[发明专利]一种同时面向通行效率改善与交通安全提升的多目标可变限速控制方法

摘要

一种同时面向通行效率改善与交通安全提升的多目标可变限速控制方法。在快速道路瓶颈路段及其上下游设置可变限速指示牌和交通流检测器，通过多目标可变限速控制策略消除瓶颈位置通行能力下降现象，采用关键可变限速指示牌消除交通拥堵及通行能力下降现象，采用从属可变限速指示牌缓解交通流速度波动，通过限速值变化幅度控制可变限速值时空上的大幅波动，基于多目标遗传算法挖掘具有最优控制效果的核心控制参数取值。本发明弥补了之前可变限速控制往往针对单一控制目标展开的不足，同时改善通行效率和提高交通安全，实现多目标可变限速效益的最大化。

主权项

一种同时面向通行效率改善与交通安全提升的多目标可变限速控制方法，其特征是包括步骤：1)在瓶颈位置上游临近位置处设置关键可变限速指示牌，瓶颈上游路段设置从属可变限速指示牌，配套设置交通流检测器，以30秒为周期通过交通流检测器实时获取可变限速控制路段各位置处交通流数据，包括占有率、交通流量和平均交通流速度。以可变限速控制周期T发布可变限速值；2)基于瓶颈路段的历史交通流数据，分别计算瓶颈位置上下游相邻交通流检测器的斜累计流量，分别绘制斜累计流量‑时间关系图、速度‑时间关系图和占有率‑时间关系图，斜累计流量曲线拐点前后交通流量之差为通行能力下降幅度的标定值，拐点时刻对应的占有率值为通行能力下降现象发生时对应的占有率阈值的标定值；3)当前时刻为可变限速控制周期整倍数时，采用如下式的比例‑积分控制器计算关键可变限速值：VSL_C(k)＝VSL_C(k‑1)+(K_P+K_I)e_o(k)‑K_Pe_o(k‑1)其中，VSL_C(k)为k时刻关键可变限速值，K_P和K_I为控制参数，为瓶颈位置占有率控制误差，为关键占有率，o(k)为k时刻瓶颈位置实测占有率；4)当前时刻为可变限速控制周期整倍数时，采用如下式计算从属可变限速值：$V_{SL}(x_i,k+1)=\left\{\begin{array}{c}{V}_{SL}\left(default\right)-{\mathrm{\ΔV}}_{SL}(x_i,k),if{R}_i\left(k\right)\>R_{TH}\\ min\{V_{SL}\left(default\right),V_{SL}(x_i,k)+{\mathrm{\ΔV}}_{SL}(x_i,k)\},else\end{array}\right.$其中，V_SL(x_i,k)为x_i位置可变限速标志k时刻的限速值，V_SL(default)为路段默认限速值，ΔV_SL(x_i,k)为限速值变化幅度，Ri(k)为k时刻路段i内事故风险，R_TH为启动可变限速的事故风险阈值；5)依据变化步长逐步调整可变限速值至步骤3)和步骤4)中计算得到的目标限速值，计算公式如下：${\mathrm{\ΔV}}_{SL}(x_i,k)=\left\{\begin{array}{cc}-\mathrm{\Δ}V,& if{T}_{VSL}(x_i,k+1)\<V_{SL}(x_i,k)-\mathrm{\Δ}V\\ \mathrm{\Δ}V,& if{T}_{VSL}(x_i,k+1)\>V_{SL}(x_i,k)-\mathrm{\Δ}V\\ 0,& if{V}_{SL}(x_i,k)-\mathrm{\Δ}V\<T_{VSL}(x_i,k+1)\<V_{SL}(x_i,k)+\mathrm{\Δ}V\end{array}\right.$其中，ΔV为限速值变化幅度，T_VSL(x_i,k+1)为目标限速值；6)当相邻路段限速值差大于最大允许值ΔV'时，则对限速值进行调节，计算公式如下：ΔV_SL(x_i,k)＝‑ΔV',if T_VSL(x_i,k+1)>T_VSL(x_i‑1,k+1)+ΔV'7)确定控制方法的7个核心控制参数的取值范围和变化步长，所述遗传算法有两个适应度函数，第一个适应度函数为：$F_1=min\left(\frac{R_{VSL}-R_{Non}}{R_{Non}}\right)$$R=\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{N}{\Σ}}{P}_{i,k}$其中，R_VSL为可变限速控制下总事故风险，R_Non为无控制下总事故风险，P_i,k为路段i时刻k的事故概率，K为仿真时长，N为路段个数。第二个适应度函数为：$F_2=min\left(\frac{T_{VSL}-T_{Non}}{T_{Non}}\right)$$T=\underset{k=1}{\overset{K}{\Σ}}\underset{i=1}{\overset{N}{\Σ}}{n}_{i,k}g\mathrm{\Δ}t$其中，T_VSL为可变限速控制下总通行时间，T_Non为无控制下总通行时间，n_i,k为路段i时刻k的车辆个数；8)采用多目标遗传算法(即NSGA‑Ⅱ算法)对步骤3)到步骤6)中多目标可变限速控制方法的7个核心控制参数进行标定，具体为确定多目标遗传算法中的种群个数以及最大进化代数，随机选择可变限速控制因子，产生初始个体以及初始种群；对可变限速控制下交通流进行计算，根据适应度函数计算当前进化代中每个个体策略的适应度值，采用多目标遗传算法NSGA‑II评价每个个体的总体表现，对当代种群中帕累托解集中个体信息进行更新。之后，选择父代个体进行交叉和变异操作，对个体执行精英政策选择，从而产生具有更高适应度的新一代种群。该迭代过程不断进行，直到满足迭代停止条件后，多目标遗传算法终止，对帕累托解集以及个体中控制因子信息进行输出；9)决策者依据步骤8)中得到的多目标优化的帕累托解集，确定7个核心控制参数的优化取值带入步骤3)到步骤6)中作为控制参数的推荐取值，然后依据步骤1)到步骤6)的控制方法对快速道路瓶颈路段进行多目标可变限速控制。