[发明专利]基于Payne宏观交通流模型的FPGA在线预测控制方法

摘要

本发明公开了一种基于Payne宏观交通流模型的FPGA在线预测控制方法，用于解决现有的FPGA预测控制方法实时性差的技术问题。技术方案是通过对模型近似离散化处理，建立并行处理流程，设计动态数据存储方案，用FPGA实现了基于Payne宏观交通流模型的封闭道路匝口和可变信息牌的预测控制。使得高速公路的交通流密度、行车速度实现了实时有效控制。

主权项

1.一种基于Payne宏观交通流模型的FPGA在线预测控制方法，其特征在于包括以下步骤：步骤一、根据Payne模型：∂ρ∂t+∂(ρv)∂x=π[r(x,t),s(x,t)]∂v∂t+v∂v∂x=Ve(ρ)-vT-μρT∂ρ∂x]]>式中，0ρ为车辆的平均密度、v为平均速度、t为时间，x为与仿真道路起始点的距离，π[r(x，t)，s(x，t)]为由于匝口进入或驶出的车流量引起的密度变化率函数，r(x，t)为由匝口进入的车流量，s(x，t)=s₀(x，t)+s_q(x，t)为由匝口驶出的车流量，s₀(x，t)为由匝口驶出的正常车流量、s_q(x，t)为信息显示牌强制驶出车辆造成的流量增量，V_e(ρ)为等价速度，T，μ均为常数；用差分格式表示微分项并略去高阶项，得到：∂ρ∂t=ρ(x,t+ξ)-ρ(x,t)ξ+o(ξ)=ρin+1-ρinξ]]>∂ρ∂x=ρ(x+h,t)-ρ(x,t)h+o(h)=ρi+1n-ρinh]]>∂v∂t=v(x,t+ξ)-v(x,t)ξ+o(ξ)=vin+1-vinξ]]>∂v∂x=v(x+h,t)-v(x,t)h+o(h)=vi+1n-vinh]]>式中，ξ为t的微分，h为x的微分，o(ξ)为ξ的高阶无穷小，o(h)为h的高阶无穷小，ρ(x，t)为t时刻x处车辆的平均密度，v(x，t)为t时刻x处车辆的平均速度，把道路分成多个路段，每个路段长度为h，采样周期为ξ，为第i个路段在[nξ，(n+1)ξ]内车辆的平均密度，为第i个路段在[nξ，(n+1)ξ]车辆的平均速度；得到Payne模型的差分形式为：ρin+1=ξπ[r(i,n),s(i,n)]-ξh[vin(ρi+1n-ρin)+ρin(vi+1n-vin)]+ρinvin+1=vin+ξ[ve(ρin)-vinT-μ(ρi+1n-ρin)ρinTh-vin(vi+1n-vin)h]]]>式中，r(i，n)表示第i个路段在[nξ，(n+1)ξ]由匝口进入的车流量，s(i，n)表示第i个路段在[nξ，(n+1)ξ]由匝口驶出的车流量；步骤二、建立等价速度模型为：式中，v₀，E，均为常数，V_ea为可变信息显示牌指定速度；第i路段：式中，v₀，E，均为常数，v_ea(i)为第i个路段可变信息显示牌指定速度；步骤三、结合Payne模型的差分形式和等价速度模型，在FPGA中设计包含车辆平均密度ρ和平均速度v的计算模块，根据实际道路的长度和匝口信息把高速公路分成多个路段，每个路段对应一个计算模块，根据初始信息和调控信息，在FPGA中同时并行运行这些计算模块，预测出各个路段下一时间段的车辆平均密度和平均速度，然后把车辆平均密度和平均速度存入寄存器，在所有计算模块完成计算后，输出车辆平均密度和平均速度，同时把这些数据回传给计算模块进行下一步的计算；步骤四、以匝口进入封闭道路流量作为模型输入，可变信息牌作为强制速度和匝口强制输出调节量，对于给定控制输入预测每个路段的平均交通流密度和车辆平均速度，如果每个路段都满足最低速度、最大密度要求，则选择该方案以控制封闭道路匝口及可变信息牌，否则调整控制方案。