[发明专利]一种基于MFD的路网交通信号迭代学习控制方法

说明书

针对我国城市交通量大，城市规模庞大，结构复杂等特点，本发明考虑基于MFD的路网交通信号迭代学习控制的方法。包括步骤一：1.1获取子区MFD的交通数据；1.2子区MFD拟合；1.3基于MFD确定道路理想占有率。步骤二：2.1开闭环迭代学习控制策略；2.2建立状态空间方程；2.3优化各交叉口的信号配时。本发明能使路网的整体结构达到相对均衡，提高子区的流出车辆，从而提高路网通行量，为交通管理者提供了一种有效的城市路网控制手段，提高了城市路网的交通服务水平。

技术领域

本发明涉及城市路网的交通信号控制问题，具体涉及到MFD(交通宏观基本图)以及一种迭代学习控制策略。

背景技术

由于道路资源和基础设施的限制，现代城市交通拥堵仍然是社会的主要问题之一。信号控制作为最主要的交通管控手段，随着交通学者不断深入的研究也得到了极大的发展。

由于城市交通系统是一个不确定的复杂系统，规模庞大，系统模型参数难以确定，N.Geroliminis等通过对日本横滨等交通数据的分析发现城市区域内部的累积车辆数和交通流存在一种特定的关系并在此基础上提出了MFD(宏观基本图)，避免了基于复杂的网络起讫点OD矩阵(Origin-Destination Matrix)进行交通流建模分析方法中的缺陷。通过路网交通数据，采用迭代学习的控制策略对交通路网进行交叉口信号控制，包括两部分内容。第一部分通过MFD对路网子区进行拟合并获得的最佳累积车辆，可以作为迭代学习信号中的理想控制目标，第二部分采用迭代学习控制的方法，通过一种交通流模型对大规模城市路网进行建模，对子路网内部信号进行迭代控制。

迭代学习控制作为一种数据驱动的方法，仅利用受控系统的在线和离线I/O数据以及经过数据处理得到的知识来设计控制器，且在交通信号控制方面有着广泛的应用，如匝道控制，城市路网控制等。因此采用迭代学习控制结合提出的基于MFD的理想道路车辆数，将交通信号的绿信比作为迭代学习控制的输入，选取合适的学习律，调整交通信号的绿灯时间，使路网内的车辆达到理想的设定目标，使路网的整体结构达到相对均衡，使路网处于MFD特性中的最佳运行状态，提高子区的流出车辆，从而提高路网通行量。

发明内容

本发明要克服城市规模大，结构复杂，难以用传统的方式进行建模等不足，提出一种基于分层控制结构的迭代学习信号控制，均衡路网内的车辆，使路网处于宏观基本图的最佳运行状态，从而提高路网的流出车辆，提高路网的通行能力。

本发明是一种基于MFD的迭代学习城市信号控制的方法，包括如下步骤：

1)基于MFD获取道路理想占有率：

1.1获取子区MFD的交通数据：将一个规模较大的城市路网进行划分，得到若干个子区R_i，其中i∈{1,2,3...}，子区划分的算法采用Ncuts算法进行划分，将大规模的城市路网分解为多个“同质”的子区，得到各个子区的交通数据。

1.2子区MFD拟合：通过各子区的交通数据，不同时刻的累积车辆数和子区的输出流量的MFD特性，采用3阶多项式进行拟合，对于任意子区R_i拟合形式如下：

其中，n_i为子区R_i的累积车辆数，a₁～a₄为拟合系数。

采用最小二乘法确定经验公式中的拟合系数：

其中，y_i为子区R_i的实际输出流量，G(n_i)为子区R_i流量的近似拟合曲线，根据上式最小化数据偏差从而得到MFD的拟合结果，根据拟合结果求得拟合曲线的极值点