CN103927887B

CN103927887B - 结合离散速度模型的阵列式fpga交通状态预测及控制系统

Info

Publication number: CN103927887B
Application number: CN201410100107.3A
Authority: CN
Inventors: 史忠科; 聂冰花
Original assignee: Northwestern Polytechnical University
Current assignee: Northwestern Polytechnical University
Priority date: 2014-03-18
Filing date: 2014-03-18
Publication date: 2016-01-27
Anticipated expiration: 2034-03-18
Also published as: CN103927887A

Abstract

本发明公开了一种结合离散速度模型的阵列式FPGA交通状态预测及控制系统，用于解决现有道路入口匝道控制器实用性差的技术问题。技术方案是根据高速公路在不同时间段内的实际运行状况，及时调整更加符合实际道路信息的道路交通参数；交通状态预测计算核心的硬件实现平台由阵列式FPGA结构完成，其并行处理结构可以快速预测高速公路每个路段的交通状态，迅速响应交通流运行参数的变化，并对控制器所选择的控制方案的控制效果做出迅速的反馈评估；根据预测的道路交通状态选择的控制方案，调控被调控路段入口匝道调节杆的开通闭合以及允许车辆通行的时间，通过阵列式FPGA的多次预测计算得到反馈评估。能够快速适应高速公路交通信息的变化。

Description

结合离散速度模型的阵列式FPGA交通状态预测及控制系统

技术领域

本发明涉及一种阵列式FPGA交通状态预测及控制系统，特别是涉及一种结合离散速度模型的阵列式FPGA交通状态预测及控制系统。

背景技术

高速公路可以吸引、疏导并分离大量的过境交通，实现大流量的、快速的、远距离的交通流动，能减轻城市中心区域的交通压力，缓和城市交通的拥挤矛盾，在大中城市的交通中起到了不可替代的骨架路网作用。然而，随着高速公路交通量的迅速增长，高速公路车流密度越来越大，高峰期间甚至非高峰期间，道路容量都趋于饱和，其“安全、快速、舒适”等优势的发挥日益被交通拥挤以及交通堵塞制约着，由此引发的交通事故、环境污染和资源浪费也成为亟待解决的重要问题：高速公路中车流较为密集的路段，是交通事故的多发地带，而高速公路一旦发生交通事故，其后果往往非常严重，不仅一次事故殃及的车辆多、伤亡率高，且很容易引起二次事故，进而造成更加严重的交通阻塞，带来极大的行车延误；交通拥堵由于延长了车辆排队的等待时间，驾驶员极容易失去耐心，致使发生交通事故的几率又大大增加，而且由此造成的车辆频繁启动、加速、减速、怠速和刹车，极大地降低了车辆的平均速度和高速公路的服务效率，同时，已经得到验证，机动车辆在拥堵情况下不仅所排放的尾气量较大，且尾气容易在拥堵区域内大量堆积，由此造成的环境污染和能源浪费严重背离了可持续发展的理念；此外，高速公路尤其是绕城高速公路，作为城市道路交通系统的子系统之一，往往是嵌入在更大的城市道路网络中，并时时刻刻都与网络上的其他道路相互作用，一旦发生拥堵阻塞，高速公路与城市地面普通道路交汇处的超长排队甚至回溢至城市地面普通道路等现象都给城市地面道路网络系统带来了较大的负面影响。由此，寻找缓和高速公路系统的交通拥挤矛盾，保障高速公路系统的高效运行的研究方案，成为公众日益关注的热点。

入口匝道车流量控制是高速公路用于疏导交通，增加道路通行能力，减少交通延误所常采用的管理控制策略。通过调节驶入高速公路主线的车流量，以保证主线每个路段车流密度分布均匀、整个路网上的交通流量分布合理，达到减少入口匝道车辆对主线交通车流的冲击、降低与主线车辆交汇过程中发生冲突和事故的概率的目的，从而可以充分利用高速公路的通行能力，并防止高速公路重现性阻塞以及二次事故等交通状态恶化的情况，因而控制入口匝道车流量是提高高速公路服务效率、增强车辆驾驶的安全性的最主要的控制手段。

国外对入口匝道车流量控制策略的研究较早，国内对此的研究还处于起步阶段，入口匝道车流量的控制方法按是否响应实时的道路交通运行状态，可分为定时控制和交通感应控制两大类。定时控制，也称为多时段控制，匝道的入口调节量是固定的或者是根据一天内各时段的变化预先设定的，不需要实时的交通信息，通常根据历史交通数据估算得到，是一种静态调节方法，虽然算法简单，控制系统容易实现、成本低，但不能适应交通状况的快速变化，对交通事故、突发事件、施工或者高速公路附近举行重大活动等情况缺乏相应的处理能力，控制效果较差；交通感应控制对交通流运行参数进行实时监测，并利用监测到的实时交通信息控制进入该匝道的车流量。

文献1“公开号是CN102360522A的中国发明专利”公开了一种高速公路优化控制方法。该方法将一段高速公路分成N个区间，每个区间包含一个入口匝道和一个出口匝道，选取时空离散交通流模型表述高速公路区间，各匝道的调节率通过设定以总的服务流量最大及入口匝道车辆平均等待时间最小的高速公路多匝道联合控制优化目标确定，并用蚁群算法对模型求解，获得每个路段区间入口匝道最优调节率，最后根据计算结果对各个路段区间入口匝道进行车流量调节。

文献2“公开号是CN102360522A的中国发明专利”公开了一种道路入口匝道控制器。该控制器由硬件结构和软件结构组成，其硬件结构包括嵌入式计算机、接线端子排、工业电源、继电器、光端机和光缆终端盒，软件结构由应用层、通讯控制层和基本层实现。该控制器目的是实现实时的自适应自动控制、就地控制、远程控制，通过采集交通参数检测设备检测到的交通参数，控制本地控制和通讯设备达到调节匝道汇入主线的车辆数。

高速公路一旦出现交通事故、交通堵塞以及自然灾害等影响其运行的异常状况，必须立即作出反应，采取应急措施及时疏导交通，以防止事态的进一步恶化，而高速公路优化控制模型以及控制算法往往过于复杂，加之海量的交通数据，使得计算速度慢、控制效果实时性不足，且控制系统的硬件实现一般基于工控机，体积大功耗大，造价昂贵，并在实际运作过程中，由于交通运行现场环境苛刻，工控机常常因为无法适应恶劣的工作环境，出现工作不稳定、甚至死机的情况，极易导致高速公路管理控制系统的失效；此外，虽然现有研究工作都对高速公路划分了路段，并对其采取分段控制，但对于每个路段的实际交通道路参数没有进行充分的考虑，每个路段的交通道路参数往往取值的一致，没有对道路的使用条件、道路的物理特征以及天气因素、驾驶车辆特征等分段考虑区别对待，容易导致预测结果与实际情形偏差加大，影响控制策略的选择以及控制效果的发挥。

