智能交通系统是将先进的信息技术、计算机技术、运筹学、人工智能等有效地综合运用于交通运输和服务控制,从而形成准确高效的综合交通系统。 OD矩阵推算和混合交通信号相位优化是智能交通系统领域中两个重要的优化问题。目前OD反推大多采用极大熵模型,其求解算法存在主要不足是很难选取合适初始解。我国信号控制仍以定时式为主,其配时方案的优化大多属于预先设定范围内的优化。 遗传算法是一种借鉴生物界自然选择思想和自然遗传机制的全局随机搜索算法,在解决大空间、全局寻优等复杂问题时具有独特优越性。 本文提出结合遗传算法和Levenberg-Marquardt算法的混合进化算法求解极大熵OD反推模型。仿真结果表明,该混合算法比遗传算法求解速度更快,并克服了Levenberg-Marquardt算法对初始解的依赖性,对于较大规模交通网络的OD反推具有较好的精度。 本文从中国混合交通流的国情出发,提出混合交通信号相位优化算法对信号相位进行全局优化。针对待优化变量—信号相位的特殊性,即存在很多约束条件,设计了两种混合交通信号相位解空间搜索算法,即基于问题驱动的相位合并优化算法和改进合作型协同进化遗传算法。设计并实现单交叉口信号灯优化软件,对软件的输出进行分析,并将其嵌入到仿真软件中,帮助用户设计信号灯配时方案。 本文的章节安排如下: 第一章着重介绍了智能交通系统领域中的两个优化问题,即OD矩阵推算和信号灯优化,以及优化算法—遗传算法。第二章描述了OD反推的基本原理及数学描述,重点阐述了求解极大熵OD反推模型的混合进化算法,并进行仿真实验,最后通过分析仿真结果得出结论。第三章阐述混合交通信号相位优化算法的设计路线、目标函数和解空间,总结出混合交通孤立交叉口信号相位的约束条件和设计规则。在第四章中,确定混合交通信号相位优化过程中对解空间的搜索方法,提出基于问题驱动的相位合并优化算法和改进合作型协同进化遗传算法用于混合交通信号相位全局优化,最后简要介绍信号相位配时。第五章描述单交叉口信号灯优化软件的功能、界面、数据结构以及程序流程,对软件的输出进行分析,并将其嵌入到仿真软件中,帮助用户设计信号灯配时方案。第六章总结全文,并对未来的工作进行展望。