[发明专利]一种基于模型预测控制的混合交通流协同优化控制方法

权利要求书

1.一种基于模型预测控制的混合交通流协同优化控制方法，其特征在于：该方法是采用基于模型预测控制的双层优化模型进行混合交通流协同决策控制，适用于两条有交叉的单向单行道路且交叉路口前无车辆行驶信号指示下混合交通流中的不同交通场景；所述模型预测控制是指通过建立系统架构，实现实时闭环控制，用以解决实际情况中出现的驾驶行为随机性问题；所述双层优化模型包括上层模型和下层模型，所述上层模型是一个运用动态规划递归求解的车辆排序问题，所述下层模型是一个运用动态矩阵预测算法求解每一单次车辆的轨迹优化问题，所述下层模型中每一单次车辆的轨迹优化结果将作为所述上层模型动态规划递归求解过程中的一个输入；通过所述模型预测控制和所述双层优化模型共同保证系统车辆运行最优；

该方法包括步骤：

S1、确定道路分组优化区段，并进行时域划分；

假定X道路和Y道路为两条有交叉的单向单行道路，且交叉路口前无车辆行驶信号指示，所述道路分组优化区段包括X道路分组优化区段和Y道路分组优化区段；将X道路上车辆到达车流交汇点前的一段道路设置为X道路分组优化区段，将Y道路上车辆到达车流交汇点前的一段道路设置为Y道路分组优化区段；

S2、根据所述道路分组优化区段进行交通流分组，将同一时刻行驶在所述道路分组优化区段上的车辆确定为组内车辆，获取所述组内车辆的实时状态信息；

S3、采用双层优化模型对所述组内车辆的运行轨迹进行预测，并据此做出优化控制决策，且依据所做出的优化控制决策对车辆进行优化控制，使所述组内车辆中最靠近车流交汇点的车辆能够顺利通过车流交汇点，且保证所述组内车辆的运行轨迹最优；

S4、通过重复执行步骤S2和S3，对下一时刻行驶在所述道路分组优化区段上的所述组内车辆的运行轨迹进行优化控制，循环执行，直到全部车辆都驶出所述道路分组优化区段；

所述S3，采用双层优化模型对所述组内车辆的运行轨迹进行预测，并据此做出优化控制决策，且依据所做出的优化控制决策对车辆进行优化控制，使所述组内车辆中最靠近车流交汇点的车辆能够顺利通过车流交汇点，且保证所述组内车辆的运行轨迹最优，具体包括：

S3-1、建立所述上层模型，包括：

S3-1-1、确定所述上层模型的划分阶段、状态变量和决策变量，具体如下：

所述上层模型的划分阶段：在同一时刻，X道路分组优化区段上有n辆车需要依次汇入或通过Y道路分组优化区段上的车辆间存在的m+1个间隔，并将X道路分组优化区段上的每一单次车辆汇入或通过Y道路的行为表示为一个阶段，记X道路分组优化区段上的第k辆车汇入或通过Y道路的行为为第k阶段，其中k＝1,2,3,…,n；

所述上层模型的状态变量：第k阶段可供X道路分组优化区段上的第k至第n辆车汇入或通过Y道路分组优化区段上的车辆间隔数，用s_k表示；

所述上层模型的决策变量：每个阶段所做的决策，表示第k阶段X道路分组优化区段上的第k辆车在可汇入或通过Y道路分组优化区段上的s_k个车辆间隔中选择具体的第x_k个车辆间隔汇入或通过；

S3-1-2、确定所述上层模型的状态转移方程、费用函数和目标函数，具体如下：

所述上层模型的状态转移方程：

设定初始条件为s₀＝m+1；

所述上层模型的状态转移方程表明，当k＝1时，s_k＝s₁表示在第1阶段可供X道路分组优化区段上的第1辆车汇入或通过Y道路分组优化区段上的车辆间隔数为m+1个；当k＝2,3,…,n时，在第k-1阶段时X道路分组优化区段上的第k-1辆车选择了第x_k-1个车辆间隔作为汇入或通过Y道路后状态变量s_k的变化；s₀＝m+1表示在初始状态下可供X道路分组优化区段上的车辆汇入或通过Y道路分组优化区段上的车辆间隔数为m+1个；