发明内容

为了克服现有道路入口匝道控制器实用性差的不足，本发明提供一种结合离散速度模型的阵列式FPGA交通状态预测及控制系统。该系统根据由检测信号输入结构远程传输过来的在设定周期内实时采集的每个路段的交通流运行参数，由系统控制器依据当前的交通状态首先给定一个可执行控制方案，系统阵列式FPGA并行化处理结构将高速公路不同路段的道路条件特征、交通运行状态、车辆特征和驾驶员行为差异以及天气状况等影响因素考虑在内，以离散速度模型为基础，结合每个路段在不同时间段内的特殊性及时调整模型中的交通道路参数，计算预测高速公路中每个路段的交通状态参数，并将其作为评估结果的一部分反馈给控制器，控制器依据反馈的评估结果，同时结合检测信号输入结构远程传输过来的交通道路参数对控制方案进行调整，最后输出控制信号给相应的匝道入口处的匝道调节杆，控制其开通闭合以及允许车辆通行的时间,从而调控入口匝道的车流量，阵列式FPGA根据更新的交通流运行参数再次对各个路段的交通状态进行预测计算并反馈给控制器，当判断出被调控路段的拥堵现象得到缓解时，选用当前控制方案，反之，当前控制方案的调控效果不明显时，令控制器放弃当前控制方案，重新选择，最终，依据阵列式FPGA对所选择的控制方案的多次快速的反馈评估，找到能缓解拥堵路段拥堵现象的控制方案。

本发明解决其技术问题所采用的技术方案是：一种结合离散速度模型的阵列式FPGA交通状态预测及控制系统，由检测信号输入结构、控制方案评估结构、控制器结构和执行器结构组成，其特点是包括：

1.检测信号输入结构：

由外场摄像机、图像数据采集及处理设备和数据传输设备来完成交通流运行参数的获取：外场摄像机对道路交通状态以及路面信息进行实时监控，并将获取的视频流图像传输给图像数据采集及处理设备；图像数据采集及处理设备对视频流的每帧图像进行分析处理获取每个路段的平均交通流密度、车辆的平均速度、每个路段匝道出入口的车流量和路面信息等交通流运行参数；通过数据传输设备将当前获得的交通流运行参数传输至控制器；

2.控制方案评估结构：

结合离散速度模型，以阵列式FPGA为预测计算核心的评估结构接收系统控制器的命令，采用并行处理方式实现对每个路段的平均交通流密度和车辆的平均速度的预测计算：

\{\begin{matrix} k_{i} (n + 1) = k_{i} (n) + \frac{T}{Li} {a_{i} \cdot k_{i - 1} (n) v_{i - 1} (n) + (1 - a_{i}) [k_{i} (n) v_{i} (n) - r_{i} (n)] - s_{i - 1} (n) \\ - a_{i} \cdot k_{i} (n) v_{i} (n) - (1 - a_{i}) [k_{i + 1} (n) v_{i + 1} (n) - r_{i + 1} (n)] + r_{i} (n)} \\ v_{i} (n + 1) = v_{i} (n) + \frac{T}{τ_{i}} {v_{e} {[k}_{i} (n)] - v_{i} (n)} + \frac{T ξ_{i}}{L_{i}} v_{i} (n) [v_{i - 1} (n) - v_{i} (n)] - \frac{T ζ_{i}}{τ_{i} L_{i}} \frac{k_{i = 1} (n) - k_{i} (n)}{k_{i} (n) + λ_{i}} \\ i = {1,2, . . . N}; n = 0,1,2, . . . \end{matrix}

v_{e} [k_{i} (n)] = v_{f} {[1 - {(\frac{k_{i} (n)}{k_{j}})}^{l_{i}}]}^{m_{i}}

式中，T表示采样周期，单位是h，n表示采样次数，i＝{1,2,...N}表示第i个高速公路路段，N表示高速公路路段总数，L_i为第i个路段的长度，单位是km，k_i(n)表示第i个路段在[nT,(n+1)T]采样时刻内的平均交通流密度，单位是veh/lane/km，k_i(n+1)表示第i个路段在[(n+1)T,(n+2)T]采样时刻内的平均交通流密度，单位是veh/lane/km，k_i-1(n)表示第i-1个路段（即第i个路段的上游路段）在[nT,(n+1)T]采样时刻内的平均交通流密度，单位是veh/lane/km，k_i+1(n)表示第i+1个路段（即第i个路段的下游路段）在[nT,(n+1)T]采样时刻内的平均交通流密度，单位是veh/lane/km，v_i(n)表示第i个路段在[nT,(n+1)T]采样时刻内车辆的平均速度，单位是km/h，v_i(n+1)表示第i个路段在[(n+1)T,(n+2)T]采样时刻内车辆的平均速度，单位是km/h，v_i-1(n)表示第i-1个路段（即第i个路段的上游路段）在[nT,(n+1)T]采样时刻内车辆的平均速度，单位是km/h，v_i+1(n)表示第i+1个路段（即第i个路段的下游路段）在[nT,(n+1)T]采样时刻内车辆的平均速度，单位是km/h，r_i(n)表示第i个路段在[nT,(n+1)T]采样时刻内从入口匝道驶入的车流量，单位是veh/h，r_i+1(n)表示第i+1个路段（即第i个路段的下游路段）在[nT,(n+1)T]采样时刻内从入口匝道驶入的车流量，单位是veh/h，s_i-1(n)表示第i-1个路段（即第i个路段的上游路段）在[nT,(n+1)T]采样时刻内从出口匝道驶出的车流量，单位是veh/h，v_f为自由交通流的平均速度，单位是km/h，k_j是阻塞状态下的平均交通流密度，单位是veh/lane/km，a_i是加权系数，其取值与k_i+1(n)有关，取值范围是0≤a_i≤1，当k_i+1(n)≤k_cr（非拥挤状态），有a_i≈1，即k_i(n+1)主要取决于当前路段，当k_i+1(n)＞k_cr（非拥挤状态），有a_i≈0，即k_i(n+1)主要取决于第i+1个路段，其中k_cr是高速公路交通流量最大时对应的平均车流密度，τ_i是延迟时间，表示第i个路段内平均交通流密度的变化将延迟时间τ_i后影响到其上游路段，反应了在实际的交通运行状态中驾驶员、车辆发动机以及传动装置对前方交通状况变化做出反应的调整时间，ξ_i是权重系数，通过调整所在项的权重反映上游路段的交通状态对当前路段的影响的程度，ζ_i是预测常数，反应了驾驶员根据所预期的下游路段的交通状态的变化对自身车速所进行的调整，λ_i是修正参数，防止高速公路某一路段的平均交通流密度过小而引起所在项的值极大，l_i，m_i是根据每个路段的实际交通数据确定的可调参数,v_e[k_i(n)]是平衡状态下的速度，通过拟合方程确定如下：

v_e[k_i(n)]≈b_j(k_i(n))^j+b_j-1(k_i(n))^j-1+...+b₁k_i(n)+b₀，其中b_j...b₀是拟合方程的拟合系数，预测计算核心由多片FPGA级联构成阵列式FPGA，每片FPGA都与控制器进行通信，获取交通流运行参数，级联的FPGA之间用多个I/O口直接进行通信，同时进行平均交通流密度、车辆的平均速度的数据交换，以并行化处理方式完成对N个路段的平均交通流密度、车辆的平均速度的预测计算；

1）控制器接收检测信号输入结构远程传输过来的每个路段的实测交通流运行参数，通过串口传输至存储区域A中，设定交通流运行参数变更周期T_C，并启动以阵列式FPGA为预测计算核心的评估结构进入运行状态；

2）评估结构启动后，阵列式FPGA从存储区域A中读取预测每个路段下一个时刻的交通状态所需要的交通流运行参数，以并行处理方式实现对离散速度模型的数值解算，预测计算得到每个路段下一个时刻的平均交通流密度和车辆的平均速度，并将结果存储至存储区域B中；

