基于宏观基本图的路网多子区状态一致协同控制

交通运输系统工程与信息 ›› 2019, Vol. 19 ›› Issue (3): 81-87.

• 智能交通系统与信息技术 • 上一篇下一篇

基于宏观基本图的路网多子区状态一致协同控制

王力^*，李敏，何忠贺，张玲玉，李正熙

北方工业大学城市道路交通智能控制技术北京重点实验室，北京 100144

收稿日期:2018-11-28 修回日期:2019-02-01 出版日期:2019-06-25 发布日期:2019-06-25
作者简介:王力(1978-)，男，安徽合肥人，教授.
基金资助:
国家重点研发计划/ National Key R & D Plan (2017YFC0821102)；北京市科技新星计划交叉学科合作课题/ The Science and Technology Nova Plan Interdisciplinary Cooperation Project of Beijing City (XXJC201709)；北方工业大学“科技创新工程计划”/ The Science and Technology Innovation Project of North China University of Technology (XN138).

Multi-region State Consistent Collaborative Control Based on MFD in Traffic Network

WANG Li, LI Min, HE Zhong-he, ZHANG Ling-yu, LI Zheng-xi

Intelligent Transportation Key Laboratory, North China University of Technology, Beijing 100144, China

Received:2018-11-28 Revised:2019-02-01 Online:2019-06-25 Published:2019-06-25

摘要/Abstract

摘要：

针对基于宏观基本图(MFD)的路网多子区协同控制未考虑各子区拥堵状态差异性及均衡性的问题，本文提出以多子区状态可达一致为目标的子区边界状态反馈控制设计方法. 首先，基于路网 MFD模型建立路网多子区协同模型；进一步，基于部分变量稳定性理论，设计多子区状态可达一致的边界状态反馈控制律.在此基础上，考虑子区拥堵状态的差异性，设计了子区间的协同控制策略，快速缓解子区拥堵状态；同时，提出子区边界输入流的分配优化策略.最后，以潍坊市实际路网为背景建立仿真模型.实验结果表明，本文方法可实现子区交通流分布的均衡性，快速缓解子区拥堵状态，较大幅度地提升路网运行效率.

关键词: 智能交通, 路网协同控制, 部分变量稳定性, 边界控制, 一致性

Abstract:

Aiming at the problem of multi-region collaborative control based on MFD in traffic network without considering the difference and equilibrium of congestion conditions in each sub-region, this paper proposes a state feedback control method with achieving a consistent state of multi- regions. Firstly, multi- regions collaborative model is established based on MFD model. Furthermore, based on the partial variable stability, a boundary state feedback control law is designed. On this basis, considering the differences in the congestion status of the subregions, a collaborative control strategy is designed to alleviate the congestion status quickly. At the same time, the allocation optimization strategy of sub- region boundary input flow is proposed. Finally, a simulation model is established based on the actual road network in Weifang city, China. The results show that, the method can achieve the equalization of traffic flow distribution in sub- regions, and alleviate the congestion quickly, and greatly improve the operation efficiency of the road network.

Key words: intelligent transportation, collaborative control, partial stability, boundary control, consistency

中图分类号:

U491

王力，李敏，何忠贺，张玲玉，李正熙. 基于宏观基本图的路网多子区状态一致协同控制[J]. 交通运输系统工程与信息, 2019, 19(3): 81-87.

WANG Li, LI Min, HE Zhong-he, ZHANG Ling-yu, LI Zheng-xi. Multi-region State Consistent Collaborative Control Based on MFD in Traffic Network[J]. Journal of Transportation Systems Engineering and Information Technology, 2019, 19(3): 81-87.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19839.shtml

http://www.tseit.org.cn/CN/Y2019/V19/I3/81

参考文献

[1] PAPAGEORGIOU M. Overview of road traffic control strategies[J]. Proceedings of the IEEE, 2004, 37(19): 29- 40.

[2] GAL- TZUR A, MAHALEL D, PRASHKER N. Signal design for congested networks based on metering[J]. Transportation Research Record, 1993(1398): 111-118.

[3] 张勇, 白玉, 杨晓光. 城市道路交通网络死锁控制策略 [J]. 中国公路学报, 2010, 23(6): 96-102. [ZHANG Y, BAI Y, YANG X G. Strategy of traffic gridlock control for urban road network[J]. China Journal of Highway and Transport, 2010, 23(6): 96-102. ]

[4] KEYVAN- EKBATANI M, KOUVELAS A, PAPAMICHAIL I, et al. Exploiting the fundamental diagram of urban networks for feedback-based gating[J]. Transportation Research Part B, 2012, 46(10): 1393- 1403.

