[发明专利]一种城市快速路入口匝道控制方法

说明书

技术领域

本发明涉及城市交通控制技术领域，特别是涉及一种城市快速路入口匝道控制方法。

背景技术

随着城市快速路汽车保有量的增长，车流状态不确定性增加，导致城市快速路主线车辆拥堵问题日益严重。研究发现，交通感应式匝道调节控制是缓解城市快速路主线拥堵的有效办法。交通感应式匝道调节控制利用安装在快速路网络和匝道的传感器测量的实时数据，调节控制快速路入口匝道车流量。按控制范围可分为局部匝道调节控制和匝道协调感应控制。局部匝道调节控制利用单个匝道附近的测量值调整快速路入口匝道车流量，包括前馈控制方法，如需求容量策略及其变化，带有迭代学习前馈的快速路无模型自适应入口匝道控制；反馈控制方法，如ALINEA策略及其变化、神经网络和模糊逻辑。匝道协调感应式控制利用实时数据综合控制所需调节的上游若干匝道，对缓解主线交通拥挤与减轻入口匝道排队压力更加有效。协调控制方法包括多变量控制、最优控制、模糊控制、状态调节器控制、自适应控制和启发式控制。

多变量控制使交通状态维持在设定值附近，含有反馈机制，可减少误差并抵抗干扰，但拥挤时控制效果并不理想。最优控制根据实时数据，辨识交通状态，优化匝道调节量，使主线交通状态处于期望状态，由于算法和编程相对复杂，难以建立拥挤下的控制方案，未能得到广泛应用；模糊控制无需精确的数学模型，能克服原始数据额误差问题，但对于多个匝道的协调控制，模糊规则呈指数增加，在实际中应用困难；状态调节器控制具有反馈控制机制，但若发生交通拥挤等扰动时，系统状态将偏离设定值，控制稳定性降低。

启发式控制在美国的匝道控制中应用广泛。该方法无需明确的控制目标，基于实测数据和经验，采用局部与协调结合的方法生成匝道调节量，技术复杂性低，应用广泛，其主要代表算法为Zone算法、Helper算法、Bottleneck算法、Swarm算法、Hero算法、Linked-control算法。其中，Helper算法无需准确的OD信息和交通流模型，但由于优化目标缺乏，导致优化控制实现困难，并且由于缺乏预测机制，会导致时滞引起的控制误差；Swarm算法依据预测交通参数识别交通瓶颈，期望在萌芽阶段消除交通拥挤；但是该方法需要准确的预测模型和精确的OD数据，才能实现调节率的合理选择；Zone算法具有实时性与灵活性，但由于缺乏明确的控制目标，并且对交通突变考虑不足，难以应对交通拥挤；Bottleneck算法控制方法具有实时性、灵活性和逻辑简单等特点，但该方法协调控制时需要调节的入口匝道数量和位置不确定。

发明内容

针对现有技术存在的不足之处，本发明的目的在于提供一种城市快速路入口匝道控制方法，以缓解城市快速路车流状态不确定导致的城市快速路主线辆堵塞问题。首先，通过ESN预测车流状态不确定下的入口匝道下游动态临界占有率；然后，设计了一种用于划分主、从匝道的函数，以此动态确定需要协调匝道的个数，扩大协调控制范围；其中，考虑到该函数是随时间动态变化的，并且道路通行事故、天气等也会对此函数值造成影响，因此本发明在设计此函数时，使用BP神经网络进行训练以提高其精确性。

本发明的目的通过下述技术方案实现：

一种城市快速路入口匝道控制方法，当E_L小于激活阈值E_NOS或E_NHS时，采用局部控制；当E_L大于激活阈值E_NOS或E_NHS时，采用协调控制；

其中，E_L为根据入口匝道占有率和入口匝道排队长度划分主、从匝道的函数，用于在城市快速路出现瓶颈时，确定需要协调控制匝道的位置和数量，其表达式为：

其中：E_N为匝道j的相对排队长度，E_O为入口匝道j下游的占有率与临界占有率的比值，A(k-1)为修正参数，其值主要受上一周期匝道滞留车辆的影响，为E_N、E_O和A(k-1)三者的数值之和；为匝道j+u当前排队长度之和与最大排队长度之和的比值；

设E_NOS为激活阈值，E_NHS为激活阈值，当时，匝道j其上游相邻匝道为从匝道，匝道i为主匝道；当时，匝道j+u其上游相邻匝道为从匝道，匝道j+u为主匝道；其中，引入修正参数A(k-1)，扩大激活阈值范围，从而增加匝道控制子区的范围；匝道j,j+u等满足式(1)构成主匝道，设匝道j,j+u它们之间匝道未满足式(1)，它们之间为从匝道，主匝道及其相邻上游从匝道构成一个协调匝道组；