基于时间模型的信号最优控制.docxVIP

基于时间模型的信号最优控制 1 研究创新点:单一路口交通立法因 随着监测、通信和控制技术的进步，人们越来越重视交通交叉口信号的真实控制。高效信号控制策略对减少拥堵和提高交通效率发挥着重要作用。以往的研究基于宏观交通流理论，在多个交叉口的中央控制问题上建立了优化模型，而对实时交通流信息通常并充分利用。随着计算机和计算机的发展和普及，对单口分散控制问题得到了充分发展。它的优点是，从预测系统或系统中获得的实时交通流信息可以充分利用，对单口绿灯的自适应调整和优化进行优化。 本文针对这种单一路口的实时交通信号灯控制问题展开研究.这一研究的难点包括两个方面,即交通系统的复杂动态特性带来的建模困难以及实时控制对算法计算效率的严格要求.文献针对这一问题建立了基于状态空间的最优控制模型,将交通路口车辆等待时间作为优化的目标函数,并提出了一种启发式算法.但是正如文献所指出的,这一研究的局限性在于其模型的非线性导致最优解无法在允许的时间范围内得到. 在文献的基础上,本文对这一问题进行了深入研究,主要创新点包含以下3个方面:1)本文把文献中的非线性模型进行了线性化处理,得到了线性混合整数规划模型,从而解决了原有非线性模型无法求解的困难.2)本文提出了一种等价的多阶段决策模型,不同于已有研究,这一模型充分利用了信号灯控制问题中最短绿灯和红灯时间的结构特征,通过合理地选择系统状态变量和控制变量,压缩了模型规模.3)针对这一多阶段决策模型,本文进而提出了前向动态规划算法,可以高效求解这一交通信号灯控制问题,得到最优解.数值实验显示,对比于固定时长的周期性控制,本文的优化结果可以节省路口车辆的等待时间;对比于线性化处理后的混合整数规划模型,本文提出的多阶段决策模型及其前向动态规划算法可以提高求解效率,从而满足实时控制的要求. 2 股交通流的最短和最持续时间模型 本文的系统参数如下: M:路口交通流总股数,它是指:交叉路口处的车流按照其通过路口时行驶方向的不同可分为不同的流,这些流的总数目被称为该路口的交通流总股数例如,典型十字路口,在不考虑右转的情况下有8股交通流. N:决策时间窗口的总长度,例如选择4 min的总时间窗,单位时间长度取0.5 s,则=480. :第m股交通流在时间段n内到达的车辆数目,这一值可以基于上游路口的信息采集系统预测得到,具体的预测方法参见文献,本文假设这一预测值已知. :第m股交通流在单位时间内可放行的最大车辆数. :如果对应于两股交通流i和j的信号灯不能同时为绿灯,则;否则 :绿灯的最短和最长持续时间. :红灯的最短和最长持续时间. 本部分的决策变量如下: :第m股交通流在时间段n结束时刻的队长; :第m股交通流在时间段n结束时刻的累计等待时间; :1/0决策变量,表示第m股交通流在时间段n的控制信号,分别指示开绿/红信号灯. 2.1 md交通流在单位时间内的动态方程 作为本文研究的出发点,这里首先回顾文献中以最小化等待时间为目标的非线性模型. 模型1非线性混合整数规划模型. 目标函数为 其中:M为路口交通流总股数;为第m股交通流在时间段n结束时刻的累计等待时间.式(1)表示最小化时间窗口N内的总等待时间. 约束条件为: 1)队长的动态方程:,各股交通流的队长满足如下动态关系: 其中:为第m股交通流在时间段n结束时刻的队长,记为m股交通流在时间段n内到达的车辆数目;Dm第m股交通流在单位时间内的最大放行车辆数;决策变量分别表示第m股交通流在时间段n的控制信号为绿/红灯. 2)累积等待时间的动态方程:,各股交通流的车辆累积等待时间满足如下动态关系: 这里采用文献中相同的假设,认为单位时间片段内车辆是均匀到达的,并且记 3)流冲突约束:,有冲突的两股交通流所对应的信号灯不能同时为绿灯. 其中:),5)=1表示第i和第j股交通流有冲突,即这两股交通流所对应的信号灯状态不能同时为绿灯;否则 4)安全约束:,一旦开启绿灯/红灯,则相应信号灯的最短和最长持续时间需要满足如下交通安全约束: 其中:中:和ˉ分别为所要求的绿灯最短和最长持续时间;分别为所要求的红灯最短和最长持续时间. 注1 正如文献中指出的,该模型中的非线性约束(2),(4)～(8),导致其无法直接求解. 2.2 非线性混合个数规划模型 为解决模型1不可解的问题,可将原有模型1中的非线性约束(2),(4)～(8)进行线性化处理,并且保证不改变约束的本质,即线性化处理前后的约束条件均等价.具体线性化方法如下: 1)式(2)中的队长动态方程等价为 同时将加入最小化的目标函数,并令Φ0以保证其等价性.在本文第5节的数值实验中,取Φ=106. 2)式(4)中的流冲突约束可以等价为 其等价性在于,如果m和m′这两股交通流相冲突,即,则表示这两股交通流对应的信号灯不能同时为绿灯. 3)式