城市快速路分层分布式优化控制方法研究

交通运输系统工程与信息 ›› 2020, Vol. 20 ›› Issue (2): 101-106.

城市快速路分层分布式优化控制方法研究

江竹^{*1a, 1b}，林豪^1a，李树彬²，雷震宇³

1. 西华大学a. 能源与动力工程学院，b. 流体及动力机械教育部重点实验室，成都 610039；2. 山东警察学院交通管理工程系，济南 250014；3. 同济大学铁道与城市轨道交通研究院，上海 201804

收稿日期:2019-12-02 修回日期:2020-01-01 出版日期:2020-04-25 发布日期:2020-04-30
作者简介:江竹(1979-)，女，四川人，副教授，博士.
基金资助:
西华大学汽车工程四川省高校重点实验室开放基金/Open Found of Key Laboratory of Automotive Engineering of Sichuan Province(szjj2017-014)；西华大学研究生创新基金/ Xihua University Graduate Innovation Fund(ycjj2019043)；流体及动力机械教育部重点实验室开放基金/Open Research Subject of Key Laboratory (Research Base)(SZJJ2015-034).

Hierarchical and Distributed Optimal Control Research on Urban Freeway Network

JIANG Zhu^{1a, 1b}, LIN Hao^1a, LI Shu-bin², LEI Zhen-yu³

1a. School of Energy and Power Engineering, 1b. Key Laboratory of Fluid and Power Machinery, Ministry of Education, Xihua University, Chengdu 610039, China; 2. Department Traffic Management Engineering, Shandong Police College, Jinan 250014, China; 3. Institute of Rail Transit, Tongji University, Shanghai 201804, China

Received:2019-12-02 Revised:2020-01-01 Online:2020-04-25 Published:2020-04-30

摘要/Abstract

摘要：

针对城市快速路控制系统对实时道路交通状况不能及时、有效地响应问题，利用时变的交通状态估计与OD矩阵预测信息，基于智能交通控制及分层分布式思想，提出一个新颖的城市快速路匝道控制方法. 采用基于多项式趋势模型的滤波方法对路段总的交通需求进行估计与预测，提前确定道路将来排队长度的上界；对快速路网未来的交通状态进行预测，基于全局最优的思想，提前为路网中各个匝道建立协调约束，为匝道调节率的制定提供依据. 仿真结果表明，分层分布式的快速路控制系统通过协调各个匝道之间的利益，能够有效缓解高峰出行时的拥堵现象，对实现城市快速路网整体性能优化具有现实意义.

关键词: 智能交通, 全局最优, 多项式滤波, 城市快速路, 分层分布式, 多匝道协调

Abstract:

In order to solve the problem that the current urban freeway control system cannot make a timely and effective response to the real-time road traffic situation. Based on information of time-varying traffic state estimation and OD matrix prediction, according to the intelligent transportation and the distributed and hierarchy idea, a novel optimal control strategy on urban freeway is proposed. Firstly, the total traffic demands in a long time was predicted in advance by polynomial trend filtering, and the upper bound of the future queue length was made; Secondly, the future traffic state was predicted and the harmonious restrictions for each ramp were built based on global optimum to make a reference for ramp rate. The simulation results show that the hierarchical and distributed optimal control system can effectively alleviate the congestion by coordinating the interests of each ramp. It has certain practical significance to optimize the overall performance of urban expressway network.

Key words: intelligent transportation, area-wide optimal, polynomial filtering, urban freeway, hierarchical distribution, multi-ramp coordination

中图分类号:

U491

江竹，林豪，李树彬，雷震宇. 城市快速路分层分布式优化控制方法研究[J]. 交通运输系统工程与信息, 2020, 20(2): 101-106.

JIANG Zhu, LIN Hao, LI Shu-bin, LEI Zhen-yu. Hierarchical and Distributed Optimal Control Research on Urban Freeway Network[J]. Journal of Transportation Systems Engineering and Information Technology, 2020, 20(2): 101-106.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract20016.shtml

http://www.tseit.org.cn/CN/Y2020/V20/I2/101

参考文献

[1] 牛忠海, 贾元华, 张亮亮, 等. 一种基于分布式网络多智能体的匝道协同控制方法[J]. 交通运输系统工程与信息, 2015, 15(5): 81-88. [NIU Z H, JIA Y H, ZHANG L L, et al. A ramp cooperative control method based on distribution network of multi-agents[J]. Journal of Transportation on Systems Engineering and Information Technology, 2015, 15(5): 81-88.]

[2] PAPAMICHALL I, KOTSIALOS A, MARRGONIS I. Corrdinated ramp metering for freeway networks: A model-predictive hierarchical control approach[J]. Transportation Research Part C: Emerging Technologies, 2010, 18(3): 311-331.

[3] 李曙红, 李章兵, 刘定. 高速公路网入口流量控制的双层规划模型及算法[J]. 计算机应用, 2007, 27(7): 1783-1785. [LI S H, LI Z B, LIU D. Bi-level programming model and algorithm of freeway inflow control based on networking toll[J]. Computer Applications, 2007, 27(7): 1783-1785.]

[4] 李伟, 陈阳舟, 郭宇奇. 城市快速路网分布式匝道协调控制[J]. 北京工业大学学报, 2017, 43(10): 1535- 1543. [LI W, CHEN Y Z, GUO Y Q. Distributed coordination ramp control for the urban freeway network [J]. Journal of Beijing University of Technology, 2017, 43 (10): 1535-1543.]

[5] 王亮. 城市快速路交通流采集与控制相关问题研究 [D]. 天津: 天津大学, 2005. [WANG L. Study on traffic flow collection and control of urban express ways[D]. Tianjin: Tianjin University, 2005.]

[6] 赵忠杰, 周林英, 王英伟. 基于免疫算法的多匝道 MFAILC控制方法[J]. 系统仿真技术, 2009, 5(1): 40- 44. [ZHAO Z J, ZHOU L Y, WANG Y W. Multi ramp joint control strategy based on MF-AILC and immune algorithm[J]. System Simulation Technology, 2009, 5(1): 40-44.]

[7] MENG Q, KHOO H L. A Pareto-optimization approach for a fair ramp metering[J]. Transportation Research Part C: Emerging Technologies, 2010(18): 489-506.

[8] 涂辉招, 王颖, 谢欣睿. 基于定量分层模型的多匝道协调控制次序[J]. 同济大学学报(自然科学版), 2017, 45 (1): 39- 45. [TU H Z, WANG Y, XIE X R. Control priorities of coordinated on-ramps metering based on quantitative hierarchical model[J]. Journal of Tongji University(Natural Science), 2017, 45(1): 39-45.]

[9] 刘智勇. 智能交通控制理论及其应用[M]. 北京: 科学出版社, 2003. [LIU Z Y. The theory and the application of the intelligence transport control[M]. Beijing: The Science Press, 2003.]

[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]	宋现敏, 张璐雨, 白乔文, 王鑫. 快速路入口匝道与衔接交叉口联动控制优化方法[J]. 交通运输系统工程与信息, 2021, 21(6): 63-73.
[14]	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.
[15]	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.