3）存储区域B将所有路段的预测计算结果上传给存储区域A和控制器，并将发送数据计数器加一，其中每个路段下一时刻的预测结果既可以等待全部路段计算结束后的同步信号一起存储到存储区域B中，也可以异步刷新存储区域B中相应的每个路段的平均交通流密度和车辆的平均速度；控制器存储的交通流运行参数是每个路段的平均交通流密度和车辆的平均速度在所有时刻的历史数据，可在线变更的交通道路参数，实测的每个路段出口匝道驶出的车流量和入口匝道车流的调节量；存储区域A中存储的交通流运行参数是每个路段的平均交通流密度和车辆的平均速度在下一个时刻的预测值，可在线变更的交通道路参数，实测的道路出口匝道驶出的车流量和入口匝道车流的调节量；

4）根据发送数据计数器的值判断是否达到设定的参数变更周期T_C，预测计算时间没有达到设定的参数变更周期，则阵列式FPGA进行循环预测计算，继续从存储区域A中读取预测计算所需要的上一个路段，当前路段和下一个路段在当前时刻的平均交通流密度和车辆的平均速度，每个路段的交通道路参数以及实测的道路出口匝道驶出的车流量和入口匝道车流的调节量；如果达到设定的参数变更周期，则阵列式FPGA进入等待状态，直至接收到上位机的控制信号以及更新的交通流运行参数，阵列式FPGA再次进入预测计算状态；

3.控制器结构：

系统控制器首先给定一个控制方案至以阵列式FPGA为核心的预测计算评估结构，阵列式FPGA预测计算的每个路段的交通状态参数，被反馈至控制器，控制器结合交通流运行参数数据采集设备实时传输来的每个路段的交通状态参数以及交通道路参数，对相应路段的控制方案加以调整或者重新选择控制方案：

1）当高速公路的某一路段的平均交通流密度趋于阻塞状态下的平均交通流密度，或车辆的平均速度趋于0时，控制器选择相应的控制方案，输出控制信号至被调控路段，调节其入口匝道的调节杆的开通闭合以及允许车辆通行的时间，当前拥堵路段没有入口匝道，则被调控路段为当前拥堵路段的前M₀个含有入口匝道的路段和后M₁个含有入口匝道的路段，当前拥堵路段含有入口匝道，则被调控路段为当前拥堵路段、当前拥堵路段的前M₀个含有入口匝道的路段和后M₁个含有入口匝道的路段，同时，控制器接收实测交通信息，更新存储区域A中的交通流运行参数，并输出控制信号给阵列式FPGA，使其从等待状态进入预测计算状态，重新预测计算各个路段的交通状态参数，并将结果回传给控制器，控制器根据阵列式FPGA预测计算的反馈值，评判当前控制方案的控制效果，当被调控路段的拥堵现象得到缓解时，将保持当前控制方案不变，当被调控的路段的平均交通流密度仍然趋于阻塞状态下的平均交通流密度，或车辆的平均速度趋于0时，将输出控制作用给控制器，令其重新选择控制方案，重复上述过程，直至找到能够缓解拥堵现象的控制方案；

2）控制器根据检测信号输入设备结构远程传输的路面状况信息和交通流运行状态及时调整交通道路参数：在正常工况下，由每个路段之间的道路结构特征、几何特点、路面状况以及每个路段上行驶的车辆特征、驾驶员行为的差异确定交通道路参数；在非正常工况下，由高速公路临时施工、路面塌方地陷，调整交通道路参数；根据季节调整交通道路参数，当需要变更交通道路参数时，则重新赋值给存储交通道路参数的变量，不需要更新时，则在循环预测周期内保持变量的值不变；

4.执行器结构：

入口匝道的调节杆、控制信息的显示装置以及信息发布平台构成执行器结构，根据控制器远程传来的控制信号，相应的入口匝道调节杆进行开通闭合动作，同时显示装置显示当前匝道入口允许车辆通行时段以及通行时长，并通过信息发布平台传播给入口匝道处的车辆，从而对由入口匝道进入高速公路主线的车辆数进行直接干预，以实现控制目标。

本发明的有益效果是：本系统根据高速公路在不同时间段内的实际运行状况，实现交通道路参数实时在线更新；本系统的交通状态预测计算核心的硬件实现平台由阵列式FPGA结构完成，其并行处理结构可以快速预测高速公路每个路段的交通状态，迅速响应交通流运行参数的变化，并对控制器所选择的控制方案的控制效果做出迅速的反馈评估；本系统根据预测的道路交通状态选择的控制方案，调控被调控路段入口匝道调节杆的开通闭合以及允许车辆通行时段及时长信息并发布给入口匝道的车辆，直接调节入口匝道的车流量，并通过阵列式FPGA多次快速预测计算得到反馈评估；基于阵列式FPGA结构的硬件实现平台，具有集成度高，体积小功耗低的特点，每个路段交通状态的预测计算采用并行化处理结构可以保证系统的实时性，减少反馈信号的输入时间，能够快速适应高速公路交通信息的变化。

下面结合附图和具体实施方式对本发明作详细说明。

附图说明

图1是本发明结合离散速度模型的阵列式FPGA交通状态预测及控制系统的结构框图，其中FPGA_1、FPGA_2、FPGA_3、FPGA_4…FPGA_n-1、FPGA_n是构成阵列式FPGA结构的所有FPGA芯片，FPGA_n是第n片FPGA，n是所需要的FPGA芯片的总数，R是电阻的电气符号，C是电容的电气符号，Q是三极管的电气符号，J是继电器的电气符号，VCC是电源的电气符号；

图2是以阵列式FPGA结构为本系统的预测计算核心的信号流程图；

图3是本发明实施例结合西宝高速公路的实际道路状况、出入口匝道分布位置对西宝高速公路进行划分的路段示意图，其中R5、R8、R9、R15、R18、R20、R22、R24、R26、R29、R32、R35、R37、R39分别是由第5、9、15、18、20、22、24、26、29、32、35、37、39路段的匝道入口驶入的车流量，S5、S8、S9、S15、S18、S20、S22、S24、S26、S29、S32、S35、S37、S39分别是由第5、9、15、18、20、22、24、26、29、32、35、37、39路段的匝道出口驶出的车流量；

图4是本发明实施例以三桥路段的交通道路参数为例，结合离散速度模型对每个路段平均交通流密度预测计算的FPGA内部实现，其中en是输入使能信号，clk是输入的时钟信号，validclk是输入的计算使能信号，v_i-1_n，v_i_n，v_i+1_n分别是v_i-1(n)，v_i(n)，v_i+1(n)的数值，k_i-1_n，k_i_n，k_i+1_n分别是k_i-1(n)，k_i(n)，k_i+1(n)的数值，r_i_n，r_i+1_n，s_i-1_n分别是r_i(n)，r_i+1(n)，s_i-1(n)的数值，validclk_out_k，validclk_out_v分别是平均交通流密度预测计算模块和车辆平均速度预测计算模块的计算结束使能信号，fadd，fsub，fmul是用24位浮点数编写的加法运算模块，减法运算模块，乘法运算模块，fmul_0.0024是其中一个乘数为0.0024的乘法运算模块,fmul_0.0023是其中一个乘数为0.0023的乘法运算模块,fmul_0.00012是其中一个乘数为0.00012的乘法运算模块,fmul_0.0022是其中一个乘数为0.0022的乘法运算模块；

