[發明專利]一種基于模型預測控制的混合交通流協同優化控制方法

有效

• 申請號: 202011549608.1
• 申請日: 2020-12-24
• 公開（公告）號: CN112735126B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 孫湛博;高子延;李哲宜
• 申請（專利權）人: 成都格林希爾德交通科技有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/081
• 代理公司: 成都眾恒智合專利代理事務所(普通合伙) 51239
• 代理人: 黃芷

1.一種基于模型預測控制的混合交通流協同優化控制方法，其特征在于：該方法是采用基于模型預測控制的雙層優化模型進行混合交通流協同決策控制，適用于兩條有交叉的單向單行道路且交叉路口前無車輛行駛信號指示下混合交通流中的不同交通場景；所述模型預測控制是指通過建立系統架構，實現實時閉環控制，用以解決實際情況中出現的駕駛行為隨機性問題；所述雙層優化模型包括上層模型和下層模型，所述上層模型是一個運用動態規劃遞歸求解的車輛排序問題，所述下層模型是一個運用動態矩陣預測算法求解每一單次車輛的軌跡優化問題，所述下層模型中每一單次車輛的軌跡優化結果將作為所述上層模型動態規劃遞歸求解過程中的一個輸入；通過所述模型預測控制和所述雙層優化模型共同保證系統車輛運行最優；

該方法包括步驟：

S1、確定道路分組優化區段，并進行時域劃分；

假定X道路和Y道路為兩條有交叉的單向單行道路，且交叉路口前無車輛行駛信號指示，所述道路分組優化區段包括X道路分組優化區段和Y道路分組優化區段；將X道路上車輛到達車流交匯點前的一段道路設置為X道路分組優化區段，將Y道路上車輛到達車流交匯點前的一段道路設置為Y道路分組優化區段；

S2、根據所述道路分組優化區段進行交通流分組，將同一時刻行駛在所述道路分組優化區段上的車輛確定為組內車輛，獲取所述組內車輛的實時狀態信息；

S3、采用雙層優化模型對所述組內車輛的運行軌跡進行預測，并據此做出優化控制決策，且依據所做出的優化控制決策對車輛進行優化控制，使所述組內車輛中最靠近車流交匯點的車輛能夠順利通過車流交匯點，且保證所述組內車輛的運行軌跡最優；

S4、通過重復執行步驟S2和S3，對下一時刻行駛在所述道路分組優化區段上的所述組內車輛的運行軌跡進行優化控制，循環執行，直到全部車輛都駛出所述道路分組優化區段；

所述S3，采用雙層優化模型對所述組內車輛的運行軌跡進行預測，并據此做出優化控制決策，且依據所做出的優化控制決策對車輛進行優化控制，使所述組內車輛中最靠近車流交匯點的車輛能夠順利通過車流交匯點，且保證所述組內車輛的運行軌跡最優，具體包括：

S3-1、建立所述上層模型，包括：

S3-1-1、確定所述上層模型的劃分階段、狀態變量和決策變量，具體如下：

所述上層模型的劃分階段：在同一時刻，X道路分組優化區段上有n輛車需要依次匯入或通過Y道路分組優化區段上的車輛間存在的m+1個間隔，并將X道路分組優化區段上的每一單次車輛匯入或通過Y道路的行為表示為一個階段，記X道路分組優化區段上的第k輛車匯入或通過Y道路的行為為第k階段，其中k＝1,2,3,…,n；

所述上層模型的狀態變量：第k階段可供X道路分組優化區段上的第k至第n輛車匯入或通過Y道路分組優化區段上的車輛間隔數，用s_k表示；

所述上層模型的決策變量：每個階段所做的決策，表示第k階段X道路分組優化區段上的第k輛車在可匯入或通過Y道路分組優化區段上的s_k個車輛間隔中選擇具體的第x_k個車輛間隔匯入或通過；

