[发明专利]基于切换系统特性的快速路入口匝道控制方法及系统

说明书

技术领域

本发明涉及智能交通领域，更具体地，涉及一种基于切换系统特性的快速路入口匝道控制方法。

背景技术

快速路入口匝道控制是智能交通控制领域中非常重要的一块。交通流模型每天具有重复性，交通流以很小的密度从午夜开始，直到车辆增多，就是早高峰，之后维持在稳定的范围内，直到晚高峰。基于这样的观察，可以看到具有重复性。此外，在实际中，受天气、路况等因素影响，快速路模型系统参数随之发生变化，故快速路系统符合切换系统特性。之前的研究成果没有更多的考虑这种特性，不能更好地切合实际需要，基于迭代学习的快速路入口匝道控制实用性降低。

发明内容

本发明首要目的是提供一种基于切换系统特性的迭代学习快速路入口匝道控制方法，能够解决具有切换系统特性的带有匝道路口的快速路控制的问题。

本发明还提供一种基于切换系统特性的迭代学习快速路入口匝道控制系统。

为解决上述技术问题，本发明的技术方案如下：

一种基于切换系统特性的迭代学习快速路入口匝道控制方法，包括以下步骤：

S1：获取当前快速路的实际交通流密度值和匝道入口的交通流；

S2：获取快速路的期望交通流密度值；

S3：根据实际交通流密度值和期望交通流密度值获得当前误差函数；

S4：根据误差函数设置基于切换系统特征的迭代学习控制律以及迭代学习增益，其中，基于切换系统特征的迭代学习控制律表示如下：

u_k+1(t)＝sat[u_k(t)]+Γ_ie_k(t+1)

式中，u_k+1(t)表示第k+1次迭代的匝道入口的交通流，u_k(t)表示第k次迭代的匝道入口的交通流，误差函数e_k(t)表示第k次迭代的输出误差，Γ_i为第i个切换系统子系统的增益，饱和函数sat[·]表达式如下：

其中，u_min(t),u_max(t)分别是饱和函数的下界和上界；

S5：将基于切换系统特征的迭代学习控制律应用到带有匝道入口的快速路系统中，使得能够在一定迭代次数内使快速路能够达到期望交通流密度。

一种基于切换系统特性的迭代学习快速路入口匝道控制系统，包括：

当前交通流获取模块：用于获取当前快速路的实际交通流密度值和匝道入口的交通流；

期望交通流获取模块：用于获取快速路的期望交通流密度值；

误差函数获取模块：用于根据实际交通流密度值和期望交通流密度值获得当前误差函数；

迭代学习律和学习增益设置模块：用于根据误差函数设置基于切换系统特征的迭代学习控制律以及迭代学习增益，其中，基于切换系统特征的迭代学习控制律表示如下：

u_k+1(t)＝sat[u_k(t)]+Γ_ie_k(t+1)

式中，u_k+1(t)表示第k+1次迭代的匝道入口的交通流，u_k(t)表示第k次迭代的匝道入口的交通流，误差函数e_k(t)表示第k次迭代的输出误差，Γ_i为第i个切换系统子系统的增益，饱和函数sat[·]表达式如下：

其中，u_min(t),u_max(t)分别是饱和函数的下界和上界；

交通流控制模块：用于将基于切换系统特征的迭代学习控制律应用到带有匝道入口的快速路系统中，使得能够在一定迭代次数内使快速路能够达到期望交通流密度。

在一种优选的方案中，通过快速路的期望交通流密度值与当前快速路的实际交通流密度值做差，得到当前次迭代的误差函数e_k(t)。

在一种优选的方案中，所述误差函数收敛的迭代次数是误差指标的收敛迭代次数。