图5是本发明实施例以三桥路段的道路交通参数为例，结合离散速度模型对每个路段车辆平均速度预测计算的FPGA内部实现，其中en是输入使能信号，clk是输入的时钟信号，validclk是输入的计算使能信号，v_i-1_n，v_i_n，v_i+1_n分别是v_i-1(n)，v_i(n)，v_i+1(n)的数值，k_i-1_n，k_i_n，k_i+1_n分别是k_i-1(n)，k_i(n)，k_i+1(n)的数值，r_i_n，r_i+1_n，s_i-1_n分别是r_i(n)，r_i+1(n)，s_i-1(n)的数值，validclk_out_k，validclk_out_v分别是平均交通流密度预测计算模块和车辆平均速度预测计算模块的计算结束使能信号，fadd，fsub，fmul，fdiv是用24位浮点数编写的加法运算模块，减法运算模块，乘法运算模块，除法运算模块,fadd_40是其中一个加数为40加法运算模块,fsub_143.9761是被减数为143.9761的减法运算模块,fmul_0.0024是其中一个乘数为0.0024的乘法运算模块，fmul_0.4167其中一个乘数为0.4167的乘法运算模块,fmul_8.3334是其中一个乘数为8.3334的乘法运算模块,fmul_0.0371是其中一个乘数为0.0371的乘法运算模块,fmul_0.0001是其中一个乘数为0.0001的乘法运算模块,fmul_4.0074是其中一个乘数为4.0074的乘法运算模块；

图6是本发明实施例所构造的模糊控制器的两个输入（交通状态、平均交通流密度相对最佳密度的偏离量）的隶属函数图，其中隶属函数的纵坐标Degreeofmembership表示变量隶属于当前函数的程度，Δk表示平均交通流密度相对最佳密度的偏离量，NB表示偏离量为负大，NS表示偏离量为负小，ZO表示偏离量为0，PS表示偏离量为正小，PB表示偏离量为正大。

具体实施方式

参照图1-6。

1.对实施控制的西宝高速公路进行实际调研，根据西宝高速公路的各个路段的实际道路状况（如车道数、路面宽度、路面类型等）、匝道出入口的位置分布、车流量大小以及交通拥挤程度，以三桥为起始点，宝鸡为终点，将西宝高速分为40个路段，其中有匝道出入口的地方要分在一个路段中，西宝高速公路实际路况如表1、表2、表3所示，西宝高速公路路段分段情况如附图3所示，每个路段的具体长度如下：

表1西宝高速实际路况

包含匝道口的路段	三桥	咸阳	咸阳西	阿房宫	兴平
						区间里程（km）	路段起点	9.698	6.092	2.082	11.512
车道数	双向4车道	双向4车道	双向4车道	双向4车道	双向8车道
						路面类型	沥青	沥青	沥青	沥青	沥青
路基宽度（m）	24.5	24.5	24.5	24.5	24.5

表2西宝高速实际路况

包含匝道口的路段	武功	杨凌	绛帐	法门寺	常兴
						区间里程（km）	27.419	11.83	6.035	7.045	10.515
车道数	双向8车道	双向8车道	双向8车道	双向8车道	双向8车道
						路面类型	沥青	沥青	沥青	沥青	沥青
路基宽度（m）	24.5	24.5	24.5	24.5	24.5

表3西宝高速实际路况

包含匝道口的路段

眉县

蔡家坡

虢镇

凤翔

天水

宝鸡

区间里程（km）

11.725

9.855

21.855

6.938

5.938

4.939

车道数

双向8车道

双向4车道

路面类型

沥青

路基宽度（m）

24.5

起始地为三桥，L₁=1.75km，L₂=1.75km，L₃=1.75km，L₄=1.75km，L₅=2.698km（含咸阳段出入口），L₆=2km，L₇=2km，L₈=2.092km（含咸阳西段出入口），L₉=2.082km（含阿房宫段出入口），L₁₀=1.6km，L₁₁=1.6km，L₁₂=1.6km，L₁₃=1.6km，L₁₄=1.6km，L₁₅=2.512km（含兴平段出入口），L₁₆=12.5km，L₁₇=12.5km，L₁₈=2.419km（含武功段出入口），L₁₉=9km，L₂₀=2.83km（含杨凌段出入口），L₂₁=3km，L₂₂=3.035km（含绛帐段出入口），L₂₃=4km，L₂₄=3.045km（含法门寺段出入口），L₂₅=8km，L₂₆=2.515km（含常兴段出入口），L₂₇=4.5km，L₂₈=4.5km，L₂₉=2.725km（含眉县段出入口），L₃₀=3.5km，L₃₁=3.5km，L₃₂=2.855km（含蔡家坡段出入口），L₃₃=9km，L₃₄=9km，L₃₅=3.855km（含虢镇段出入口），L₃₆=4km，L₃₇=2.938km（含凤翔段出入口），L₃₈=3km，L₃₉=2.938km（含天水段出入口），L₄₀=4.939km，终止于宝鸡；

2.对西宝高速公路进行实际的调研，得到西宝高速限速为100km/h，并在夏季9:00～15：00时间段内对西宝高速公路的交通数据进行采样，得到如下交通数据：v_f=95.1km/h，k_j=110veh/lane/km，T=0.0041667h；

表4西宝高速公路的交通流运行参数

表5西宝高速公路的交通流运行参数

表6西宝高速公路的交通流运行参数

表7西宝高速公路的交通流运行参数

3.结合离散速度模型，并行计算预测每个路段下一个时刻的交通状态参数。

\{\begin{matrix} k_{i} (n + 1) = k_{i} (n) + \frac{T}{Li} {a_{i} \cdot k_{i - 1} (n) v_{i - 1} (n) + (1 - a_{i}) [k_{i} (n) v_{i} (n) - r_{i} (n)] - s_{i - 1} (n) \\ - a_{i} \cdot k_{i} (n) v_{i} (n) - (1 - a_{i}) [k_{i + 1} (n) v_{i + 1} (n) - r_{i + 1} (n)] + r_{i} (n)} \\ v_{i} (n + 1) = v_{i} (n) + \frac{T}{τ_{i}} {v_{e} {[k}_{i} (n)] - v_{i} (n)} + \frac{T ξ_{i}}{L_{i}} v_{i} (n) [v_{i - 1} (n) - v_{i} (n)] - \frac{T ζ_{i}}{τ_{i} L_{i}} \frac{k_{i = 1} (n) - k_{i} (n)}{k_{i} (n) + λ_{i}} \\ i = {1,2, . . . N}; n = 0,1,2, . . . \end{matrix}

