徐向藝

（平頂山學院計算機學院，河南 平頂山 467000）

兩種智能優(yōu)化算法在交通控制應用中的對比分析

徐向藝

（平頂山學院計算機學院，河南 平頂山 467000）

城市交通系統(tǒng)是一個龐大的系統(tǒng)，具有極強的隨機性以及復雜性，要想實現(xiàn)對其有效控制，必須不斷進行研究和分析。本文主要討論兩種智能優(yōu)化算法在城市交通控制應用中的對比。兩種智能算法分別是混沌遺傳算法和混沌粒子群算法。通過對這兩種智能優(yōu)化算法的計算結(jié)果進行仿真發(fā)現(xiàn)，這兩種算法的自適應性、魯棒性以及自學習性都是相當強的，能夠有效地實現(xiàn)對地區(qū)交通信號的控制優(yōu)化，并且由于固定周期控制方式在其中的應用，能夠使車輛的平均延誤情況得到有效的緩解，對改善地區(qū)交通有著積極的意義。

智能；優(yōu)化算法；交通控制；應用；對比分析

1 引言

在當前社會經(jīng)濟的不斷發(fā)展中，由于人們物質(zhì)生活條件的不斷提高，汽車數(shù)量越來越多，交通越來越擁堵，這種現(xiàn)狀嚴重阻礙了我國的進一步發(fā)展。智能交通系統(tǒng)的出現(xiàn)，使當前交通中面臨的問題得到了有效的緩解。這一系統(tǒng)的出現(xiàn)，不僅能夠?qū)⒛壳暗缆放c逐漸增加的機動車之間的矛盾進行有效的化解，同時也能更加方便人們的出行，這一系統(tǒng)涵蓋了諸多的交通信息，其中最重要的一個組成部分就是對于道路的最優(yōu)化選擇，本文通過對混沌遺傳算法和混沌粒子群算法在交通控制系統(tǒng)中的應用效果進行比較。

2 兩種智能優(yōu)化算法

2.1 混沌粒子群算法

這種算法是粒子群優(yōu)化算法與混沌映射進行有效結(jié)合，取兩種算法的所長，能夠有效避免粒子群優(yōu)化算法存在的不足之處。通常情況下由確定性方程直接得到的具有隨機性的運動狀態(tài)稱為混沌[1]。其中存在的混沌狀態(tài)的變量就是混沌變量，這種算法在最初是因為模擬社會行為而產(chǎn)生的，能夠通過迭代進行最優(yōu)值的選擇，系統(tǒng)中雖然是一組隨機解，但是粒子能夠在解空間中進行最優(yōu)粒子的搜索迭代，終止的條件通常情況下會按照實際的問題，以當前選擇的最優(yōu)值或者最大迭代次數(shù)進行最小適應閾值的預定。在實際的計算中，這種算法首先需要進行參數(shù)的確定，然后隨機出現(xiàn)多個粒子種群，按照相關的模式進行操作，最后就可以實現(xiàn)對位置的混沌優(yōu)化，當其得到滿意解或者迭代數(shù)達到最大的時候，優(yōu)化過程就會自動停止，如果這兩者都不滿足，就會繼續(xù)對粒子種群進行操作，再次進行選擇。

2.2 混沌遺傳算法

混沌遺傳算法（Chaos Genetic Algorithm，C-GA）的基本思想在于引入混沌狀態(tài)的優(yōu)化變量，然后將混沌運動的遍歷范圍與優(yōu)化變量的取值范圍進行重合，將相應的混沌變量進行編碼，然后將其放置在選擇范圍之內(nèi)，進行不斷的優(yōu)化選擇，最終就會獲得一個最優(yōu)解。這種算法首先要對交換方案以及編碼方案進行確定，因為其中的參數(shù)都存在一定的相關性，所以需要使用交叉編碼的方案進行[2]。在確定這兩者以后，混沌遺傳算法的具體優(yōu)化步驟為：首先對變量的范圍進行設定，然后選定混沌變量，并且將其引入到優(yōu)化變量中去，使其轉(zhuǎn)化為優(yōu)化變量，同時將混沌變量的范圍變換到與其相對應的優(yōu)化變量的取值范圍之中。對不同的變量進行編碼，然后計算出新的適應度，并且進行及時的調(diào)整，對群體根據(jù)適應度的不同進行排列，計算適應度的平均值以及最大值，得到最優(yōu)結(jié)果以后，計算結(jié)束，否則就會繼續(xù)進行下一輪的尋優(yōu)。

