具体实施方式

下面结合具体实施方式对本专利的技术方案作进一步详细地说明。

请参阅图1，一种基于改进PSO算法的城市区域交通配时优化系统，包括信息优化模块、信息处理模块、改进PSO算法模块、道路选择模块和信息采集模块，所述信息采集模块设置在每个道路上，尤其是道路交叉口的采集器最多，多个道路上的信息采集模块通过网络模块与信息处理模块连接；所述信息处理模块能够通过网络模块与信息优化模块连接，该模块用于根据实时车流量、车道拥堵情况、红绿灯时长等信息对车道未来车流量进行判定预估；所述道路选择模块能够通过网络模块与交通指挥大厅的控制模块或区域交通指挥人员的交通信号控制装置连接，道路选择模块采用可视化操作模式，区域交通指挥人员的交通信号控制装置由交通指挥大厅进行授权；所述改进PSO算法模块用于选取每个红绿灯为粒子，选取红绿灯的指标向量为粒子的位置信息，选取红绿灯权重向量和指标向量的点作为粒子位置优劣衡量的标准，应用于改进PSO算法；所述红绿灯配时模块与信息优化模块连接，信息优化模块通过网络模块与信息处理模块连接，信息优化模块能够对交通信号灯的配时策略进行全局优化，并将指令下发至红绿灯配时模块进行处理。

所述信息采集模块包括噪声采集、车道流量采集、车速采集、当前红绿灯时间采集，其中车道流量的采集包括左转车道、直行车道、右转车道的车流量统计；车速采集和噪声采集结合车道流量采集，能够实时准确的反应当前实际道路口各车道拥堵情况；所述红绿灯时间采集，包括当前红绿灯的状态采集。

如图2所示，所述道路选择模块包括主要道路选择模块和临近区域道路选择模块，其道路的选择信息主要是依据信息采集模块或交警等人工汇报信息汇总，然后根据实际需求进行道路的选择，其道路的选择可以是选取主要道路交叉口，然后向四周发散的方式进行选取。比如：选取一个中心到路口A，然后根据实际交通情况，选取距离A道口n个红绿灯的向外发散的范圆形区域，其中n和A都是能够自主进行选择的；此外，还可以直接根据道路的名称来选择局域的划分；其单侧区域的选择不局限于一条道路，可以是由多条道路组成的边界道路。

所述改进PSO算法模块包括粒子选取模块、粒子移动模块、迭代模块、列表保存模块；粒子选取模块用于选取每个红绿灯为粒子，选取红绿灯的指标向量为粒子的位置信息，选取红绿灯权重向量和指标向量的点作为粒子位置优劣衡量的标准；粒子移动模块用于将每个粒子根据地图位置信息排序，然后移动到一个最近的位置；迭代模块用于迭代执行粒子移动模块的移动；列表保存模块，用于将迭代过程中所有符合预设条件的红绿灯位置信息保存到信息处理模块中。

所述改进PSO算法是部分依赖于最差粒子的位置信息的PSO算法；其算法的主要方法是：首先判断算法收敛准则是否满足，若满足则输出fopt＝min{p_g(i)}，算法结束；若不满足，则比较G与△；△表示连续找不到最优解次数的阈值，G表示计算中连续找不到最优解的实际数值；计算G(其中f(p_g(0))＝0)；

判断G与△的关系；若G≥△，则按照v_jd＝wv_jd+c₂r₂(p_wd-x_jd)更新粒子的位置；若G＜△，则根据方程式(1)、(2)更新粒子的位置与速度；

v_id＝wv_id+c₁r₁(p_id-x_id)+c₂r₂(p_gd-x_id) (1)；

x_id＝x_id+v_id (2)；

其中,i＝1,2,…,m；d＝1,2,…D；学习因子c₁,c₂是非负常数；r₁,r₂是[0,1]间的随机数,v_id＝[-v_max,v_max]；v_max是常数；w为惯性系数,为非负数,第i个粒子用一个D维的向量x_i＝(x_i1,x_i2,…,x_iD)表示,它在空间的飞行速度其用v_i＝(v_i1,v_i2,…,v_iD)表示；第i个粒子迄今为止搜索到的最优位置用p_i＝(p_i1,p_i2,…,p_iD)表示,整个粒子群迄今为止搜索到的最优位置用p_g＝(p_g1,p_g2,…,p_gD)表示；方程式(1)、(2)是基本的PSO算法迭代公式。

上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下作出各种变化。