[发明专利]一种考虑扰动的城市交通区域迭代学习边界控制方法有效
申请号: | 202110617143.7 | 申请日: | 2021-06-03 |
公开(公告)号: | CN113538897B | 公开(公告)日: | 2022-11-01 |
发明(设计)人: | 闫飞;王昆;田建艳 | 申请(专利权)人: | 太原理工大学 |
主分类号: | G08G1/01 | 分类号: | G08G1/01;G08G1/08;G08G1/081;G08G1/085 |
代理公司: | 太原晋科知识产权代理事务所(特殊普通合伙) 14110 | 代理人: | 王军 |
地址: | 030024 *** | 国省代码: | 山西;14 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 考虑 扰动 城市交通 区域 学习 边界 控制 方法 | ||
1.一种考虑扰动的城市交通区域迭代学习边界控制方法,其特征在于,包括步骤:
1)、选定待研究路网,划分为若干个同质区域;
2)、根据路网内检测器收集的车辆数据,绘制步骤1)划分后路网子区的宏观基本图;
3)、构建考虑扰动后的车辆平衡方程;
构建考虑扰动后的车辆平衡方程的步骤包括:
3.1)、设一个城市路网,根据车流密度或其他相关性参数划分为若干个具有良好定义的宏观基本图子区,各子区之间交通流的流入流出相对稳定,子区1是处于过饱和状态或极易发生交通拥堵的区域,子区2为其外围区域,则车辆动态平衡方程表示为:
其中,xij(t)为t时刻子区i中以子区j为目的地的累计车辆数;q11(t)为t时刻子区1的内部交通需求;qij(t)为t时刻子区i到子区j的交通流率;uij(t)为t时刻子区i到子区j的边界控制率;x1(t)为t时刻子区1的累计车辆数;G1(x1(t))为子区1内累计车辆数到达x1(t)时的旅行车辆完成量;
3.2)、设置控制区域边界和边界控制闸门,考虑实际城市交通系统运行中易对累计车辆数造成影响的三种扰动形式:(a)车辆进出停车场,(b)行人乱穿马路,(c)突发交通事故;
3.3)、采用边界控制方法计算过程中,在当前控制周期T内,每个信号周期的相位绿灯时长保持不变,直到下一控制周期时,再根据上一控制周期计算得到的绿灯时长进行调整,将加入扰动后的车辆平衡方程的离散化得:
其中,T为采样周期,qξij(k)为影响车辆行驶状态或路网累计车辆数的扰动;η(k)为子区内数据采集设备输出产生的误差;
4)、判断路网运行状态,若为拥堵状态,则实施边界控制;否则继续监测路网运行状态;
5)、对不同程度扰动作用下的路网实施边界控制,利用城市交通流的重复特性,引入迭代控制方案,根据迭代学习控制得到的绿灯时长增量与非对称信号配时策略结合设置边界交叉口各相位绿灯时长,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;
在对不同程度扰动作用下的路网实施边界控制,利用城市交通流的重复特性,引入迭代控制方案,根据迭代学习控制得到的绿灯时长增量与非对称信号配时策略结合设置边界交叉口各相位绿灯时长,使得路网内实际车辆数与期望车辆数的误差值逐渐减小,直到达到理想状态的步骤中,包括步骤:
5.1)、为了满足行人过街时间,信号周期因素的影响,交通信号各相位绿灯时长必须设置在一个合理的范围内,即迭代学习控制后的控制输入能够满足实际交通情况:
un(k)∈[umin(k),umax(k)]
5.2)、为了减少扰动对控制系统性能的影响,增强系统的鲁棒性,迭代控制方案采取开闭环PD型迭代,迭代学习控制律如下:
un+1(k)=sat[un(k)]+β1(en(k+1)-en(k))+β2en+1(k)
其中,un(k)为控制输入,sat[un(t)]为控制输入的饱和函数;β1为迭代学习增益,β2为反馈控制增益;
5.3)、在路网未进入拥堵状态时,期望曲线设置为固定配时的累计车辆数;当路网累计车辆数超过临界累计车辆数时,期望曲线都设置为临界累计车辆数;
5.4)、第一次迭代采用原有固定配时方案,从第二次迭代开始与上一次采集的累计车辆数做误差,计算当前时刻的控制输入,根据迭代学习控制得到的绿灯时长增量与非对称信号配时策略结合设置边界交叉口各相位绿灯时长,即gk+1(t)=gk(t)+Δu;
5.5)、在当前控制周期内,每个信号周期的相位绿信比保持不变,到下一控制周期时,根据下一控制周期计算得到的绿信比进行调整。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于太原理工大学,未经太原理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110617143.7/1.html,转载请声明来源钻瓜专利网。