[5] HADDAD J, RAMEZANI M, GEROLIMINIS N. Model predictive perimeter control for urban areas with macroscopic fundamental diagrams[C]// American Control Conference, IEEE, 2012: 5757-5762.

[6] 张逊逊, 许宏科, 闫茂德. 基于 MFD 的城市区域路网多子区协调控制策略[J]. 交通运输系统工程与信息, 2017, 17(1): 98-105. [ZHANG X X, XU H K, YAN M D. Coordinated control strategy for multi-subarea based on MFD in urban zonal road networks[J]. Journal of Transportation Systems Engineering and Information Technology, 2017, 17(1): 98-105.]

[7] VOROTNIKOV V I. Partial stability and control[M]. Springer Berlin, 1998.

[8] 何忠贺, 王力, 张玲玉, 等. 城市交通网络正系统模型与稳态信号控制[J]. 信息与控制, 2016, 45(4): 499- 505. [HE Z H, WANG L, ZHANG L Y, et al. Positive system model of urban traffic networks and steady-state signal control[J]. Information and Control, 2016, 45(4): 499-505.]

[9] JI Y, GEROLIMINIS N. On the spatial partitioning of urban transportation networks[J]. Transportation Research Part B, 2012, 46(10): 1639-1656.

[1]	郭烈, 胥林立, 秦增科, 王旭. 自动驾驶接管影响因素分析与研究进展[J]. 交通运输系统工程与信息, 2022, 22(2): 72-90.
[2]	徐猛, 刘涛, 钟绍鹏, 姜宇. 城市智慧公交研究综述与展望[J]. 交通运输系统工程与信息, 2022, 22(2): 91-108.
[3]	程君, 张立炎, 陈启宏. 一种基于地图辅助的自动驾驶视-惯融合定位方法[J]. 交通运输系统工程与信息, 2022, 22(2): 117-126.
[4]	王国栋, 刘立, 孟宇, 马智萍, 郑淏清, 顾青, 白国星. 一体式车辆避撞轨迹规划与跟踪控制[J]. 交通运输系统工程与信息, 2022, 22(2): 127-136.
[5]	马东方, 陈曦, 吴晓东, 金盛. 基于强化学习的干线信号混合协同优化方法[J]. 交通运输系统工程与信息, 2022, 22(2): 145-153.
[6]	许波桅, 王玲玲, 李军军. 自动化码头多级作业超网络延误传导特性研究[J]. 交通运输系统工程与信息, 2022, 22(2): 280-289.
[7]	田会娟, 刘嘉伟, 翟佳豪, 邓琳琳. 基于多入侵线的视频车速检测方法[J]. 交通运输系统工程与信息, 2022, 22(1): 49-56.
[8]	贾彦峰, 曲大义, 赵梓旭, 王韬, 宋慧. 基于安全势场的网联自主车辆跟驰行为决策及模型[J]. 交通运输系统工程与信息, 2022, 22(1): 85-97.
[9]	刘文, 汪文博. 基于秩最小化矩阵去噪的船舶轨迹重构方法[J]. 交通运输系统工程与信息, 2022, 22(1): 106-114.
[10]	赵建东, 陈溱, 焦彦利, 张凯丽, 韩明敏. 重点营运车辆的异常驾驶行为识别研究[J]. 交通运输系统工程与信息, 2022, 22(1): 282-291.
[11]	徐东伟, 彭航, 商学天, 魏臣臣, 杨艳芳. 基于图自编码-生成对抗网络的路网数据修复[J]. 交通运输系统工程与信息, 2021, 21(6): 33-41.
[12]	游峰, 梁健中, 曹水金, 肖智豪, 吴镇江, 王海玮. 面向多目标跟踪的密集行人群轨迹提取和运动语义感知[J]. 交通运输系统工程与信息, 2021, 21(6): 42-54.
[13]	王福建, 俞佳浩, 赵锦焕, 梅振宇. 基于站点实时关联度的短时公交客流预测方法[J]. 交通运输系统工程与信息, 2021, 21(6): 131-144.
[14]	张毅, 姚丹亚, 李力, 裴华鑫, 晏松, 葛经纬. 智能车路协同系统关键技术与应用[J]. 交通运输系统工程与信息, 2021, 21(5): 40-51.
[15]	龙建成, 郭嘉琪. 动态交通分配问题研究回顾与展望[J]. 交通运输系统工程与信息, 2021, 21(5): 125-138.

基于宏观基本图的路网多子区状态一致协同控制

Multi-region State Consistent Collaborative Control Based on MFD in Traffic Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics