[发明专利]一种基于数据驱动的交通路网分布式区域控制方法

权利要求书

1.一种基于数据驱动的交通路网分布式区域控制方法，其特征在于，包括：

S1、交通数据滤波：对交通数据进行预处理，处理包括数据丢包、异常数据的问题；

S2、交通路网车道饱和度建模：车道饱和度是指在一个相位周期内，绿灯时间的使用效率；具体是指在车道探测器处，被车流有效利用的绿灯时间与总的绿灯时间之比；车道饱和度的计算公式为：

其中DS指车道饱和度，T_G指绿灯时间，T₀指有效绿灯时间，T是指探测器上无车辆通过的绿灯时间，t是指车流正常行驶时前后两辆车间的空当时间，h是指一个相位车道通过路口的车辆数；

车道饱和度建模步骤包括：

S2-1模型输入参数选择；

S2-2车道饱和度预测建模；

S2-3模型参数寻优；

S3、信号灯配时分布式区域控制：根据预测模型进行滚动优化，求解滚动优化问题过程中，设定一系列未来的控制信号U(k)，在给定约束下，求得最优解决方案U*(k)，并将其作为控制对象的输入；进一步利用纳什优化方法解决多个子系统的关联问题，获得最优信号周期时长

在进行滚动优化时，需要先设定控制时域为N_c和预测时域为N_p；整个系统的调控时间间隔为T_c＝nT₀，T₀为仿真对应最小时间单位，在时刻kT_c，将来N_cT_c时间内的信号控制时刻集合表示为{kT_c,(k+1)T_c,...,(k+N_c-1)T_c}；

交通系统的每个子系统中，控制对象为交通信号灯，控制输入为各路口交通信号周期时间；假设交通系统划分为m个子系统，对于第n个子系统，控制输入表示为：

第n个子系统中U_n(k+i|k)表示在控制时间步k步时设置的控制时间步k+i步的控制输入；由于预测时域可能大于控制时域，对于i≥N_c时刻，U_n(k+i|k)表示为：

U_n(k+i|k)＝U_n(k+N_c-1|k),N_c≤i≤N_p (7)

第n个子系统的车道饱和度预测模型表示为数学式：

S_n(k+1|k)＝f(S_n(k|k),U_n(k|k),F_n(k|k),S_q(k|k),U_q(k|k),F_q(k|k)) (8)

模型的输出为控制时间步k+1第n个子系统车道饱和度S_n(k+1|k)；S_n(k|k)，F_n(k|k)，U_n(k|k)分别表示在第n个交通子系统在k控制时间步的折合车流量、车道饱和度和控制输入信号周期时间；S_q(k|k)，F_q(k|k)，U_q(k|k)分别表示在第q个交通子系统在k控制时间步的折合车流量、车道饱和度和控制输入信号周期时间，q＝1,…,n-1,n,n+1,…,m；

预测时域内的车道饱和度预测模型为：

其中，S_n(k+j|k)，F_n(k+j|k)，U_n(k+j|k)分别表示第n个交通子系统在控制时间步k+j的折合车流量、车道饱和度和控制输入信号周期时间，模型的输出为控制时间步k+j+1的交通系统车道饱和度S_n(k+j+1|k)；S_q(k+j|k)，F_q(k+j|k)，U_q(k+j|k)分别表示第q个交通子系统在控制时间步k+j的折合车流量、车道饱和度和控制输入信号周期时间；在控制时间步k，S_n(k+j|k)，F_n(k+j|k)通过预测模型得到；

第n个子系统的优化策略数学式表示为：

其中，_α为权重系数，N_p表示预测时域，N_r表示控制的交通路网中干线的数目；由于干线有两个方向，这里用d表示一条干线的两个方向；N_l表示一条干线中路口的数目，表示i干线d方向上第l个路口与下一个路口间各车道饱和度平均值；U_max和U_min分别表示控制输入U(k)的上限和下限。