3 兩種算法在城市交通控制中的仿真計算

3.1 仿真路段設定

區(qū)域交通控制本身具有一定的復雜性和隨機性，因此就這兩種算法以及固定周期法（FIX）在實際交通控制中的應用對比通過仿真計算進行，RTE(Run-Time Extension)接口用Visual C++進行編寫。本次研究是對一個九路口區(qū)域交通進行的，這個路口的各個路段都是雙車道，次干線在南北方向，路口都是南北直行、南北左轉(zhuǎn)、東西直行、東西左轉(zhuǎn)，對于東西以及南北方向的右轉(zhuǎn)向都不控制。

3.2 交通控制仿真

每一車道最大車流量是1800輛，排隊長度45米，一個循環(huán)為40秒到2分鐘，路燈的時長為110秒，黃燈為3秒，紅燈為2秒，此次交通控制仿真的時間為10分鐘，在仿真期間，不計公交車以及行人對路段產(chǎn)生的影響。為了保證仿真與實際更加貼合，需要根據(jù)不同時段的道路的行車情況進行仿真研究，不同的交通需求分別為重度需求、中度需求以及輕度需求。針對每一種需求需要設定5種交通需求的相關數(shù)據(jù)，將混沌遺傳算法和粒子群優(yōu)化算法的種群規(guī)模設定為50個，這兩種算法每次更迭，其中會有5個參與混沌變異的粒子[3]。

在同樣的交通環(huán)境的設定下，利用混沌遺傳算法和混沌粒子群優(yōu)化算法進行仿真計算以及比較。在比較復雜的城市區(qū)域交通控制系統(tǒng)中，遺傳算法和粒子群優(yōu)化算法在計算中都有可能難以實現(xiàn)對全部范圍內(nèi)最優(yōu)點的選擇，而混沌粒子群優(yōu)化算法和混沌遺傳算法則能夠?qū)崿F(xiàn)對全部范圍內(nèi)最優(yōu)點的選擇。混沌粒子群優(yōu)化算法和遺傳算法在其收斂速度方面明顯優(yōu)于混沌遺傳算法和粒子群優(yōu)化算法。粒子群優(yōu)化算法相比較混沌遺傳算法來說不容易陷入到局部的極值點，混沌粒子群優(yōu)化算法同樣不易陷入這一極值點。混沌粒子群優(yōu)化算法相比較粒子群優(yōu)化算法來說對于CPU時間消耗比較長，但是其增加的幅度不大?；煦邕z傳算法和遺傳算法相比較而言，對于CPU時間的消耗相對較長。

混沌粒子群優(yōu)化算法和遺傳算法在收斂性能上來說，都有一定的優(yōu)勢?；煦缌Ｗ尤簝?yōu)化算法和粒子群優(yōu)化算法的平均進化次數(shù)之間的差異比較小，混沌粒子群的平均進化次數(shù)少，不過因為混沌映射的引入，對于CPU的耗時反而比較長。遺傳算法比混沌遺傳算法的平均進化次數(shù)有所增加，導致這一現(xiàn)象的根本原因在于混沌遺傳算法中進行了混沌映射的引入。粒子群優(yōu)化算法在交通重度需求的情況下會陷入到局部最優(yōu)點，這種現(xiàn)象明確了在高強度的交通需求中不能使用粒子群優(yōu)化算法。相比較FIX而言，混沌粒子群優(yōu)化算法和混沌遺傳算法在車輛的平均停車率以及車輛的平均延誤率分別減少了30.6%和41%，由此就可以看出該算法在城市區(qū)域范圍內(nèi)實現(xiàn)交通控制的優(yōu)勢所在。粒子群優(yōu)化算法以及遺傳算法在仿真分析中，通過統(tǒng)計有4次陷入局部極值點，不過與FIX相比較，在局部極值的前提下，車輛的平均停車率以及平均延誤情況仍然較少，分別為15.4%和19.8%，這就說明了極值點在一些情況下也可以使用。

4 對比結(jié)果

通過分析可以看出利用混沌粒子群優(yōu)化算法以及遺傳算法能夠使收斂速度得到有效的提升，能夠使城市交通情況得到有效的緩解。城市交通系統(tǒng)在運行過程中在一些情況下會出現(xiàn)極強的混沌性，混沌粒子群優(yōu)化算法和混沌遺傳算法針對城市交通系統(tǒng)中的這一特性，能夠有效實現(xiàn)對于交通的控制以及對時間的優(yōu)化分配，能夠?qū)Τ鞘袇^(qū)域交通的控制信號進行實時的優(yōu)化分配，通過這種方式可以通過對控制信號的接收實現(xiàn)對城市區(qū)域交通的控制，這樣就可以降低車輛的平均停車率以及緩解平均延誤情況，提高道路車輛的通行率。

