[發明專利]一種基于MFD的路網交通信號迭代學習控制方法

有效

• 申請號: 201810374659.1
• 申請日: 2018-04-24
• 公開（公告）號: CN108648446B
• 公開（公告）日: 2020-08-21
• 發明（設計）人: 楊曦;黃青青;沈國江;劉志;朱李楠;劉端陽;阮中遠
• 申請（專利權）人: 浙江工業大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/08;G08G1/081;G06F17/16
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵;黃美娟

針對我國城市交通量大，城市規模龐大，結構復雜等特點，本發明考慮基于MFD的路網交通信號迭代學習控制的方法。包括步驟一：1.1獲取子區MFD的交通數據；1.2子區MFD擬合；1.3基于MFD確定道路理想占有率。步驟二：2.1開閉環迭代學習控制策略；2.2建立狀態空間方程；2.3優化各交叉口的信號配時。本發明能使路網的整體結構達到相對均衡，提高子區的流出車輛，從而提高路網通行量，為交通管理者提供了一種有效的城市路網控制手段，提高了城市路網的交通服務水平。

技術領域

本發明涉及城市路網的交通信號控制問題，具體涉及到MFD(交通宏觀基本圖)以及一種迭代學習控制策略。

背景技術

由于道路資源和基礎設施的限制，現代城市交通擁堵仍然是社會的主要問題之一。信號控制作為最主要的交通管控手段，隨著交通學者不斷深入的研究也得到了極大的發展。

由于城市交通系統是一個不確定的復雜系統，規模龐大，系統模型參數難以確定，N.Geroliminis等通過對日本橫濱等交通數據的分析發現城市區域內部的累積車輛數和交通流存在一種特定的關系并在此基礎上提出了MFD(宏觀基本圖)，避免了基于復雜的網絡起訖點OD矩陣(Origin-Destination Matrix)進行交通流建模分析方法中的缺陷。通過路網交通數據，采用迭代學習的控制策略對交通路網進行交叉口信號控制，包括兩部分內容。第一部分通過MFD對路網子區進行擬合并獲得的最佳累積車輛，可以作為迭代學習信號中的理想控制目標，第二部分采用迭代學習控制的方法，通過一種交通流模型對大規模城市路網進行建模，對子路網內部信號進行迭代控制。

迭代學習控制作為一種數據驅動的方法，僅利用受控系統的在線和離線I/O數據以及經過數據處理得到的知識來設計控制器，且在交通信號控制方面有著廣泛的應用，如匝道控制，城市路網控制等。因此采用迭代學習控制結合提出的基于MFD的理想道路車輛數，將交通信號的綠信比作為迭代學習控制的輸入，選取合適的學習律，調整交通信號的綠燈時間，使路網內的車輛達到理想的設定目標，使路網的整體結構達到相對均衡，使路網處于MFD特性中的最佳運行狀態，提高子區的流出車輛，從而提高路網通行量。

發明內容

本發明要克服城市規模大，結構復雜，難以用傳統的方式進行建模等不足，提出一種基于分層控制結構的迭代學習信號控制，均衡路網內的車輛，使路網處于宏觀基本圖的最佳運行狀態，從而提高路網的流出車輛，提高路網的通行能力。

本發明是一種基于MFD的迭代學習城市信號控制的方法，包括如下步驟：

1)基于MFD獲取道路理想占有率：

1.1獲取子區MFD的交通數據：將一個規模較大的城市路網進行劃分，得到若干個子區R_i，其中i∈{1,2,3...}，子區劃分的算法采用Ncuts算法進行劃分，將大規模的城市路網分解為多個“同質”的子區，得到各個子區的交通數據。

1.2子區MFD擬合：通過各子區的交通數據，不同時刻的累積車輛數和子區的輸出流量的MFD特性，采用3階多項式進行擬合，對于任意子區R_i擬合形式如下：

其中，n_i為子區R_i的累積車輛數，a₁～a₄為擬合系數。

采用最小二乘法確定經驗公式中的擬合系數：

其中，y_i為子區R_i的實際輸出流量，G(n_i)為子區R_i流量的近似擬合曲線，根據上式最小化數據偏差從而得到MFD的擬合結果，根據擬合結果求得擬合曲線的極值點