[发明专利]基于迭代学习模型预测控制的交通信号灯调度方法与系统

说明书

本发明公开了一种基于迭代学习模型预测控制的交通信号灯调度方法与系统，涉及智慧交通领域，所述方法包括以下步骤：步骤1、建立目标区域的交通流仿真模型；步骤2、根据控制策略获得一个固定时间区间的闭环数据；步骤3、将所述闭环数据作为后续的开环预测优化问题的终端条件进行预测控制。本发明首先从传统固定时间的交通信号灯调度策略开始，由迭代生成数据再去迭代，并使用之前的闭环数据获得最优交通流模式，并进一步基于一些仿真，证明本发明提出的利用历史迭代的闭环数据集作为当天预测控制优化问题的终端约束的迭代学习模型预测控制策略可以减少道路上车辆的排队时间，使车辆在交通网络中通行更快更畅通。

技术领域

本发明涉及智慧交通领域，尤其涉及一种基于迭代学习模型预测控制的交通信号灯调度方法与系统。

背景技术

城市交通网络的拥堵会带来严重的污染和经济成本，交通灯管制是缓解交通拥堵的有效方法之一。交通灯调度是交通工程中的一个重要课题。对于城市交通网络来说，路段和路口总是遇到交通流量大的问题，给目前的交通管制策略带来麻烦。

目前，大多数信号交叉口都采用预定周期或固定时间区间控制信号灯的方法。该方法是根据以往观测到的交通需求，预先设定配时方案进行控制，这种方案无法对交通需求的随机变化进行及时的响应。而该领域现有的学习型模型预测控制方案，是通过收集所有前次迭代轨迹建立一个“安全性评估数据集”，由于这个集是由点组成的，终端集的凸性得不到保证，而终端成本和终端约束集的设立往往会导致混合整数二次规划(MIQP)问题。

因此，本发明基于存储转发模型(SFM)提出了一种基于迭代学习模型预测控制的交通信号灯调度方法与系统，改进了现有的基于模型的迭代学习预测控制技术中存在的混合整数二次规划(MIQP)问题，从而为解决城市交通的调度难题提供了一种更好的技术方案。

发明内容

本发明通过提供一种基于迭代学习模型预测控制的交通信号灯调度方法与系统，利用迭代学习预测控制(ILMPC)解决了城市交通信号灯控制问题，减少道路上车辆的排队时间，使车辆在交通网络中通行更快更畅通。从交通历史数据的分析中不难发现，在工作日和周末，人们的每天出行模式以及日常交通变化是重复的。一些研究数据也表明，交通规律确实存在于现实世界的交通网络中。本发明基于交通需求的重复性特征，并结合模型预测控制的滚动优化的动态控制特点，解决了城市交通信号灯控制中存在的MIQP问题。

为实现上述目的，本发明提供的一种基于迭代学习模型预测控制的交通信号灯调度方法，包括以下步骤：

步骤1、建立目标区域的交通流仿真模型；

步骤2、根据控制策略获得一个固定时间区间的闭环数据；

步骤3、将所述闭环数据作为后续的开环预测优化问题的终端条件进行预测控制。

进一步地，所述步骤1包括：

步骤1.1、建立绿灯时间约束，在每个交叉路口j，所有相位的绿灯时间必须满足下面约束：

其中，是所述交叉路口j的一组相位集，u_j是所述交叉路口j的所有相位的绿灯时长，l表示迭代学习的次数，L_j表示所述交叉路口j的总损失时间，G表示周期时长，和是相位时长的最小和最大边界；

步骤1.2、设表示一组实数、非负实数、整数和非负整数，表示集合基于车辆守恒定律，路段传输模型，所有路段的交通流动态方程为：