S3-1-2、確定所述上層模型的狀態轉移方程、費用函數和目標函數，具體如下：

所述上層模型的狀態轉移方程：

設定初始條件為s₀＝m+1；

所述上層模型的狀態轉移方程表明，當k＝1時，s_k＝s₁表示在第1階段可供X道路分組優化區段上的第1輛車匯入或通過Y道路分組優化區段上的車輛間隔數為m+1個；當k＝2,3,…,n時，在第k-1階段時X道路分組優化區段上的第k-1輛車選擇了第x_k-1個車輛間隔作為匯入或通過Y道路后狀態變量s_k的變化；s₀＝m+1表示在初始狀態下可供X道路分組優化區段上的車輛匯入或通過Y道路分組優化區段上的車輛間隔數為m+1個；

所述上層模型的費用函數：

所述上層模型的費用函數D_k(s_k,x_k)表示第k階段做出決策所需的階段指標函數，其中表示第k階段在協同優化控制策略作用下X道路分組優化區段上的第k輛車在匯入或通過可供第k輛車匯入或通過Y道路分組優化區段上的s_k個車輛間隔產生的所有可能費用消耗；是指Y道路分組優化區段上沒有直接參與到車輛匯流或車輛合流或車輛通過交叉路口過程的車輛，因前車受車輛匯入或通過的影響，而使得自身車輛出于跟馳安全需要所做出的車輛速度調整造成的費用消耗；

所述上層模型的目標函數：

設定初始條件為f₀(s₀)＝0；

所述上層模型的目標函數f_k(s_k)表示第1階段至第k階段的系統車輛的累計費用消耗，f₀(s₀)＝0表示在初始狀態下系統成本為0；

S3-2、建立所述下層模型，包括：

S3-2-1、確定微觀跟馳模型，用所述微觀跟馳模型描述車輛的跟馳狀態，并預測車輛軌跡；所述車輛的跟馳狀態包括車輛的速度、加速度和位置；

S3-2-2、建立用于判別第k階段X道路分組優化區段上的第k輛車是否可以順利匯入或通過Y道路的條件約束模型；

S3-2-3、基于步驟S3-2-1預測的車輛軌跡，由步驟S3-2-2建立的條件約束模型依次判斷第k階段X道路分組優化區段上的第k輛車能否匯入或通過Y道路分組優化區段上可供第k輛車匯入或通過Y道路分組優化區段上的s_k個車輛間隔的每個車輛間隔；

S3-2-4、將參與第k階段的車輛中可優化控制的車輛確定為目標車輛，對所述目標車輛的行駛軌跡進行優化，并將該優化問題歸結為離散時間下連續軌跡狀態約束的最優控制問題，用動態矩陣預測控制算法求解得到關于所述目標車輛的協同優化控制策略；

S3-2-5、計算第k階段在協同優化控制策略作用下X道路分組優化區段上的第k輛車匯入或通過可供第k輛車匯入或通過Y道路分組優化區段上的s_k個車輛間隔的所有可能費用消耗

S3-3、求解所述雙層優化模型：

S3-3-1、求解所述上層模型，確定系統車輛的累計費用消耗在最低時的所述上層模型的每個階段所做的決策；

S3-3-2、由步驟S3-3-1確定的所述上層模型的每個階段所做的決策逆推得到所述下層模型X道路分組優化區段上的每個單次車輛匯入或通過Y道路的車輛優化軌跡；

S3-4、由步驟S3-3求解得到所述雙層優化模型的以系統最優為目的的混合交通流協同決策，并將其作用于系統車輛，控制系統車輛的運行；

所述S3-2-4，將參與第k階段的車輛中可優化控制的車輛確定為目標車輛，對所述目標車輛的行駛軌跡進行優化，并將該優化問題歸結為離散時間下連續軌跡狀態約束的最優控制問題，用動態矩陣預測控制算法求解得到關于所述目標車輛的協同優化控制策略，具體包括：

定義車輛組合K：預測X道路上的車輛k，將經過Y道路上的連續車流的兩車輛之間的間隔匯入或通過Y道路，所述Y道路上的連續車流的兩車輛分別用和表示，其中車輛表示預測前車，車輛表示預測后車；進一步定義車輛組合K，表示X道路和Y道路上直接參與第k階段的車輛組合，且K∈{K₁,K₂,K₃}，車輛組合表示參與第k階段的車輛有車輛車輛k、車輛車輛組合表示參與第k階段的車輛有車輛k、車輛此時位于Y道路上第x_k個車輛間隔處無前車參與；車輛組合表示參與第k階段的車輛有車輛車輛k，此時位于Y道路上第x_k個車輛間隔處無后車參加；

