一種智能路側設備的選址優化方法與流程

本發明涉及智能交通系統領域，主要涉及基于遺傳算法和貪心算法混合之后的智能路側設備的優化部署方法。

背景技術：

隨著交通問題日趨嚴峻，僅憑改善道路基礎硬件設施已不能緩解急劇增加的機動車給道路交通系統帶來的壓力，交通擁堵問題愈顯突出。為了提高道路交通安全，治理道路交通擁堵，我國在安全輔助駕駛、安全預防、交通管理等方面進行了一系列的研究，鑒于交通系統本身的復雜性，單從道路和車輛的角度考慮很難解決近年來不斷惡化的交通擁堵和事故頻發等問題。車路協同作為未來智能交通的核心和發展方向，是解決城市交通擁堵問題的關鍵。其基本思想是運用多領域、多學科先進技術交叉融合的方法，充分利用無線傳感器網絡及其大規模并行計算的能力，實現道路交通的智能感知與人、車、路三位一體協調發展，并通過車車、車路信息交互與共享，實現車輛和基礎設施之間、車輛與車輛之間的智能協同，達到提高道路交通安全、緩解通擁堵的目標。

智能路側設備作為車路協同的重要組成部分，承擔了信息檢測、信息通信和信息處理等功能，而智能路側設備的部署是實現其功能的先提條件。目前路側設備的部署主要采用的是均勻部署，即在某條道路上進行等距離的均勻部署。此種部署方式雖然滿足了覆蓋度和連通度，但是經濟性這個指標卻無法很好的滿足，存在資源浪費等問題。

本發明提供了一種基于混合算法智能交通系統路側設備(road-sideunit)部署優化方法。選取某一商業圈作為研究對象，根據初始部署點位置的車流量、流行程度以及事故率等歸一化之后求得部署點權重值。利用初始節點的權重值這一指標，利用遺傳算法和貪心算法進行建模分析并進行節點刪減，得出最優的部署方案。

技術實現要素：

針對現有技術存在的不足之處，本發明的目的是提出一種基于遺傳和貪心算法的路側設備部署優化方法，可以實現最少節點的部署，滿足經濟性的目標，為智能路側設備的部署優化提供了參考。

為了實現上述的目的，本發明采用以下技術方案：一種基于遺傳算法和貪心算法的智能交通系統路側設備部署優化方法，其特征在于：選取某一商業圈作為研究對象，根據初始部署點位置的車流量、流行程度以及事故率等歸一化之后求得部署點權重值。利用初始節點的權重值這一指標，利用遺傳算法和貪心算法進行建模分析并進行節點刪減，得出最優的部署方案。

1、基于混合算法的智能交通系統路側設備部署優化方法，其特征在于：rsu節點初始部署位置選擇原則是在保證全部覆蓋的前提下，盡量在交叉路口以及重要的商圈地點鋪設rsu，并且不同地點的鋪設密度也不相同。其次，根據部署點位置的車流量、流行程度以及事故率等，歸一化之后求得部署點的權重值。考慮到實際獲得的多參數序列量綱的不一致性，其歸一化處理公式如下：

2、基于混合算法的智能交通系統路側設備部署優化方法，其特征在于：指定所有的部署點的傳輸范圍為r，在感知范圍內的感知的概率為1，感知范圍外的感知概率為0。取歸一化的權重作為適度函數，取兩節點之間的距離d≤2r為約束條件。經過單點交叉和變異運算之后，求得適應度最大的部署節點，即經遺傳算法優化后的部署節點。交叉運算取單點交叉，即將初始種群所在位置進行二進制編碼運算，精度由具體的要求所定，設置進行代數t，然后取某一位作為交叉運算，設置交叉概率，取第三位作為變異運算，即做簡單的取反運算，設置變異概率。

3、基于混合算法的智能交通系統路側設備部署優化方法，其特征在于：每個部署節點按照權重進行邏輯排序，從權重最高的部署點開始，以r半徑進行輻射，如果在其輻射范圍內有其他的部署點，將該部署點從排序中刪除掉，剩余的部署點重新按照權重的大小進行排序。最后，找到同時處于幾個部署點的感知范圍內的部署點，將其作為部署點，在該部署點感知范圍內的其他的部署點排出掉，然后依照此方法遍歷直至部署點最少，求得最優的部署方案。