v_{e} [k_{i} (n)] = v_{f} {[1 - {(\frac{k_{i} (n)}{k_{j}})}^{l_{i}}]}^{m_{i}}

式中，T表示采样周期，单位是h，n表示采样次数，i＝{1,2,...N}表示第i个高速公路路段，N表示高速公路路段总数，L_i为第i个路段的长度，单位是km，k_i(n)表示第i个路段在[nT,(n+1)T]采样时刻内的平均交通流密度，单位是veh/lane/km，k_i(n+1)表示第i个路段在[(n+1)T,(n+2)T]采样时刻内的平均交通流密度，单位是veh/lane/km，k_i-1(n)表示第i-1个路段（即第i个路段的上游路段）在[nT,(n+1)T]采样时刻内的平均交通流密度，单位是veh/lane/km，k_i+1(n)表示第i+1个路段（即第i个路段的下游路段）在[nT,(n+1)T]采样时刻内的平均交通流密度，单位是veh/lane/km，v_i(n)表示第i个路段在[nT,(n+1)T]采样时刻内车辆的平均速度，单位是km/h，v_i(n+1)表示第i个路段在[(n+1)T,(n+2)T]采样时刻内车辆的平均速度，单位是km/h，v_i-1(n)表示第i-1个路段（即第i个路段的上游路段）在[nT,(n+1)T]采样时刻内车辆的平均速度，单位是km/h，v_i+1(n)表示第i+1个路段（即第i个路段的下游路段）在[nT,(n+1)T]采样时刻内车辆的平均速度，单位是km/h，r_i(n)表示第i个路段在[nT,(n+1)T]采样时刻内从入口匝道驶入的车流量，单位是veh/h，r_i+1(n)表示第i+1个路段（即第i个路段的下游路段）在[nT,(n+1)T]采样时刻内从入口匝道驶入的车流量，单位是veh/h，s_i-1(n)表示第i-1个路段（即第i个路段的上游路段）在[nT,(n+1)T]采样时刻内从出口匝道驶出的车流量，单位是veh/h，v_f为自由交通流的平均速度，单位是km/h，k_j是阻塞状态下的平均交通流密度，单位是veh/lane/km，ai是加权系数，其取值与k_i+1(n)有关，取值范围是0≤a_i≤1，当k_i+1(n)≤k_cr（非拥挤状态），有a_i≈1，即k_i(n+1)主要取决于当前路段，当k_i+1(n)＞k_cr（非拥挤状态），有a_i≈0，即k_i(n+1)主要取决于第i+1个路段，其中k_cr是高速公路交通流量最大时对应的平均车流密度，τ_i是延迟时间，表示第i个路段内平均交通流密度的变化将延迟时间τ_i后影响到其上游路段，反应了在实际的交通运行状态中驾驶员、车辆发动机以及传动装置对前方交通状况变化做出反应的调整时间，ξ_i是权重系数，通过调整所在项的权重反映上游路段的交通状态对当前路段的影响的程度，ζ_i是预测常数，反应了驾驶员根据所预期的下游路段的交通状态的变化对自身车速所进行的调整，λ_i是修正参数，防止高速公路某一路段的平均交通流密度过小而引起所在项的值极大，l_i，m_i是根据每个路段的实际交通数据确定的可调参数,表征了平衡状态下的速度—密度关系，该方程中包含幂函数，根据西宝高速公路的实际情况，其幂函数的指数部分为小数，在FPGA中消耗大量资源，本实施例中经过拟合方程逼近，采用多项式来近似代替平衡状态下的速度—密度关系，以保证仿真精度的同时减少对FPGA资源的占用，按照描述高速公路的离散速度模型的要求，将西宝高速公路的交通流运行参数带入模型中，以三桥路段的交通道路参数为例，l_i=1.86，m_i=4.05，v_f=95.1km/h，k_j=25veh/lane/km,离散速度模型以及平衡状态的速度—密度方程如下式：

\{\begin{matrix} k_{i} (n + 1) = k_{i} (n) + 0.0023 k_{i - 1} (n) v_{i - 1} (n) - 0.0022 k_{i} (n) v_{i} (n) - 0.00012 k_{i + 1} (n) v_{i + 1} (n) \\ + 0.0023 r_{i} (n) + 0.00012 r_{i + 1} (n) - 0.0024 s_{i - 1} (n) \\ v_{i} (n + 1) = v_{i} (n) + 0.4167 {v_{e} [k_{i} (n)] - v_{i} (n)} + 0.0024 v_{i} (n) [v_{i - 1} (n) - v_{i} (n)] - 8.3334 \frac{k_{i + 1} (n) - k_{i} (n)}{k_{i} (n) + 40} \\ n = 0,1,2, . . . \end{matrix}

v_{e} [k_{i} (n)] = 95.1 {[1 - {(\frac{k_{i} (n)}{25})}^{1.86}]}^{4.05}

平衡状态下的速度—密度关系经过方程拟合逼近，得到如下形式：

v_e[k_i(n)]≈-0.0001(k_i(n))³+0.0371(k_i(n))²-4.0074k_i(n)+143.9761

在FPGA内部编写基于上述方程的计算模块，并结合西宝高速公路的实测交通数据进行预测每个路段的交通状态参数，其中平均交通流密度预测计算模块的FPGA内部实现逻辑图如附图4所示，车辆平均速度预测计算模块的FPGA内部实现逻辑图如附图5所示。

在本实施例中，结合实际调研，把西宝高速公路分成40个路段，选用4片FPGA芯片构成阵列式FPGA预测计算核心，每一片FPGA分别并行预测计算10个路段的平均交通流密度和车辆的平均速度。

4.在本实施例中，阵列式FPGA预测计算核心的芯片选用Altera公司的EP3C80F484C8芯片，与控制器通信采用RS-232协议，电平转换芯片选用MAX3232芯片；在FPGA内部按照附图2所示流程，并行预测计算每个路段下一时刻交通状态，具体的数据流向为：控制器接收交通数据采集设备远程传输过来的每个路段的实测交通流运行参数，通过串口传输至存储区域A中，并设定交通流运行参数变更周期T_C，其中这些实测的交通流运行参数包括：每个路段的交通状态参数即每个路段的平均交通流密度和车辆的平均速度，每个路段的交通道路参数以及每个路段出入口匝道驶入驶出的车流量（没有出入口匝道的路段的驶入驶出车流量为0，只有入口匝道的路段的驶出车流量为0，只有出口匝道的路段的驶入车流量为0）；FPGA从存储区域A中读取预测每个路段下一个时刻的交通状态所需要的交通数据，即上一个路段，当前路段和下一个路段在当前时刻的平均交通流密度和车辆的平均速度，每个路段的交通道路参数以及从出入口匝道驶入驶出的车流量（没有出入口匝道的路段的驶入驶出车流量为0，只有入口匝道的路段的驶出车流量为0，只有出口匝道的路段的驶入车流量为0）；读取完毕后，每个路段结合离散速度模型并行计算各自在下一个时刻的路段平均交通流密度和车辆平均速度，预测计算结束后的结果存储到存储区域B中，存储区域B将所有路段的预测计算结果上传给存储区域A和控制器，并将发送数据计数器加一，其中每个路段下一时刻的预测结果既可以等待全部路段计算结束后的同步信号一起存储到存储区域B中，也可以异步刷新存储区域B中相应的每个路段的平均交通流密度和车辆平均速度，并有控制器存储的交通数据是每个路段的平均交通流密度和车辆的平均速度在所有时刻的预测值，可在线实时更新的交通道路参数，实测的道路出口匝道驶出的车流量和入口匝道车流量的调节量（没有出入口匝道的路段的驶入驶出车流量为0，只有入口匝道的路段的驶出车流量为0，只有出口匝道的路段的驶入车流量为0），存储区域A中存储的交通数据是每个路段的平均交通流密度和车辆的平均速度在下一个时刻的预测值，可在线实时更新的交通道路参数，实测的道路出口匝道驶出的车流量和入口匝道车流的调节量（没有出入口匝道的路段的驶入驶出车流量为0，只有入口匝道的路段的驶出车流量为0，只有出口匝道的路段的驶入车流量为0）；根据发送数据计数器的值判断是否达到设定的参数变更周期T_C，预测时间没有达到设定的参数变更周期，则阵列式FPGA循环预测计算，继续从存储区域A中读取预测计算所需要的上一个路段，当前路段和下一个路段在当前时刻的平均交通流密度和车辆的平均速度，每个路段的交通道路参数以及实测的道路出口匝道驶出的车流量和入口匝道车流的调节量（没有出入口匝道的路段的驶入驶出车流量为0，只有入口匝道的路段的驶出车流量为0，只有出口匝道的路段的驶入车流量为0），如果达到设定的参数变更周期，则阵列式FPGA进入等待状态，直至接收到上位机的控制信号以及更新的交通流运行参数，阵列式FPGA再次进入预测计算状态。

