路口信号灯多目标优化仿真系统

📋 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。

①

决策变量
周期 C、相位绿灯比 α（= g₁/(C−L)）

②

目标函数
延误 D = Σ(qᵢ·dᵢ)/Σqᵢ
排队 L = max(Lᵢ)
通行 T = 3600/C · Σs·λᵢ

③

约束条件
C ∈ [C_min, C_max] ｜ g ≥ g_min ｜饱和度 x < 1

遗传算法流程
编码：个体 = [C, α] — 适应度：f = −(w_d·D/D_ref + w_q·L/L_ref − w_t·T/T_ref)
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

⚡ 注意权衡：
周期 C 越长 → 每小时相位切换次数越少（损失时间占比降低）→ 通行能力↑，但每周期红灯等待时间更长 → 延误↑。
周期 C 越短 → 延误↓，但通行能力↓。
权重 w_d 越大，GA 越偏向短周期降低延误；w_t 越大，越偏向长周期提升通行能力。
通行能力降低≠路口效率降低——需结合延误和排队综合评判。

⚙ 参数调节

默认

🚗 繁忙

🚲 空闲

🚗 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 30–120 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 w_d 0.50

排队 w_q 0.30

通行 w_t 0.20

█ 调节参数后点击"运行优化"

优化前 — 固定配时

周期 C 和绿灯比固定，不随车流调整。流量不对称时绿灯浪费严重。

延误 (s)

平均延误 D

Webster 延误模型

dᵢ = C(1−λᵢ)² / 2(1−yᵢ)

饱和度修正x≥0.95 → +C(x−0.95)/2

加权平均D = Σ(qᵢ·dᵢ)/Σqᵢ

C=周期λᵢ=gᵢ/C (绿信比)

yᵢ=qᵢ/S (流量比)xᵢ=yᵢ/λᵢ (饱和度)

排队 (veh)

最大排队长度 L

红灯积压qᵢ·(C−gᵢ)/3600

周期剩余max(0, A−D)

A=每周期到达qᵢ·C/3600

D=每周期放行S·gᵢ/3600

取各进口L = max(Lᵢ)

通行 (veh/h)

路口总通行能力 T

每进口容量Cap = S · g / C

总容量T = 2·S·(C−L)/C

周期↑ ⇒ 容量↑ 但延误↑周期↓ ⇒ 延误↓ 但容量↓

通行能力降低≠效率下降需结合延误排队综合评判

S=饱和流量×车道数L=总损失时间

优化后 — 多目标 GA

GA 自动搜索最优 C 和相位比 α，三个目标综合最优。流量不对称时改善显著。