[发明专利]一种基于迭代学习与模型预测控制的交通信号混合控制方法

说明书

本发明提供了一种基于迭代学习与模型预测控制的交通信号混合控制方法，包括以下步骤：1）对研究区域的交通流模型进行优化；2）在优化的交通流模型中引入相邻两次迭代间的绿灯时长增量关系，并引入路网内实际车辆数与期望车辆数的误差；3）通过模型预测控制进行绿灯时长增量的预测；4）将迭代学习控制获得的绿灯时长与模型预测控制获得的绿灯时长增量进行有效结合，得到优化的绿灯时长，5）根据优化的绿灯时长设置交叉口绿灯时长。本发明将迭代学习控制与模型预测控制进行结合，既充分利用了路网宏观交通流相似性分布的历史批次信息，又能通过预测模型在线进行滚动优化，使路网交通信号能更有效、更迅速的达到控制要求，提高路网通行效率。

技术领域

本发明涉及智能交通控制领域，具体说是一种基于迭代学习与模型预测控制的交通信号混合控制方法。

背景技术

随着社会的不断发展，我国汽车保有量快速增长，同时面临的交通问题也越来越突出，严重制约了城市的健康发展，为了更好地利用现有的交通设施以及路网交通情况的历史批次信息来改善城市路网的通行效率。申请人通过充分利用每日宏观交通流固有的相似性分布的特性，以及预测模型可进行在线滚动优化的特点，提出了一种基于迭代学习与模型预测控制的交通信号混合控制方法。本发明有效的结合了迭代学习控制和模型预测控制的优点，在不改变现有交通道路硬件设施的基础上，充分结合路网的实际交通情况并对城市的交通信号进行优化控制，有效提高了城市路网的通行效率，改善了交通状况。

发明内容

本发明的目的在于有效解决交通信号控制方案效率不高且信号控制方案不能与路网的历史信息状况进行有效结合的问题，申请人提出一种基于迭代学习与模型预测控制的交通信号混合控制方法，在提高路网通行效率的同时能使控制方案有效结合路网交通状况的历史批次信息，从而使路网的通行效率达到最优。

为实现上述目的，本发明所提供的技术方案为：一种基于迭代学习与模型预测控制的交通信号混合控制方法，包括以下几个步骤：

1)对研究区域的交通流模型进行优化；

2)在优化的交通流模型中引入相邻两次迭代间的绿灯时长增量关系，并引入路网内实际车辆数与期望车辆数的误差，得到误差预测模型；

3)通过模型预测控制进行绿灯时长增量的预测；

4)将迭代学习控制获得的绿灯时长与模型预测控制获得的绿灯时长增量进行结合，得到优化的绿灯时长；

5)根据步骤4计算得到的优化的绿灯时长设置路网内各交叉口信号绿灯时长，使得路网内实际车辆数与期望车辆数的误差值逐渐减小，直到达到理想状态。

上述的一种基于迭代学习与模型预测控制的交通信号混合控制方法，在步骤(1)中对研究区域的交通流模型进行优化包括以下几个步骤：

1.1)获得路网的交通流模型，形式如下：式中x_k(t)为状态向量表示为第k次迭代第t时刻各路段内的车辆数；y_k(t)为输出向量表示为第k次迭代第t时刻路网内总的车辆数；u_k(t)为控制向量表示为第k次迭代第t时刻所有相位的绿灯时长；A和C分别为系统的状态矩阵和输出矩阵，B为输入矩阵分别由路网的特性决定；

1.2)在步骤1.1)中的交通流模型中引入相邻两时刻的路网交叉口绿灯时长增量δu_k(t)＝u_k(t)-u_k(t-1)，从而得到交通流系统的增量模型，形式如下：

其中：

设置N为预测范围，并定义以下向量：

δu_k＝[δu(0)^丅,δu(1)^丅,…,δu^丅(N-1)]^丅，结合上式所述，可得优化后的交通流的增量模型为式中：