定義動態矩陣預測控制模型，如下：

對上述公式(1)～(4)進行描述：

公式(1)是動態矩陣預測控制模型的目標函數，其中表示實際車速和期望速度的差；引入是考慮駕駛員的舒適度，目標是使車輛加速度盡可能柔和；γ₁、γ₂是權重系數；權重系數γ₂越大，則動態矩陣預測控制模型的目標函數側重于優化被控車輛的舒適度；反之，動態矩陣預測控制模型的目標函數側重于優化交通流整體的舒適度；

公式(2)、公式(3)和公式(4)是動態矩陣預測控制模型的約束條件；

公式(2)描述控制量約束，其中a_min和a_max分別代表可允許的最大減速度和最大加速度，其值基于受控車輛的舒適性來確定；

公式(3)是車輛速度狀態約束，其中表示車輛跟馳速度矩陣函數，該約束可以確保控制過程中跟馳行為的安全性，即防撞約束；其中，表示車輛組合K中的車輛i在t₀時刻的位置矩陣，其包含t₀時刻至時刻對車輛組合K中的車輛i的位置預測；表示車輛組合K中的車輛i在t₀時刻的速度矩陣，其包含t₀時刻至時刻對車輛組合K中的車輛i的速度預測；表示車輛組合K中的車輛i所跟馳的前車在t₀時刻的速度矩陣，其包含t₀時刻至時刻對車輛組合K中的車輛i所跟馳前車的速度預測；表示控制時域，即車輛實際執行決策的時間范圍；

公式(4)定義了最終狀態約束，即第k階段X道路上的車輛k在時刻的沖突協同效用函數值只有大于或等于0時才可以在時刻順利匯入或通過Y道路；

為完成動態矩陣預測控制的迭代過程，對狀態轉移過程進行定義，如下：

上述公式(5)中，表示車輛組合K中的車輛i在t₀時刻的速度v_i(t₀)和位置l_i(t₀)的集合；

上述公式(6)～(8)是不可優化控制車輛的狀態轉移方程，其中K_H＝{i|α_i＝0∩i∈K}，且α_i是車輛類型，若車輛是可優化控制車輛則α_i的取值為1，若車輛是不可優化控制車輛則α_i的取值為0；

公式(6)是不可優化控制車輛的位置函數；

公式(7)是不可優化控制車輛的速度函數；

公式(8)是微觀跟馳模型的通式，即不可優化控制車輛的加速度是關于該車輛與其跟馳前車之間的間隙的函數；表示車輛i根據微觀跟馳模型所預測的在t時刻的車輛安全跟馳加速度，其中l_i(t)表示在t時刻車輛i與其跟馳前車之間的相對距離，v_i(t)表示車輛i在t時刻的速度，表示車輛i所跟馳的前車在t時刻的速度；

C_v＝[1 0]； (11)

C_s＝[0 1]； (12)

上述公式(9)～(12)是可優化控制車輛的狀態轉移方程，其中K_A＝{i|α_i＝1∩i∈K}，α_i是車輛類型，若車輛是可優化控制車輛則α_i的取值為1，若車輛是不可優化控制車輛則α_i的取值為0；τ表示時間間隔；

公式(9)包含公式(9a)和公式(9b)，其中描述了可優化控制車輛在t時刻的受控速度和位置，由于存在由公式(9a)和公式(9b)所示的遞推關系，因此在任意預測時刻的可以由和進行表示；矩陣矩陣為對應的狀態轉移矩陣；是可優化控制車輛在t時刻的加速度決策，即是最優控制變量；

公式(10)，是可優化控制車輛在每個預測時間點處的加速度決策的列向量集合；

公式(11)，是可優化控制車輛在每個預測時間點處的受控車輛速度的列向量集合，其中是對應的狀態轉移矩陣，為推導過程中的輔助矩陣；C_v是已知矩陣，即C_v＝[10]；

公式(12)，是可優化控制車輛在每個預測時間點處的受控車輛位置的列向量集合，其中是對應的狀態轉移矩陣，為推導過程中的輔助矩陣；C_s是已知矩陣，即C_s＝[01]。