所述上层模型的费用函数：

所述上层模型的费用函数D_k(s_k,x_k)表示第k阶段做出决策所需的阶段指标函数，其中表示第k阶段在协同优化控制策略作用下X道路分组优化区段上的第k辆车在汇入或通过可供第k辆车汇入或通过Y道路分组优化区段上的s_k个车辆间隔产生的所有可能费用消耗；是指Y道路分组优化区段上没有直接参与到车辆汇流或车辆合流或车辆通过交叉路口过程的车辆，因前车受车辆汇入或通过的影响，而使得自身车辆出于跟驰安全需要所做出的车辆速度调整造成的费用消耗；

所述上层模型的目标函数：

设定初始条件为f₀(s₀)＝0；

所述上层模型的目标函数f_k(s_k)表示第1阶段至第k阶段的系统车辆的累计费用消耗，f₀(s₀)＝0表示在初始状态下系统成本为0；

S3-2、建立所述下层模型，包括：

S3-2-1、确定微观跟驰模型，用所述微观跟驰模型描述车辆的跟驰状态，并预测车辆轨迹；所述车辆的跟驰状态包括车辆的速度、加速度和位置；

S3-2-2、建立用于判别第k阶段X道路分组优化区段上的第k辆车是否可以顺利汇入或通过Y道路的条件约束模型；

S3-2-3、基于步骤S3-2-1预测的车辆轨迹，由步骤S3-2-2建立的条件约束模型依次判断第k阶段X道路分组优化区段上的第k辆车能否汇入或通过Y道路分组优化区段上可供第k辆车汇入或通过Y道路分组优化区段上的s_k个车辆间隔的每个车辆间隔；

S3-2-4、将参与第k阶段的车辆中可优化控制的车辆确定为目标车辆，对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间下连续轨迹状态约束的最优控制问题，用动态矩阵预测控制算法求解得到关于所述目标车辆的协同优化控制策略；

S3-2-5、计算第k阶段在协同优化控制策略作用下X道路分组优化区段上的第k辆车汇入或通过可供第k辆车汇入或通过Y道路分组优化区段上的s_k个车辆间隔的所有可能费用消耗

S3-3、求解所述双层优化模型：

S3-3-1、求解所述上层模型，确定系统车辆的累计费用消耗在最低时的所述上层模型的每个阶段所做的决策；

S3-3-2、由步骤S3-3-1确定的所述上层模型的每个阶段所做的决策逆推得到所述下层模型X道路分组优化区段上的每个单次车辆汇入或通过Y道路的车辆优化轨迹；

S3-4、由步骤S3-3求解得到所述双层优化模型的以系统最优为目的的混合交通流协同决策，并将其作用于系统车辆，控制系统车辆的运行；

所述S3-2-4，将参与第k阶段的车辆中可优化控制的车辆确定为目标车辆，对所述目标车辆的行驶轨迹进行优化，并将该优化问题归结为离散时间下连续轨迹状态约束的最优控制问题，用动态矩阵预测控制算法求解得到关于所述目标车辆的协同优化控制策略，具体包括：

定义车辆组合K：预测X道路上的车辆k，将经过Y道路上的连续车流的两车辆之间的间隔汇入或通过Y道路，所述Y道路上的连续车流的两车辆分别用和表示，其中车辆表示预测前车，车辆表示预测后车；进一步定义车辆组合K，表示X道路和Y道路上直接参与第k阶段的车辆组合，且K∈{K₁,K₂,K₃}，车辆组合表示参与第k阶段的车辆有车辆车辆k、车辆车辆组合表示参与第k阶段的车辆有车辆k、车辆此时位于Y道路上第x_k个车辆间隔处无前车参与；车辆组合表示参与第k阶段的车辆有车辆车辆k，此时位于Y道路上第x_k个车辆间隔处无后车参加；

