دانلود مقاله ISI انگلیسی شماره 7771 + ترجمه فارسی
عنوان فارسی مقاله

الگوریتم کلونی مورچه برای بهینه سازی زمان بندی علائم راهنمایی رانندگی (چراغ های راهنمایی رانندگی)

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی
7771 2012 5 صفحه PDF 13 صفحه WORD
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Ant colony algorithm for traffic signal timing optimization
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Advances in Engineering Software, Volume 43, Issue 1, January 2012, Pages 14–18

فهرست مطالب ترجمه فارسی
چکیده
کلمات کلیدی
1.مقدمه
2.پارامترهای اولیه برای کنترل علائم راهنمایی و رانندگی
2.1 فاز علائم
2.2اشباع
2.3 تاخیر زمانی
2.4 تعداد توقف ها
2.5حجم ترافیک
3.بهینه سازی زمان بندی علائم بر اساس الگوریتم کلونی مورچه
3.1 مدل بهینه سازی زمان بندی علائم
 3.2 تعیین ضرایب وزنی
3.3الگوریتم کلونی مورچه
4.تحلیل عددی
4.1 تحلیل عدم قطعیت
4.2 تحلیل همگرایی
شکل 1. تقاطع های دو فازه
4.نتایج عددی
جدول1.کشش و اشباع هر ورودی    
شکل2.سابقه تکرار الگوریتم ژنتیک
شکل3.سابقه تکرار الگوریتم کلونی مورچه
جدول2.مقایسه های عددی میان الگوریتم های وبستر، ژنتیک و کلونی مورچه
6. نتیجه گیری
تشکرها
کلمات کلیدی
- () - بهینه سازی زمان بندی سیگنال - الگوریتم کلونی مورچه ها - الگوریتم وبستر - تاخیر زمان
ترجمه چکیده
به منظور تفکیک موثر تضاد کشش ترافیکی، تاخیر زمانی، تعداد توقف ها و حجم(ظرفیت) ترافیک به عنوان شاخص های اجرایی انتخاب شدند و تابع هدف مرتبط با زمان چرخشی و اشباع یک تقاطع با استفاده از ضرایب وزنی ایجاد شد. سپس بر اساس تحلیل عدم قطعیت و همگرائیِ الگوریتم کلونی مورچه، تجربه هایی به وسیله الگوریتم ها انجام شدند و مقایسه های عددی برای ارزش شاخص های اجرایی بدست آمده با الگوریم وبستر، الگوریتم ژنتیک و الگوریتم کلونی مورچه برای حل مشکل بهینه سازی زمان بندی علائم انجام شدند. نتایج عددی نشان می دهد که الگوریتم کلونی مورچه روشی ساده و امکان پذیر برای مشکلات بهینه سازی زمان بندی علائم است.
ترجمه مقدمه
با رشد سریع اقتصاد، تراکم ترافیک امروزه به یکی از جدی ترین مشکلات در بسیاری از شهرها تبدیل شده است. به طور سنتی مشکل تراکم با افزودن انشعاب ها و راه های ارتباطی جدید به شبکه حمل و نقل موجود قابل حل بود. از آنجاییکه چنین روشی دیگر قادر نبود برای دسترسی محدود به فضا در مراکز اصلی شهر موثر واقع شود، امروزه تاکید بیشتر بر روی مدیریت ترافیک بوسیله اجرا و عملیات سیستم های حمل و نقل هوشمند همچون ترانزیت صورت گرفته است. سیستمی که به طور گسترده به عنوان یکی از سودمندترین ابزار در مطالعه بهینه سازی کنترل ترافیک شناخته شده است. امروزه با گسترش فناوری هوشمند و مصنوعی، الگوریتم کلونی مورچه همچون الگوریتم ژنتیک برای مشکلات بهینه سازی زمان بندی علائم مورد تایید قرار گرفته است. همانطور که می دانیم مکان های اصلی ایجاد کننده تراکم ترافیک، تقاطع های شهری هستند و مهمترین دلیل برای تراکم ترافیک در این تقاطع ها زمان چرخشی نامربوط چراغ های راهنمایی و رانندگی است. به منظور تفکیک موثر تضاد کشش ترافیک . بهبود حجم ترافیک، نحوه اختصاص زمان های مناسب در یک چرخه به چراغ های سبز و قرمز اهمیت بسیاری دارد چرا که این امر در حل مشکلات کنترل ترافیک موثر است. معمولا هر چقدر زمان چرخشی طولانی باشد حجم ترافیک نیز افزایش پیدا می کند. اما تاخیر زمانی و تعداد توقف ها نیز با افزایش این زمان افزایش پیدا می کنند. به عبارت دیگر زمانیکه حد اشباع یک تقاطع به اندازه کافی کوچک و محدود است، افزایش زمان چرخشی نسبت به حجم ترافیک به اندازه کافی بافاصله نیست و تنها منجر به افزایش تاخیر زمان می شود. بنابراین زمان چرخشی چراغ های راهنمایی و رانندگی باید تنها برای به حداقل رساندن تاخیر زمانی و تعداد توقف ها مورد استفاده قرار گیرند. الگوریتم کلونی مورچه که اولین بار توسط دوریاگو و همکارانش مطرح شد، در اوایل دهه نود تحولی شبیه سازی شده در الگوریم های بهینه ساز بود و دارای ویژگی هایی با باخوردهای مثبت بود، قدرت خاص و محاسبه قوی را توزیع کرد. با این وجود عیب هایی در کمبود فرومون حاد در اوایل دوره، کندی سرعت راه حل ها، ایستا بودن و دستیابی آسان به نقطه بهینه محلی، باعث شد این روش توجه گسترده ای را از دانشجویان خارجی و داخلی دریافت کند. اخیرا الگوریتم کلونی مورچه به طرز موفقیت آمیزی برای بسیاری از مسائل بهینه سازی ترکیبی همچون فروشنده دوره گرد (TSP)، مسیریابی وسایل نقلیه، پوشش دهی، رنگ آمیزی گراف و امثالهم مورد استفاده قرار گرفته است. اما بر اساس اطلاعات ما، الگوریتم ژنتیک به ندرت برای بهینه سازی زمان بندی علائم راهنمایی رانندگی مورد استفاده قرار گرفته است. این مقاله همانطور که در ادامه می آید از بخش های مختلف تشکیل شده است. در بخش 2 برخی از پارامترهای ابتدایی برای کنترل علائم راهنمایی رانندگی به طور مختصر تعریف شده اند. در بخش 3 الگوریتم کلونی مورچه و قوانین آن پس از ساخت مدل بهینه سازی زمان بندی علائم ارائه شده است. بعلاوه عدم قطعیت و همگرایی الگوریتم کلونی مورچه به صورت جزیی در بخش 4 مورد تحلیل قرار گرفته است. در بخش5 نتایج عددی بر اساس الگوریتم وبستر ، ژنتیک و کلونی مورچه به طور کامل مورد بحث قرار گرفته است. و در نهایت برخی از نتایج بوسیله تحلیل نتایج عددی در بخش 6 به نمایش در آمده اند.
پیش نمایش مقاله
پیش نمایش مقاله الگوریتم کلونی مورچه برای بهینه سازی زمان بندی علائم راهنمایی رانندگی (چراغ های راهنمایی رانندگی)

