[发明专利]一种动态平衡城市多子区交通负荷的迭代学习边界控制方法

说明书

本发明涉及城市交通信号控制领域，尤其涉及一种动态平衡城市多子区交通负荷的迭代学习边界控制方法。包括以下步骤，S100：选取待研究的城市路网区域，采集路网数据并进行分析；S200：在选定城市路网内部划分交通子区，根据搜集到的路网数据建立每个控制子区的宏观基本图；S300：分析车流量出入子区边界情况，建立子区交通流模型；S400：对各个子区实行边界控制，根据城市交通流重复性特性构建迭代学习控制模型，得到迭代控制方案并设置信号配时策略。本发明综合考虑多个子区之间的车辆流入流出情况以及子区与路网边界间的车流量，提高迭代学习控制效率，提高系统鲁棒性，使得边界控制表现出实时性及最优性特点。

技术领域

本发明涉及城市交通信号控制领域，尤其涉及一种动态平衡城市多子区交通负荷的迭代学习边界控制方法。

背景技术

随着城镇居民收入不断上涨，家庭汽车保有量也不断提高，由此导致城市拥堵问题愈发严重，也更容易发生交通事故，出现交通安全隐患，为了缓解城市道路交通压力，减少逐年增长的出行困难情况，交通信号控制成为了许多学者研究的方向。早期由于交通流量不足，道路拥堵问题往往发生于城市核心区域某几个交叉口，很少会向其他区域扩散，但现如今交通拥堵已经演变为大范围，多路口的复杂区域性问题。路网宏观基本图（MFD）是路网的基本属性，能够从宏观层面分析路网区域的交通情况，判断路网的饱和车流量，帮助研究人员更好地解决拥堵问题。

交通控制子区能够帮助交通管理部门对大范围路网进行调控时，将路网划分为一个个具有相似特性的小区域，通过调节各个区域的交通信号来以点代面解决拥堵问题。当前基于MFD对子区边界控制的研究十分丰富，早期基于单一子区进行边界控制时主要是在受控区域的边界交叉口限制流入子区内部车流量，现在针对多子区的边界控制能够将交通流均分分布于子区之中，减少路段过饱和情况。由于路网交通流具有重复性特性，迭代学习控制能够利用历史交通流数据来构建新的控制输入变量，在有限时间内完全跟踪期望轨迹，改善控制质量。

现有的关于城市路网多子区边界控制问题仍然存在许多不足，子区划分不合理将影响子区宏观基本图的绘制，导致各子区饱和车流量错误，影响边界调控；此外，多数研究往往考虑的是子区与子区之间的车辆流入流出情况而忽视了各子区与边界间的交通流，在子区内部均匀分布交通流可能会导致边界交叉口车辆排队情况加剧，出现交通溢流现象，从而导致车辆分布不均匀拥堵扩散的情况。

发明内容

本发明为了解决上述问题，提供一种动态平衡城市多子区交通负荷的迭代学习边界控制方法。

本发明采取以下技术方案：一种动态平衡城市多子区交通负荷的迭代学习边界控制方法，包括以下步骤，

S100：选取待研究的城市路网区域，采集路网数据并进行分析；

S200：在选定城市路网内部划分交通子区，根据搜集到的路网数据建立每个控制子区的宏观基本图；

S300：分析车流量出入子区边界情况，建立子区交通流模型；

S400：对各个子区实行边界控制，根据城市交通流重复性特性构建迭代学习控制模型，得到迭代控制方案并设置信号配时策略。

S100的具体步骤包括，

S101：获取待研究城市交通路网的道路拓扑结构，在各个信号交叉口的进口道和出口道位置设置数据采集器；

S102：通过设置的数据采集器和百度地图获取路网内部各个交叉口的实际交通流数据、路段长度及车道数，红路灯情况，人行横道及停车场等情况，分析得到路网的交通流特性、路径流量、平均行程时间、车道分支情况以及转向比例。

S200中划分交通子区的具体步骤包括，

S201：对路网内相邻交叉口之间的路径关联度进行计算：