定义动态矩阵预测控制模型，如下：

对上述公式(1)～(4)进行描述：

公式(1)是动态矩阵预测控制模型的目标函数，其中表示实际车速和期望速度的差；引入是考虑驾驶员的舒适度，目标是使车辆加速度尽可能柔和；γ₁、γ₂是权重系数；权重系数γ₂越大，则动态矩阵预测控制模型的目标函数侧重于优化被控车辆的舒适度；反之，动态矩阵预测控制模型的目标函数侧重于优化交通流整体的舒适度；

公式(2)、公式(3)和公式(4)是动态矩阵预测控制模型的约束条件；

公式(2)描述控制量约束，其中a_min和a_max分别代表可允许的最大减速度和最大加速度，其值基于受控车辆的舒适性来确定；

公式(3)是车辆速度状态约束，其中表示车辆跟驰速度矩阵函数，该约束可以确保控制过程中跟驰行为的安全性，即防撞约束；其中，表示车辆组合K中的车辆i在t₀时刻的位置矩阵，其包含t₀时刻至时刻对车辆组合K中的车辆i的位置预测；表示车辆组合K中的车辆i在t₀时刻的速度矩阵，其包含t₀时刻至时刻对车辆组合K中的车辆i的速度预测；表示车辆组合K中的车辆i所跟驰的前车在t₀时刻的速度矩阵，其包含t₀时刻至时刻对车辆组合K中的车辆i所跟驰前车的速度预测；表示控制时域，即车辆实际执行决策的时间范围；

公式(4)定义了最终状态约束，即第k阶段X道路上的车辆k在时刻的冲突协同效用函数值只有大于或等于0时才可以在时刻顺利汇入或通过Y道路；

为完成动态矩阵预测控制的迭代过程，对状态转移过程进行定义，如下：

上述公式(5)中，表示车辆组合K中的车辆i在t₀时刻的速度v_i(t₀)和位置l_i(t₀)的集合；

上述公式(6)～(8)是不可优化控制车辆的状态转移方程，其中K_H＝{i|α_i＝0∩i∈K}，且α_i是车辆类型，若车辆是可优化控制车辆则α_i的取值为1，若车辆是不可优化控制车辆则α_i的取值为0；

公式(6)是不可优化控制车辆的位置函数；

公式(7)是不可优化控制车辆的速度函数；

公式(8)是微观跟驰模型的通式，即不可优化控制车辆的加速度是关于该车辆与其跟驰前车之间的间隙的函数；表示车辆i根据微观跟驰模型所预测的在t时刻的车辆安全跟驰加速度，其中l_i(t)表示在t时刻车辆i与其跟驰前车之间的相对距离，v_i(t)表示车辆i在t时刻的速度，表示车辆i所跟驰的前车在t时刻的速度；

C_v＝[1 0]； (11)

C_s＝[0 1]； (12)

上述公式(9)～(12)是可优化控制车辆的状态转移方程，其中K_A＝{i|α_i＝1∩i∈K}，α_i是车辆类型，若车辆是可优化控制车辆则α_i的取值为1，若车辆是不可优化控制车辆则α_i的取值为0；τ表示时间间隔；

公式(9)包含公式(9a)和公式(9b)，其中描述了可优化控制车辆在t时刻的受控速度和位置，由于存在由公式(9a)和公式(9b)所示的递推关系，因此在任意预测时刻的可以由和进行表示；矩阵矩阵为对应的状态转移矩阵；是可优化控制车辆在t时刻的加速度决策，即是最优控制变量；

公式(10)，是可优化控制车辆在每个预测时间点处的加速度决策的列向量集合；

公式(11)，是可优化控制车辆在每个预测时间点处的受控车辆速度的列向量集合，其中是对应的状态转移矩阵，为推导过程中的辅助矩阵；C_v是已知矩阵，即C_v＝[10]；

公式(12)，是可优化控制车辆在每个预测时间点处的受控车辆位置的列向量集合，其中是对应的状态转移矩阵，为推导过程中的辅助矩阵；C_s是已知矩阵，即C_s＝[01]。