[发明专利]基于Phillips宏观交通流模型的FPGA在线预测控制方法

摘要

本发明公开了一种基于Phillips宏观交通流模型的FPGA在线预测控制方法，用于解决现有的FPGA预测控制方法实时性差的技术问题。技术方案是通过对模型近似离散化处理，建立并行处理流程，设计动态数据存储方案，用FPGA实现了基于Phillips宏观交通流模型的封闭道路匝口和可变信息牌的预测控制。使得高速公路的交通流密度、行车速度实现了实时有效控制。

主权项

1.一种基于Phillips宏观交通流模型的FPGA在线预测控制方法，其特征在于包括以下步骤：步骤一、根据Phillips模型：∂ρ∂t+∂(ρv)∂x=π[r(x,t),s(x,t)]∂v∂t+v∂v∂x=λ(ρ)[Ve(ρ)-v]-1ρ∂P∂ρ·∂ρ∂xλ(ρ)=3ρ0υ1(ρ0-ρ)/2nρP=ρ∫0∞(u-v)2f(u)du]]>式中，ρ为车辆的平均密度、u为车辆速度、v为车辆平均速度、t为时间，x为与仿真道路起始点的距离，π[r(x，t)，s(x，t)]为由于匝口进入或驶出的车流量引起的密度变化率函数，r(x，t)为由匝口进入的车流量，s(x，t)=s₀(x，t)+s_q(x，t)为由匝口驶出的车流量，S₀(x，t)为由匝口驶出的正常车流量、S_q(x，t)为信息显示牌强制驶出车辆造成的流量增量，V_e(ρ)为等价速度，P=P(ρ，v)，是ρ，v分布的方差之积，类似于气体动力学中的压力，称之为交通压力，ρ₀是车辆的堵塞密度，υ₁是由实验决定的比例常数，n代表车道数，f(u，x，t)表示x地点在t时刻车辆速度为u的概率；用差分格式表示微分项并略去高阶项，得到：∂ρ∂t=ρ(x,t+ξ)-ρ(x,t)ξ+o(ξ)=ρik+1-ρikξ]]>∂ρ∂x=ρ(x+h,t)-ρ(x,t)h+o(h)=ρi+1k-ρikh]]>∂v∂t=v(x,t+ξ)-v(x,t)ξ+o(ξ)=vik+1-vikξ]]>∂v∂x=v(x+h,t)-v(x,t)h+o(h)=vi+1k-vikh]]>式中，ξ为t的微分，h为x的微分，o(ξ)为ξ的高阶无穷小，o(h)为h的高阶无穷小，ρ(x，t)为t时刻x处车辆的平均密度，v(x，t)为t时刻x处车辆的平均速度，把道路分成多个路段，每个路段长度为h，采样周期为ξ，为第i个路段在[kξ，(k+1)ξ]内车辆的平均密度，为第i个路段在[kξ，(k+1)ξ]内车辆的平均速度；得到Phillips模型的差分形式为：ρik+1=ξπ[r(i,k),s(i,k)]-ξh[vik(ρi+1k-ρik)+ρik(vi+1k-vik)]+ρikvik+1=vik+ξ{[3ρ0υ1(ρ0-ρik)][Ve(ρik)-vik]2nρik-1ρikρi+1k-ρikh∫0∞(u-vik)2f(u)du-vik(vi+1k-vik)h}]]>式中，r(i，k)表示第i个路段在[kξ，(k+1)ξ]内由匝口进入的车流量，s(i，k)表示第i个路段在[kξ，(k+1)ξ]内由匝口驶出的车流量；考虑到车辆速度不可能无限大，因此改进Phillips模型的差分形式为：ρik+1=ξπ[r(i,k),s(i,k)]-ξh[vik(ρi+1k-ρik)+ρik(vi+1k-vik)]+ρikvik+1=vik+ξ{[3ρ0υ1(ρ0-ρik)][Ve(ρik)-vik]2nρik1ρikρi+1k-ρikhΣu=uminumax(u-vik)2f(u)Δu-vik(vi+1k-vik)h}]]>式中，u_min为u的最小值，u_max为u的最大值，Δu=(u_max-u_min)/(N+1)，N为设定的大整数；步骤二、建立等价速度模型为：式中，v₀，E，均为常数，v_ea为可变信息显示牌指定速度；第i路段：式中，v₀，E，均为常数，v_ea(i)为第i个路段可变信息显示牌指定速度；步骤三、结合Phillips模型的差分形式和等价速度模型，在FPGA中设计包含车辆平均密度k和平均速度v的计算模块，根据实际道路的长度和匝口信息把高速公路分成多个路段，每个路段对应一个计算模块，根据初始信息和调控信息，在FPGA中同时并行运行这些计算模块，预测出各个路段下一时间段的车辆平均密度和平均速度，然后把车辆平均密度和平均速度存入寄存器，在所有计算模块完成计算后，输出车辆平均密度和平均速度，同时把这些数据回传给计算模块进行下一步的计算；步骤四、以匝口进入封闭道路流量作为模型输入，可变信息牌作为强制速度和匝口强制输出调节量，对于给定控制输入预测每个路段的平均交通流密度和车辆平均速度，如果每个路段都满足最低速度、最大密度要求，则选择该方案以控制封闭道路匝口及可变信息牌，否则调整控制方案。