研究發(fā)現(xiàn)，混沌粒子群算法和混沌遺傳算法在使用范圍上有各自的特點和范圍。因為混沌遺傳算法對于CPU的耗時相對比較長，因此，如果路口的車輛比較多，就不能使用這一算法進行控制，不過這一算法本身的穩(wěn)定性比較好，所以適合應用在路口車輛比較少的情況下；混沌粒子群算法和混沌遺傳算法適宜在交通呈現(xiàn)出強烈的混沌特性的情況下；在實際的城市區(qū)域交通控制系統(tǒng)的應用中，要想有效實現(xiàn)對道路交通的最優(yōu)化配時，降低平均停車率以及車輛的平均延誤情況，提高道路的通行率，可以將這兩種算法結(jié)合使用，取兩者的優(yōu)勢。在實際的系統(tǒng)應用中，應該首先對實時的交通情況進行判斷，然后選擇相應的優(yōu)化算法，這樣就能有效實現(xiàn)對城市區(qū)域交通流的控制和合理安排。當然混沌粒子群算法以及混沌遺傳算法在其他優(yōu)化對象方面也同樣適用，不過在實際應用的時候，必須根據(jù)具體的情況對算法的相關參數(shù)進行科學、合理的選擇，以確保算法在其中的有效應用。

5 結(jié)束語

綜上所述，在當前社會經(jīng)濟不斷發(fā)展的過程中，人們的生活水平日益提高，代步工具也在不斷增加，交通問題已經(jīng)成為了我國實現(xiàn)進一步發(fā)展的一個極大的阻礙因素，智能交通系統(tǒng)的出現(xiàn)使這一問題得到了有效的緩解，當然這一系統(tǒng)必須是以一定的計算方式作為依托，為了使這一系統(tǒng)不斷得到完善和優(yōu)化，進一步實現(xiàn)對城市交通優(yōu)化控制，就需要對其中的算法進行優(yōu)化和發(fā)展。通過本文的研究發(fā)現(xiàn)，兩種算法分別都有各自的優(yōu)勢，要想更好地實現(xiàn)對城市區(qū)域交通系統(tǒng)的控制，就需要將這兩種算法綜合應用在城市的智能交通控制系統(tǒng)中，然后根據(jù)實際的交通情況進行優(yōu)化，只有這樣才能更好地推動我國交通的健康發(fā)展，保證我國未來的可持

續(xù)發(fā)展。

[1]李娟，楊琳，劉金龍，等．基于自適應混沌粒子群優(yōu)化算法的多目標無功優(yōu)化[J]．電力系統(tǒng)保護與控制，2011(9)：26-31．

[2]劉福才，賈亞飛，任麗娜．基于混沌粒子群優(yōu)化算法的異結(jié)構(gòu)混沌反同步自抗擾控制[J]．物理學報，2013(12)：120509．

[3]杜文莉，張海龍，錢鋒．融合和聲搜索的混沌粒子群優(yōu)化算法及工業(yè)應用[J]．清華大學學報(自然科學版)，2012(3)：325-330．

[4]燕善俊，程德強．一種基于DCT和混沌序列的圖像加密算法[J].徐州工程學院學報(自然科學版)，2014(4)：39-43．

[5]湛文紅．網(wǎng)絡圖形最短路徑算法分析與研究[J]．電腦與電信，2010(7)：60-62．

Comparison of Two Intelligent OptimizationAlgorithmsApplied in Traffic Control

Xu Xiangyi
（Pingdingshan University,Pingdingshan Henan）

tract】 Urban traffic system is a huge system,with strong randomness and complexity.In order to effectively control the system,we must continue to study and analyze.This paper mainly discusses on the application of two kinds of intelligent optimization algorithms in urban traffic control.The algorithms are chaos genetic algorithm and chaotic particle swarm optimization algorithm. Through the simulation of these two intelligent optimization algorithms,the results show that the adaptive robust and self-learning ability of these algorithms are very strong.They can realize the optimization of traffic signal effectively.Due to the application of fixed cycle control,the average delay of vehicle has been effectively alleviated,having positive significance to improve the traffic situation.

words】 intelligent;optimized algorithm;traffic control;application;comparative analysis

TP301.6；U495

A

1008-6609(2016)09-0067-03

徐向藝，女，河南平頂山人，碩士，副教授，研究方向：軟件工程，智能算法，優(yōu)化設計。