5.控制器根据阵列式FPGA预测计算的反馈结果对控制方案进行调整：当路段的平均交通流密度趋于阻塞状态下的平均交通流密度，或车辆的平均速度趋于0时，控制器选择相应的控制方案，输出控制信号至被调控路段，调节其入口匝道的调节杆的开通闭合以及允许车辆通行的时间；控制器根据远程传输的路面状况，判断是否需要调整当前的交通道路参数，以更加符合当前道路实际情况；同时，输出控制信号给阵列式FPGA，使其从等待状态进入预测计算状态，重新预测计算各个路段的交通状态参数，并将当前控制方案的效果回传给控制器，被调控路段的拥堵现象得到缓解时，将保持当前控制方案不变，被调控的路段的平均交通流密度仍然趋于阻塞状态下的平均交通流密度，或车辆的平均速度趋于0时，输出控制信号给控制器，令其重新选择控制方案，重复上述过程，直至找到能够缓解拥堵现象的控制方案。

当高速公路的某一个路段发生拥堵时，将产生拥挤波向发生拥堵路段的上游和下游蔓延，进而影响到高速公路其他路段的交通状态，其受影响的程度由距离拥堵路段的远近决定。考虑到拥堵路段对相邻路段的影响，并根据当前拥堵路段是否含有入口匝道，对拥堵路段的相邻路段或者是对拥堵路段及其相邻路段（拥堵路段的前M₀个含有入口匝道的路段和后M₁个含有入口匝道的路段）同时进行调控，在本实施例中，为实现能对拥堵路段的前M₀个和后M₁个含有入口匝道的路段调节作用的控制器，用车辆的平均速度、每个路段的平均交通流密度与最佳密度的偏差及其偏差的变化率来描述高速公路每个路段的交通状态，使用模糊控制以及最优控制相结合的思想构造自适应的控制器，其构造步骤如下：，

因而构造自适应模糊控制器有以下两个步骤：

1）确定自适应PID模糊控制器中输入—最佳交通流密度

控制器的目标是在设定的最佳车流密度之下，调节车辆进入高速的数量，使高速公路的车流量最大，理论上高速公路一旦发生拥堵，其过程是由畅通、最佳运行状态直至拥堵状态，在现实中，高速公路发生拥堵之后，相应的拥挤波会迅速向上游传播，受到影响的上游路段的车流往往会从畅通状态直接跳跃到拥堵状态，而发生拥堵的路段的下游路段也可能永远不会有接近最佳交通流密度的状态；其次，天气环境的外界条件也将对最佳车流密度产生实时的影响，对于最佳车流密度的确定过程如下：（1）计算当前值与设定值的偏差的绝对值P(n)＝|k_cr(n)-k_i(n)|；（2）计算（3）以P(n)、D(n)为输入量使用模糊推理调整Δk_cr(n)。

其中k_cr(n)是n时刻的最佳交通流密度值，单位是veh/lane/km，k_i(n)表示第i个路段在[nT,(n+1)T]采样时刻内的平均交通流密度，单位是veh/lane/km，P(n)是k_i(n)偏离k_cr(n)的绝对值，q_i(n)表示第i个路段在[nT,(n+1)T]采样时刻内的车流量，单位是veh/lane/h，q_i(n-1)表示第i个路段在[(n-1)T,nT]采样时刻内的车流量，单位是veh/lane/h，D(n)是车流量相对于车流密度的导数，Δk_cr(n)是第i个路段在[nT,(n+1)T]采样时刻内的最佳交通流密度值的调整量，单位是veh/lane/km。

其中，确定最佳交通流密度的模糊控制器的输入输出量为：输入量P(n)的论域是[0,25]，选用两个语言变量来描述，分别是大（B）、小（S）。输入量D(n)的论域是[-100,200]，选用四个语言变量来描述，分别是负（N）、零（ZE）、正小（PS）、正大（PB）。输出量Δk_cr(n)的论域是[-1,1]，选用三个语言变量来描述，分别是负（N）、零（ZE）、正（P）。

确定最佳交通流密度的模糊控制器的模糊规则为：

表8确定最佳交通流密度的模糊规则

P(n)为B，D(n)为-，Δk_cr(n)为ZE，权重为0.5，表示当前交通流密度与设定值差别较大，此时设定值也用改动，调整量为零；P(n)为S，D(n)为N，Δk_cr(n)为N，权重为0.2，表示当前交通流密度与设定值差别较小，并且导数值为负，此时当前设定的最佳密度值小于路段的交通流密度，需要减小最佳交通流密度；P(n)为S，D(n)为ZE，Δk_cr(n)为ZE，权重为0.3，表示当前设定的最佳交通流密度与当前的交通流密度差别较小（S），但导数值D(n)为零（ZE），说明当前设定的最佳交通流密度接近实际道路的最佳交通流密度，调整量为零（ZE）；P(n)为S，D(n)为PS，Δk_cr(n)为ZE，权重为0.2，表示当前设定的最佳交通流密度与当前的交通流密度差别较小，导数值D(n)为正，但较小，说明当前设定的最佳交通流密度比实际道路最佳交通流密度稍小，这样有利于车流的顺畅，因此不做调整，Δk_cr(n)为零（ZE）;P(n)为S，D(n)为PB，Δk_cr(n)为P，权重为0.2，表示当前交通流密度与设定的最佳交通流密度相差较大，并且D(n)为正且较大，此时当前设定的最佳交通流密度小于道路实际的最佳交通流密度，且小的多，因而需要增大调整量Δk_cr(n)。

2）确定模糊自适应PID控制器中控制器的参数

选择用车辆的平均速度表征的交通状态、路段的平均交通流密度对路段的最佳密度偏离量这两个变量作为模糊控制器的输入，输出量匝道入口的控制量，如图6所示；对西宝高速进行实地调研，根据专家经验，表征交通变量的隶属度函数使用高斯函数，制定的模糊规则表如下：

表9模糊控制器规则表

其中，NB是平均交通流密度偏离量为负大，NS是平均交通流密度偏离量为负小，ZO是平均交通流密度偏离量为零，PS是平均交通流密度偏离量为正小，PS是平均交通流密度偏离量为正大，VS是控制力度很小，S是控制力度较小，M是控制力度适中，B是控制力度较大，VB是控制力度很大，（1）表示这条模糊控制规则在所有规则中的权重是1，模糊控制规则表的内容如下：