附圖說明

圖1為節點位置權重歸一化內容圖；

圖2為貪心算法示意圖；

圖3為混合算法框圖；

具體實施方式

本發明以重慶市某商圈作為研究對象，該商圈包含廣場，步行街，汽車站等，具有一定的代表性。首先我們在主要干路選取了140個點，選擇原則是在保證該區域全部被rsu輻射范圍內的前提下，盡量在交叉路口以及重要的商圈地點鋪設rsu，并且不同地點的鋪設密度也不盡相同，并且進行標注。

原模型可簡化看成根據權重利用遺傳算法求出最小點的覆蓋問題。模型建立：節點覆蓋區域一般被視為是圓，本模型中路側單元為節點，假設其感知半徑為r，d(im，jn)表示的是路側單元im與路側單元jn的距離，對于點i1來說，如果對其他所有的點jn(n∈v)，其中v表示點集，存在一個j1，使得d(i1，j2)最小，即在jn(n∈v)中j1離i1最近，且d(i1，j1)＜2r，則稱i1和j1相互覆蓋；若對于整個區域圖，任意一個點都存在至少一個相互覆蓋的點，那么稱這個區域圖為點覆蓋區域圖。

模型主要是路側單元部署最優化，其目標函數就是使用最少的點覆蓋住權值的和最高，考慮多目標規劃：設點總數取值為n，每個點對應的商圈歸一化權值為pi(i∈v)，某一點處的商圈歸一化權值可根據道路位置車流量、流行程度以及事故率等加權計算得出。則目標函數表示為：

約束條件為兩個點之間的最短距離不大于2r，約束條件為：

stmin(d(im，jn))≤2r(m，n∈v)(3)

對該問題的多目標規劃，目標函數互相沖突，考慮啟發式算法求解非劣解，即近似最優解即可。

算法設計如下：

start：讀取坐標。

step1：將坐標序號或坐標轉化為二進制，作為群體的初始解。

step2：代入商圈權重和地面2r范圍內情況規定單位化的適應度函數。對適應度函數進行二進制編碼。

step3：采用遺傳算法，優化點的即可個數，使點集商圈權重值高的和連通性重要的點成為子種群。

step4：驗證子種群的點是否完全覆蓋地圖，若是，則轉下一步，若不是，加入初始解中的點，轉step2.

step5：繪制最終的近似最優坐標圖。

end

在遺傳算法中，參數設置如下：

最大遺傳代數為maxgen＝300，代溝為ggap＝0.9，重組為recopt＝0.66，子群數量subpop＝1，適應度選擇insopt＝1，變異概率pm＝0.001.

覆蓋范圍取2r＝60。

然后我們利用貪心算法進行進一步的優化，算法設計具體如下：

start：讀取rsu坐標，設定每個rsu感知范圍r。

step1：將通過遺傳算法優化得到的rsu節點的按照權重進行從大到小排序。

step2：將讀取到的rsu節點，從權重最高的rsu開始進行輻射感知，如果在其感知范圍內有其他的rsu節點，那么就把范圍內的rsu節點從已經按照權重排序好的序列中排出掉。

step3：將剩余的rsu節點重新按照權重排序。若所有rsu節點全部覆蓋，則轉step4，否則轉step2。

step4：找到同時處于幾個rsu節點的感知范圍內的節點，然后將其作為rsu節點，在這個rsu節點感知范圍內的其他的rsu節點當作無效節點處理。

step5：繪出最優坐標圖。

當設定r＝30，通過貪心算法得出的最優的點共有64個。

結論：本文引入了一種基于自然選擇和遺傳學機理的優化算法-遺傳算法，該算法具有自適應、全局尋優等優點，將智能路側系統的優化部署問題建模為遺傳算法尋優的問題，通過建模仿真得出了相對最優的部署節點。然后引入了貪心算法對部署問題進一步的優化，得出了最終的部署方案。