چکیده انگلیسی

In order to separate the conflict of the traffic flow effectively, time delay, number of stops and traffic capacity are chosen as performance indexes, and the objective function related to the cycle time and the saturation of an intersection is established by using the weighting coefficients. Then, based on the uncertainty and convergence analysis of ant colony algorithm (ACA), computational experiments are conducted and numerical comparisons are made for the values of performance indexes achieved by the signal timing optimization problem with Webster algorithm, genetic algorithm (GA) and ACA. Numerical results show that ACA is a simple and feasible method for signal timing optimization problems.

مقدمه انگلیسی

With the rapid development of economy, traffic congestion has become one of the most serious problems in many cities at present. Traditionally, the congestion problem was dealt by adding more lanes and new links to the existing transportation network [1] and [2]. Since such a solution can no longer be considered for limited availability of space in urban centers, greater emphasis is nowadays placed on traffic management through the implementation and operation of intelligent transportation systems such as TRANSYT, which has been widely recognized as one of the most useful tools in studying the optimization of traffic control [3] and [4]. Nowadays, with the development of artificial intelligence technology, ant colony algorithm (ACA) has been applied to signal timing optimization problems, as well as genetic algorithm (GA) [5]. As is known to all, the main places responsible for traffic congestion are urban intersections, and the primary reason for traffic congestion of urban intersections is the irrational cycle time of traffic lights. In order to separate the conflict of the traffic flow effectively and improve traffic capacity, how to assign the red and green time in a cycle is obviously important when dealing with traffic control problems [6]. Generally, the longer cycle time, the greater traffic capacity, but time delay and number of stops also increase with increasing of the cycle time. In other words, when the saturation of an intersection is small enough, the increase of the cycle time does not go far enough towards traffic capacity, and it only leads to the increase of time delay. Therefore, the cycle time of traffic lights should be justly distributed so as to minimize time delay and number of stops. Ant colony algorithm (ACA), which was first brought forward by Dorigo et al. [7] in the early 90s, is a new simulated evolutionary optimization algorithm with the characteristics of positive feedback, distributed computing and strong robustness [8]. However, with the defects of an acute pheromone shortage in early period, less slow solution speed, stagnation and easy to fall in local optima, it has being obtained comprehensive attention from domestic and alien scholars. Recently, ACA has been successfully applied to many combinatorial optimization problems such as TSP, vehicle routing problem, set covering problem, graph coloring and so on [9], [10], [11] and [12]. But to our knowledge, GA has been rarely used for traffic signal timing optimization. This paper is organized as follows. In Section 2, some basic parameters for traffic signal control are briefly described. In Section 3, ACA and its rule are both presented after the optimization model of signal timing is created. Furthermore, the uncertainty and convergence of ACA are analyzed in detail in Section 4. In Section 5, numerical results based on Webster algorithm, GA and ACA are discussed thoroughly. Finally, some conclusions are drawn by the analysis of numerical results in Section 6.

نتیجه گیری انگلیسی

In this paper, a more efficient algorithm based on ACA is introduced and applied to the traffic signal timing optimization, which can preferably make time delay smaller, number of stops fewer and traffic capacity larger. Moreover, the results show that ACA has more superiority than Webster algorithm and GA when dealing with signal timing optimization problems, and the optimal solutions can be obtained effectively. Therefore, ACA has broad application prospects in the field of traffic signal control.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.