（1）交通状态是“畅通无阻”且平均交通流密度相对最佳密度的偏离量是“NB”，则匝道入口控制力度R是“VB”；（此条模糊规则的权重是1）。

（2）交通状态是“畅通无阻”且平均交通流密度相对最佳密度的偏离量是“NS”，则匝道入口控制力度R是“VB”；（此条模糊规则的权重是1）。

（3）交通状态是“畅通无阻”且平均交通流密度相对最佳密度的偏离量是“ZO”，则匝道入口控制力度R是“VB”；（此条模糊规则的权重是1）。

（4）交通状态是“畅通无阻”且平均交通流密度相对最佳密度的偏离量是“PS”，则匝道入口控制力度R是“VB”；（此条模糊规则的权重是1）。

（5）交通状态是“畅通无阻”且平均交通流密度相对最佳密度的偏离量是“PB”，则匝道入口控制力度R是“VB”；（此条模糊规则的权重是1）。

（6）交通状态是“比较畅通”且平均交通流密度相对最佳密度的偏离量是“NB”，则匝道入口控制力度R是“B”；（此条模糊规则的权重是1）。

（7）交通状态是“比较畅通”且平均交通流密度相对最佳密度的偏离量是“NS”，则匝道入口控制力度R是“B”；（此条模糊规则的权重是1）。

（8）交通状态是“比较畅通”且平均交通流密度相对最佳密度的偏离量是“ZO”，则匝道入口控制力度R是“B”；（此条模糊规则的权重是1）。

（9）交通状态是“比较畅通”且平均交通流密度相对最佳密度的偏离量是“PS”，则匝道入口控制力度R是“VB”；（此条模糊规则的权重是1）。

（10）交通状态是“比较畅通”且平均交通流密度相对最佳密度的偏离量是“PB”，则匝道入口控制力度R是“VB”；（此条模糊规则的权重是1）。

（11）交通状态是“正常”且平均交通流密度相对最佳密度的偏离量是“NB”，则匝道入口控制力度R是“VS”；（此条模糊规则的权重是1）。

（12）交通状态是“正常”且平均交通流密度相对最佳密度的偏离量是“NS”，则匝道入口控制力度R是“S”；（此条模糊规则的权重是1）。

（13）交通状态是“正常”且平均交通流密度相对最佳密度的偏离量是“ZO”，则匝道入口控制力度R是“M”；（此条模糊规则的权重是1）。

（14）交通状态是“正常”且平均交通流密度相对最佳密度的偏离量是“PS”，则匝道入口控制力度R是“B”；（此条模糊规则的权重是1）。

（15）交通状态是“正常”且平均交通流密度相对最佳密度的偏离量是“PB”，则匝道入口控制力度R是“VB”；（此条模糊规则的权重是1）。

（16）交通状态是“拥挤”且平均交通流密度相对最佳密度的偏离量是“NB”，则匝道入口控制力度R是“S”；（此条模糊规则的权重是1）。

（17）交通状态是“拥挤”且平均交通流密度相对最佳密度的偏离量是“NS”，则匝道入口控制力度R是“S”；（此条模糊规则的权重是1）。

（18）交通状态是“拥挤”且平均交通流密度相对最佳密度的偏离量是“ZO”，则匝道入口控制力度R是“S”；（此条模糊规则的权重是1）。

（19）交通状态是“拥挤”且平均交通流密度相对最佳密度的偏离量是“PS”，则匝道入口控制力度R是“M”；（此条模糊规则的权重是1）。

（20）交通状态是“拥挤”且平均交通流密度相对最佳密度的偏离量是“PB”，则匝道入口控制力度R是“M”；（此条模糊规则的权重是1）。

（21）交通状态是“堵塞”且平均交通流密度相对最佳密度的偏离量是“NB”，则匝道入口控制力度R是“VS”；（此条模糊规则的权重是1）。

（22）交通状态是“堵塞”且平均交通流密度相对最佳密度的偏离量是“NS”，则匝道入口控制力度R是“VS”；（此条模糊规则的权重是1）。

（23）交通状态是“堵塞”且平均交通流密度相对最佳密度的偏离量是“ZO”，则匝道入口控制力度R是“S”；（此条模糊规则的权重是1）。

（24）交通状态是“堵塞”且平均交通流密度相对最佳密度的偏离量是“PS”，则匝道入口控制力度R是“M”；（此条模糊规则的权重是1）。

（25）交通状态是“堵塞”且平均交通流密度相对最佳密度的偏离量是“PB”，则匝道入口控制力度R是“M”；（此条模糊规则的权重是1）。

3）结合最优思想确定控制器的输入—被调控路段的入口匝道的调节率

由于对每一个被调控路段的调节都是独立的，并且出现有被交叉控制的路段，此时，根据给定的控制目标，确定每一个被调控路段的最终调节率，在本实施例中，控制目标设定为高速公路总的服务流量最大和总行程时间最短的性能指标的线性组合：

P = α Σ_{i}^{N} Σ_{0}^{T_{C}} L_{i} \cdot k_{i} (n) \cdot v_{i} (n) \cdot T - β Σ_{i}^{N} Σ_{0}^{T_{C}} L_{i} \cdot k_{i} (n) \cdot T

α+β＝1,α≥0,β≥0，其中α和β是权重系数，决定了综合性能指标函数中所在项在综合性能指标中的重要性，这里有α=0.65，β=0.35，T是采样周期，取值为同前。

是总服务流量，衡量了高速公路总体的交通流量，其值越大越好。设在n时刻，第i个路段在[nT,(n+1)T]采样时刻内车辆的平均速度是v_i(n)，平均交通流密度是k_i(n)，路段长度是L_i，则该路段在采用周期T_C时间段内的服务流量为对于分成N个路段的高速公路的总服务流量最大的性能指标为：

Σ_{i}^{N} Σ_{0}^{T_{C}} L_{i} \cdot k_{i} (n) \cdot v_{i} (n) \cdot T &RightArrow; \max;

是总行程时间，其定义为高速公路所有车辆的行程时间之和，其值越小越好，设在n时刻，第i个路段在[nT,(n+1)T]采样时刻内的平均交通流密度是k_i(n)，则该路段在采用周期T_C时间段内的车辆行程时间为对于分成N个路段的高速公路的总行程时间最短的性能指标为：

由2）得到的被调控路段的匝道的入口调节率发生冲突时，由综合性能指标确定后最终被调控路段的入口匝道调节率，并输出控制信号至各个具体的被调控路段，相应的入口匝道调节杆进行开通闭合动作，同时显示装置显示当前匝道入口允许车辆通行时段以及通行时长，并通过信息发布平台传播给入口匝道处的车辆。

Claims

1.一种结合离散速度模型的阵列式FPGA交通状态预测及控制系统，由检测信号输入结构、控制方案评估结构、控制器结构和执行器结构组成，其特征在于包括：

一.检测信号输入结构：

由外场摄像机、图像数据采集及处理设备和数据传输设备来完成交通流运行参数的获取：外场摄像机对道路交通状态以及路面信息进行实时监控，并将获取的视频流图像传输给图像数据采集及处理设备；图像数据采集及处理设备对视频流的每帧图像进行分析处理获取每个路段的平均交通流密度、车辆的平均速度、每个路段匝道出入口的车流量和路面信息的交通流运行参数；通过数据传输设备将当前获得的交通流运行参数传输至控制器；

