基于差分进化的城市路口红绿灯时长动态配时仿真系统

📋 算法概要（差分进化 · 单目标最小延误）

核心：固定配时 → 差分进化(DE)自动寻优

优化前（固定配时）：信号周期固定 140s，绿灯不随车流调整，长周期带来额外红灯等待。

优化后（差分进化 DE）：把当前车流量作为已知量，用 DE 自动搜索周期公式参数 R、S，在不越饱和度红线的前提下，使全路口加权平均延误最小（单目标，非多目标）。

①

决策变量：周期公式参数 R、S
R ∈ [20,40]、S ∈ [0.95,1.45]
周期 T = min(FIXED_P, max(FIXED_Q, R + S·√(FLOW_A + FLOW_B)))
其中 FIXED_P=140（最大周期）、FIXED_Q=45（最小周期）

②

绿灯分配（主干道偏置）
有效绿灯 Geff = T − LOST_TIME（LOST_TIME=8s）
g_a = Geff·FLOW_A/(FLOW_A+FLOW_B)、g_b = Geff·FLOW_B/(FLOW_A+FLOW_B)
南北(主干道)按 split_bias（默认1.67）加权，绿信比 λ_a=g_a/T

③

目标函数（单目标）
min f(R,S) = (d_A·FLOW_A + d_B·FLOW_B)/(FLOW_A+FLOW_B)
相位延误 = Webster 均匀延误 d₁ + 随机延误 d₂

④

约束（防憋死）
任一相位饱和度 x ≤ 0.98；越线则罚 1,000,000 + 100,000×(超出红线部分) + 平均延误，方案被自动淘汰

差分进化流程
种群 = 32 组 (R, S)（含 1 个推导种子 R=28.3,S=1.21 + 31 个随机个体）
每代：变异 v = R_a + F·(R_b − R_c) → 交叉 → 贪婪选择（更优者保留）→ 迭代 50 代收敛

⚙ 参数调节

早高峰

平峰

晚高峰

🚗 交通流量 (pcu/h)

南北向流量（主干道）1150

东西向流量（次干道）900

🧭 配时约束

主干道偏置 split_bias 1.67

饱和流量 / 车道 1650

周期范围 45–140 s

固定基准周期（优化前）140 s

损失时间固定 8s（两次相位切换）· 每相位 2 车道 · 饱和度红线 0.98

█ 调节参数后点击"运行差分进化"

优化前 — 固定配时 140s

周期固定 140s，绿灯不随车流调整，长周期造成额外红灯等待。

平均延误 (s)

加权平均延误 D

均匀延误d₁ = T(1−λ)²/(2(1−y))

随机延误d₂ = x²/(2·q_sec·(1−x))

相位延误d = d₁ + d₂

加权平均f(R,S) = Σ(FLOWᵢ·dᵢ)/ΣFLOWᵢ

λ=g/T · y=q/SAT_FLOWq_sec=q/3600

南北饱和度

南北向（主干道）饱和度 x

x = y / λ = (q/S)/(g/T)

红线x ≤ 0.98

越线视为路口接近瘫痪

东西饱和度

东西向（次干道）饱和度 x

x = y / λ = (q/S)/(g/T)

红线x ≤ 0.98

主干道偏置越大，此值越高

优化后 — 差分进化 (DE)

DE 自动搜索周期公式参数 R、S，使平均延误最小且不越饱和度红线 0.98。

平均延误 (s)

加权平均延误 D

均匀延误d₁ = T(1−λ)²/(2(1−y))

随机延误d₂ = x²/(2·q_sec·(1−x))

相位延误d = d₁ + d₂

加权平均f(R,S) = Σ(FLOWᵢ·dᵢ)/ΣFLOWᵢ

λ=g/T · y=q/SAT_FLOWq_sec=q/3600

南北饱和度

南北向（主干道）饱和度 x

x = y / λ

红线x ≤ 0.98

东西饱和度

东西向（次干道）饱和度 x

x = y / λ

红线x ≤ 0.98

DE 会让此值贴近红线以压缩周期

🚦 基于差分进化的城市路口红绿灯时长动态配时仿真系统

📋 算法概要（差分进化 · 单目标最小延误）

⚙ 参数调节

优化前 — 固定配时 140s

优化后 — 差分进化 (DE)

📊 优化结果

平均延误对比 (s)

DE 收敛曲线（延误越低越好）