🚦 路口信号灯多目标优化仿真系统

Traffic Signal Multi-Objective Optimization Simulator
优化前 · 固定配时 优化后 · 遗传算法 (GA)

📋 算法概要

核心:固定配时 → 多目标优化

优化前(固定配时):信号周期 C 和绿灯时长 g₁, g₂ 固定不变,不考虑车流变化。当交通流不对称时,固定配时会导致绿灯资源浪费、延误增加。

优化后(遗传算法 GA):将车流量作为已知常量,让算法自动搜索最优的 C 和相位比 α,使延误、排队、通行能力等指标达到 Pareto 最优。

决策变量
周期 C、相位绿灯比 α(= g₁/(C−L))
目标函数
延误 D = Σ(qᵢ·dᵢ)/Σqᵢ
排队 L = max(Lᵢ)
通行 T = 3600/C · Σs·λᵢ
约束条件
C ∈ [Cmin, Cmax] | g ≥ gmin | 饱和度 x < 1

遗传算法流程
编码:个体 = [C, α] — 适应度:f = −(wd·D/Dref + wq·L/Lref − wt·T/Tref)
流程:初始化种群 → 适应度评价 → 锦标赛选择 → SBX 交叉 → 多项式变异 → 精英保留 → 收敛至最优解

⚙ 参数调节

🚗 交通流量
东西总流量 600 veh/h
南北总流量 300 veh/h
东进口占比 50%
北进口占比 50%
🔒 固定配时方案(优化前)
固定周期 60 s
东西向绿灯比 50%
🧬 优化器约束
周期范围 30120 s
最短绿灯 10 s
损失时间/相位 4.0 s
饱和流量/车道 1800 veh/h
⚖️ 优化权重
延误 wd 0.50
排队 wq 0.30
通行 wt 0.20
调节参数后点击"运行优化"

优化前 — 固定配时

--
平均延误 (s)
--
最大排队 (veh)
--
通行能力 (veh/h)

优化后 — 多目标 GA

--
平均延误 (s)
--
最大排队 (veh)
--
通行能力 (veh/h)

📊 结果对比

固定配时GA 优化
延误 (s)
--
--
排队 (veh)
--
--
通行能力
--
--
--
综合优化提升(加权)
--
延误改善
--
排队改善
--
通行提升
点击"运行优化"查看方案对比