基于模糊非支配排序遗传算法的多车型快速路交通拥堵和排放优化

摘要：

以优化城市多车型快速路交通系统拥堵和排放为目标,综合考虑了走行时间(total time spent,TTS)、走行距离(total travel distance,TTD)、匝道排队、尾气排放和燃油消耗这5个性能指标,改进了多车型快速路宏观交通流模型Multi-class METANET和多车型排放模型Multi-class VT-macro.提出了一个新的高维多目标优化算法——模糊非支配排序遗传算法(fuzzy non-dominated sorting genetic algorithm,FNSGA-Ⅲ),对快速路的匝道汇入率和主路的可变限速(variable speed limit,VSL)值进行了优化,实现了缓解主路和匝道交通拥堵以及节能减排的目标.提出的FNSGA-Ⅲ算法,基于自适应模糊推理系统(adaptive network-base fuzzy inference system,ANFIS),对下一时刻高维多目标优化的超平面进行预测,能够有效引导算法在迭代过程中的进化方向,提高算法的收敛速度.基于上海市广中路实际路网进行仿真实验.结果 表明,与现有的单目标遗传算法和高维多目标NSGA-Ⅲ算法相比,FNSGA-Ⅲ算法结合改进的多车型宏观交通流模型,可以更合理地设置期望速度与匝道控制策略,更为有效地环缓解快速路的交通拥堵和排放.

关键词：高维多目标遗传算法;多车型;快速路;拥堵;排放

所属期刊栏目：27

分类号：TP312(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61104166

在线出版日期：2021-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共19页

页码：766-784