问题,最适合的个体对应最小的目标函数值,而适应度函数通常用于转换目标函数值为相对适应度值,即有:f=g·Ct这里Ct是目标函数,g是目标函数转换为非负值的变换因子,f是所得的相对适应度,对于目标函数是最小化,即函数值越小对应适应度越好;(4)约束条件的处理:根据模型的具体问题选择罚函数法,对在解空间中无对应可行解的个体计算其适应度时,处以一个罚函数,从而降低该个体的适应度,使该个体被遗传到下一代群体中的概率减小,用下式对个体的适应度进行调整:F(X,σ)=Ct+σ·Q(c(X))式中Ct为原问题目标函数,Ct求最小值,σ·Q(c(X))为惩罚项,σ>0为罚因子;(5)终止进化规则:采用进化代数作为终止规则,通过判断进化的代数是否为所需代数来决定是否停止演化循环,一旦进化的代数达到了预先设定的进化代数,选择对应的最优染色体上的分布路径集合作为最优解输出;如果没有达到预先设定的代数,则继续执行进化运算;(6)控制参数的标定:控制参数的不同选取会对遗传算法的性能产生较大影响,从而影响整个算法的收敛性,这些参数包括种群规模M、交叉概率Pc、变异概率Pm等,算法的寻优速度会受变异概率的设定影响,本模型根据相关文献及程序调试将变异概率设为0.2,当小于这个概率时,重新随机生成种群,并将前面选择出的最优值加入到新生成的种群当中,选择设定最大迭代次数为算法终止的条件,取默认值100;(7)寻找最优解:工作区总成本随着车道关闭数的增加而增加,工作区导致的延误增加,延误成本增加,当车道关闭数取得最优解时,工作区施工工作开始时间对总成本的影响,随着时间逐渐接近深夜,总成本呈现明显的下降趋势,由道路交叉口工作区总成本最小化模型得到,最佳施工开始时间为0:00,车道关闭数为1,优化过程开始阶段得到的总成本与最小值之间的差距还比较大,随着迭代次数的增加,开始逐渐接近最小值,并最终在第22代收敛到该问题的最优解,且一直到第50代终止进化均保持稳定,随进化过程的进行,遗传算法的自动寻优机制指导其搜索过程朝着目标更优化的方向收敛,可行解逐渐向最优解逼近,并在第22代搜索到最优解。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海海事大学,未经上海海事大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201811582339.1/,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算;推算;计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理