二.控制方案评估结构：

v_{e} [k_{i} (n)] = v_{f} {[1 - {(\frac{k_{i} (n)}{k_{j}})}^{l_{i}}]}^{m_{i}}

式中，T表示采样周期，单位是h，n表示采样次数，i＝{1,2,…N}表示第i个高速公路路段，N表示高速公路路段总数，L_i为第i个路段的长度，单位是km，k_i(n)表示第i个路段在[nT,(n+1)T]采样时刻内的平均交通流密度，单位是veh/lane/km，k_i(n+1)表示第i个路段在[(n+1)T,(n+2)T]采样时刻内的平均交通流密度，单位是veh/lane/km，k_i-1(n)表示第i-1个路段，即第i个路段的上游路段在[nT,(n+1)T]采样时刻内的平均交通流密度，单位是veh/lane/km，k_i+1(n)表示第i+1个路段，即第i个路段的下游路段在[nT,(n+1)T]采样时刻内的平均交通流密度，单位是veh/lane/km，v_i(n)表示第i个路段在[nT,(n+1)T]采样时刻内车辆的平均速度，单位是km/h，v_i(n+1)表示第i个路段在[(n+1)T,(n+2)T]采样时刻内车辆的平均速度，单位是km/h，v_i-1(n)表示第i-1个路段，即第i个路段的上游路段在[nT,(n+1)T]采样时刻内车辆的平均速度，单位是km/h，v_i+1(n)表示第i+1个路段，即第i个路段的下游路段在[nT,(n+1)T]采样时刻内车辆的平均速度，单位是km/h，r_i(n)表示第i个路段在[nT,(n+1)T]采样时刻内从入口匝道驶入的车流量，单位是veh/h，r_i+1(n)表示第i+1个路段，即第i个路段的下游路段在[nT,(n+1)T]采样时刻内从入口匝道驶入的车流量，单位是veh/h，s_i-1(n)表示第i-1个路段，即第i个路段的上游路段在[nT,(n+1)T]采样时刻内从出口匝道驶出的车流量，单位是veh/h，v_f为自由交通流的平均速度，单位是km/h，k_j是阻塞状态下的平均交通流密度，单位是veh/lane/km，a_i是加权系数，其取值与k_i+1(n)有关，取值范围是0≤a_i≤1，当k_i+1(n)≤k_cr，即非拥挤状态，有a_i≈1，即k_i(n+1)主要取决于当前路段，当k_i+1(n)>k_cr，即非拥挤状态，有a_i≈0，即k_i(n+1)主要取决于第i+1个路段，其中k_cr是高速公路交通流量最大时对应的平均车流密度，τ_i是延迟时间，表示第i个路段内平均交通流密度的变化将延迟时间τ_i后影响到其上游路段，反应了在实际的交通运行状态中驾驶员、车辆发动机以及传动装置对前方交通状况变化做出反应的调整时间，ξ_i是权重系数，通过调整所在项的权重反映上游路段的交通状态对当前路段的影响的程度，是预测常数，反应了驾驶员根据所预期的下游路段的交通状态的变化对自身车速所进行的调整，λ_i是修正参数，防止高速公路某一路段的平均交通流密度过小而引起所在项的值极大，l_i，m_i是根据每个路段的实际交通数据确定的可调参数,v_e[k_i(n)]是平衡状态下的速度，通过拟合方程确定如下：

v_e[k_i(n)]≈b_j(k_i(n))^j+b_j-1(k_i(n))^j-1+…+b₁k_i(n)+b₀，其中b_j…b₀是拟合方程的拟合系数，预测计算核心由多片FPGA级联构成阵列式FPGA，每片FPGA都与控制器进行通信，获取交通流运行参数，级联的FPGA之间用多个I/O口直接进行通信，同时进行平均交通流密度、车辆的平均速度的数据交换，以并行化处理方式完成对N个路段的平均交通流密度、车辆的平均速度的预测计算；

1)控制器接收检测信号输入结构远程传输过来的每个路段的实测交通流运行参数，通过串口传输至存储区域A中，设定交通流运行参数变更周期T_C，并启动以阵列式FPGA为预测计算核心的评估结构进入运行状态；

2)评估结构启动后，阵列式FPGA从存储区域A中读取预测每个路段下一个时刻的交通状态所需要的交通流运行参数，以并行处理方式实现对离散速度模型的数值解算，预测计算得到每个路段下一个时刻的平均交通流密度和车辆的平均速度，并将结果存储至存储区域B中；

3)存储区域B将所有路段的预测计算结果上传给存储区域A和控制器，并将发送数据计数器加一，其中每个路段下一时刻的预测结果既能够等待全部路段计算结束后的同步信号一起存储到存储区域B中，也能够异步刷新存储区域B中相应的每个路段的平均交通流密度和车辆的平均速度；控制器存储的交通流运行参数是每个路段的平均交通流密度和车辆的平均速度在所有时刻的历史数据，可在线变更的交通道路参数，实测的每个路段出口匝道驶出的车流量和入口匝道车流的调节量；存储区域A中存储的交通流运行参数是每个路段的平均交通流密度和车辆的平均速度在下一个时刻的预测值，可在线变更的交通道路参数，实测的道路出口匝道驶出的车流量和入口匝道车流的调节量；

4)根据发送数据计数器的值判断是否达到设定的参数变更周期T_C，预测计算时间没有达到设定的参数变更周期，则阵列式FPGA进行循环预测计算，继续从存储区域A中读取预测计算所需要的上一个路段，当前路段和下一个路段在当前时刻的平均交通流密度和车辆的平均速度，每个路段的交通道路参数以及实测的道路出口匝道驶出的车流量和入口匝道车流的调节量；如果达到设定的参数变更周期，则阵列式FPGA进入等待状态，直至接收到上位机的控制信号以及更新的交通流运行参数，阵列式FPGA再次进入预测计算状态；

三.控制器结构：

1)当高速公路的某一路段的平均交通流密度趋于阻塞状态下的平均交通流密度，或车辆的平均速度趋于0时，控制器选择相应的控制方案，输出控制信号至被调控路段，调节其入口匝道的调节杆的开通闭合以及允许车辆通行的时间，当前拥堵路段没有入口匝道，则被调控路段为当前拥堵路段的前M₀个含有入口匝道的路段和后M₁个含有入口匝道的路段，当前拥堵路段含有入口匝道，则被调控路段为当前拥堵路段、当前拥堵路段的前M₀个含有入口匝道的路段和后M₁个含有入口匝道的路段，同时，控制器接收实测交通信息，更新存储区域A中的交通流运行参数，并输出控制信号给阵列式FPGA，使其从等待状态进入预测计算状态，重新预测计算各个路段的交通状态参数，并将结果回传给控制器，控制器根据阵列式FPGA预测计算的反馈值，评判当前控制方案的控制效果，当被调控路段的拥堵现象得到缓解时，将保持当前控制方案不变，当被调控的路段的平均交通流密度仍然趋于阻塞状态下的平均交通流密度，或车辆的平均速度趋于0时，将输出控制作用给控制器，令其重新选择控制方案，重复上述过程，直至找到能够缓解拥堵现象的控制方案；

2)控制器根据检测信号输入设备结构远程传输的路面状况信息和交通流运行状态及时调整交通道路参数：在正常工况下，由每个路段之间的道路结构特征、几何特点、路面状况以及每个路段上行驶的车辆特征、驾驶员行为的差异确定交通道路参数；在非正常工况下，由高速公路临时施工、路面塌方地陷，调整交通道路参数；根据季节调整交通道路参数，当需要变更交通道路参数时，则重新赋值给存储交通道路参数的变量，不需要更新时，则在循环预测周期内保持变量的值不变；

四.执行器结构：