[发明专利]智能交通系统中不完全信息下的信息反馈方法

说明书

技术领域

    本发明涉及智能交通系统技术领域，尤其涉及一种能够根据浮动车信息来估计整条道路的信息，有效地减少非浮动车的影响，具有很好的稳定性和诱导性能，有效反应道路的真实情况的智能交通系统中不完全信息下的信息反馈方法。

背景技术

在道路、车辆、驾驶员和环境等因素的共同作用下，交通流表现出非常复杂的特性。为了描述交通流复杂特性的形成机理，物理学家们从不同的角度出发提出了一些交通流模型，这些模型的提出为智能交通系统ITS的研究提供了理论基础。在这些模型中，元胞自动机模型从微观角度实现交通流的建模，很好地反映了交通流演化的动态特性。同时，交通控制也是智能交通系统的重要组成部分，其中，双通道场景下的交通流诱导是交通控制的典型问题，它能够实现交通流的动态分配，从而有效地利用已有交通设施来提高道路的通行能力。

在双通道场景下，人们提出了一些信息反馈策略来实现交通流的诱导。典型的信息反馈策略包括：旅行时间反馈策略（Travel Time Feedback Strategy, TTFS），平均速度反馈策略（Mean Velocity Feedback Strategy, MVFS）和拥挤系数反馈策略（Congestion Coefficient Feedback Strategy, CCFS）。为了验证这些信息反馈策略的性能，研究者们利用元胞自动机模型（如NS模型）来模拟相应策略下道路上车辆的运动过程。模型结果表明：在流量大小和稳定性方面，MVFS的性能要高于TTFS的性能，而CCFS的性能要高于MVFS的性能。近几年来，基于CCFS策略，人们提出了一些改进策略，如：预测反馈策略（Prediction Feedback Strategy, PFS）、加权拥挤系数反馈策略（Weighted Congestion Coefficient Feedback Strategy, WCCFS）、相应角反馈策略（Corresponding Angle Feedback Strategy, CAFS）、指数函数反馈策略（Exponential Function Feedback Strategy, ETFS）等。CCFS策略及其改进策略考虑了车辆的位置信息，提供了基于位置的服务（LBS），这是其优于TTFS和MVFS原因。CCFS策略及其改进策略在计算道路的拥挤系数时需要利用车辆的实时位置信息，在实际应用中，车辆通过GPS系统来获取的GPS位置有一定的误差，这种误差会对拥挤系数的计算带来较大影响，从而影响这些策略的交通流诱导性能。但是，这种误差不会影响道路上车辆平均速度的计算。因此，加权平均速度反馈策略（Weighted Mean Velocity Feedback Strategy, WMVFS）同时考虑了道路上车辆的位置和速度信息，模拟结果表明：该策略不仅对GPS误差具有很好的鲁棒性，而且具有很好的性能。

在上述信息反馈策略的研究中，假设道路上所有车辆都是浮动车，这些浮动车上安装有车载终端并实时将本车的交通信息上传至交通控制中心。从信息获取的角度来看，这种场景属于理想化的完全信息场景。但是，在目前的实际应用中，由于成本和技术等因素的限制，在短期内不可能使所有车辆都安装车载终端而成为浮动车。这些没有安装车载终端的车辆称为非浮动车。因而，在未来相当长的一段时期内，道路上的车辆将由浮动车和非浮动车共同组成。

以下为现有不完全交通信息场景下的几种信息反馈策略：

1）平均速度反馈策略MVFS

    每一时步，道路上的车辆上传其速度信息至交通控制中心；交通控制中心计算出每条道路上的平均速度并显示在入口处的信息板上；入口处新到达的动态车选择平均速度大的道路进入。平均速度的计算公式为：

                                                                                                 (2)；

其中，n是车辆的数量，v_i是第i辆车的速度。

2）拥挤系数反馈策略CCFS

每一时步，道路上的车辆上传其位置信息至交通控制中心；交通控制中心计算出每条道路上的拥挤系数并显示在入口处的信息板上；入口处新到达的动态车选择拥挤系数小的道路进入。拥挤系数的计算公式为：

                                               (3)；