一种基于粒子群的交通信号离线配时优化方法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (11): 13-15.

一种基于粒子群的交通信号离线配时优化方法

王海起¹,王劲峰²

1.中国石油大学（华东）地球资源与信息学院，山东东营 257061
2.中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，北京 100101

收稿日期:2007-11-28 修回日期:2007-12-27 出版日期:2008-04-11 发布日期:2008-04-11
通讯作者: 王海起

Optimizing method of traffic signal off-line timing based on particle swarm algorithm

WANG Hai-qi¹,WANG Jin-feng²

1.College of Geo-resources and Information，University of Petroleum（East China），Dongying，Shandong 257061，China
2.State Key Lab of Resources and Environmental Information System，Institute of Geographic Sciences and Natural Resources Research，Chinese Academy of Sciences，Beijing 100101，China

Received:2007-11-28 Revised:2007-12-27 Online:2008-04-11 Published:2008-04-11
Contact: WANG Hai-qi

摘要/Abstract

摘要： 提出了一种基于粒子群的交通信号离线配时优化方法，采用实数编码表示区域内各信号交叉口的各相位绿灯时间，不同的配时方案对应于不同的粒子，粒子的适应度利用微观交通模拟获取的总延迟时间进行评价，最后得到的具有最小延迟时间的粒子即为最优配时方案。与已有的离线配时技术相比，提供了一种编码形式简单、参数较少、计算速度较快的信号配时智能优化方法。

关键词: 交通信号离线配时, 粒子群优化, 微观交通模拟

Abstract: An optimizing method of traffic signal off-line timing based on particle swarm algorithm is proposed.Real-coded plan is used to all phases’ green time of every signalized intersection in traffic network，and different timing plan is correspondent to different particle，and the fitness of a particle is evaluated through total delay time of microscopic traffic simulation，and finally the particle with minimal delay time is the optimal timing plan.Compared with other existing signal off-line timing methods，this paper provides an intelligent optimizing method with simpler coding，less parameters and more fast calculating speed.

Key words: traffic signal off-line timing, particle swarm optimization, microscopic traffic simulation

王海起¹,王劲峰². 一种基于粒子群的交通信号离线配时优化方法[J]. 计算机工程与应用, 2008, 44(11): 13-15.

WANG Hai-qi¹,WANG Jin-feng². Optimizing method of traffic signal off-line timing based on particle swarm algorithm[J]. Computer Engineering and Applications, 2008, 44(11): 13-15.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[3]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	李雷孝，邓丹，李杰，王永生. 基于粒子群优化的全比较计算数据分发策略[J]. 计算机工程与应用, 2021, 57(15): 109-117.
[6]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[7]	陈秋菊，徐建国. 优化正交匹配追踪和短时谱估计用于声音识别[J]. 计算机工程与应用, 2020, 56(7): 162-169.
[8]	张水平，李殷俊，高栋，梁文. 带有动态爆炸半径的增强型烟花算法[J]. 计算机工程与应用, 2020, 56(18): 50-57.
[9]	黄建琼，郭文龙. 混合粒子群和改进细菌觅食的不平衡数据分类[J]. 计算机工程与应用, 2020, 56(10): 171-178.
[10]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[11]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[12]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[13]	汤深伟，贾瑞玉. 基于改进粒子群算法的[k]均值聚类算法[J]. 计算机工程与应用, 2019, 55(18): 140-145.
[14]	王燕燕1，王宏伟1，2. 基于粒子群的后件多项式RBF神经网络算法[J]. 计算机工程与应用, 2019, 55(12): 72-76.
[15]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.