CN106021814A - 一种面向通行效率改善的可变限速优化控制方法 - Google Patents

Abstract

一种面向通行效率改善的可变限速优化控制方法。在快速道路瓶颈路段合理设置交通流检测器和可变限速控制指示牌，基于反馈算法和实测交通流数据实现对可变限速值的反馈调节，通过判断瓶颈位置通行能力下降现象迅速消除瓶颈位置车辆排队，采用遗传算法挖掘具有最优控制效果的反馈控制参数取值。本发明弥补了之前反馈算法对瓶颈位置通行能力下降现象的考虑不足，同时有效提高了可变限速控制系统的抗干扰能力，通过减少快速道路路段内系统通行时间有效提高了道路的通行效率。

Description

一种面向通行效率改善的可变限速优化控制方法

技术领域

本发明属于交通控制技术领域，具体涉及一种面向通行效率改善的可变限速优化控制方法。

背景技术

可变限速控制作为一种越来越被广泛用于改善快速道路通行效率的交通控制策略，其控制效果与可变限速值确定过程所采用的算法密切相关。反馈算法通过对系统误差进行反馈调节，通过有效阻止瓶颈通行能力下降发生的反馈式控制算法有效减少路段内系统通行时间，通过遗传算法对反馈控制参数取值进行优化可以进一步提高基于反馈算法的可变限速控制效果。因此，基于改进反馈算法的快速道路可变限速控制策略优化方法，通过改进的反馈算法不断对系统误差进行调节实现提高快速道路通行效率的系统控制目标。

目前的可变限速控制策略主要采用在线优化算法和反馈算法，现有在线优化算法对交通流模型精度要求很高，系统抗干扰能力差，当交通流运行与模型预测间存在差异时，在线优化算法无法得到最优限速值，同时在线优化算法的计算工作量大，不适合在快速道路的大规模应用。现有反馈算法对交通流变化具有滞后性，并且缺乏对交通流运行机理的理解，导致对快速道路瓶颈通行能力下降现象缺乏考虑。本发明提出面向通行效率改善的基于改进反馈算法的可变限速优化控制方法，相比于以往的快速道路通行效果分析方法，本发明提出的控制方法考虑了可变限速控制对交通流影响机理及瓶颈通行能力下降的特征，有效阻止瓶颈通行能力下降现象的发生，减少了路段内系统通行时间，有效提高了快速道路通行效率。

发明内容

本发明要解决的问题是：以往的可变限速控制策略主要采用在线优化算法和反馈算法提高快速道路通行效率，在线优化算法对交通流模型精度要求过高，缺乏系统抗干扰能力，且计算的工作量巨大；基本反馈算法虽然能够对系统误差进行反馈调节，但是对交通流变化相对滞后且缺乏对瓶颈通行能力下降现象的考虑，导致算法控制结果存在误差。本发明提出一种面向通行效率改善的基于改进反馈算法的快速道路可变限速优化控制方法，采用遗传算法对反馈控制参数的取值进行优化，基于实测交通流数据通过反馈算法判断瓶颈路段通行能力下降现象，采用可变限速控制使瓶颈路段交通流维持在通行能力附近且不发生拥堵。克服之前反馈控制算法中缺乏对通行能力下降现象的考虑导致控制效果不足。

本发明技术方案为：

本发明提出一种面向通行效率改善的快速道路可变限速优化控制方法，针对快速道路通行效率提高这一目标，基于实测交通流数据判断通行能力下降现象，采用遗传算法获取反馈控制参数最优取值，基于反馈算法计算可变限速值使瓶颈区域交通流量在通行能力上下浮动且不产生车辆排队，实现反馈调节下的可变限速控制，本方法对实际中通过可变限速控制策略提高快速道路通行效率具有重要意义。实例显示，本发明提出的可变限速优化控制方法有很好的效果，优化后的策略能有效降低快速道路路段内总通行时间。

附图说明

图1为基于改进反馈算法的可变限速优化控制策略流程图。

图2为交通流检测器及可变限速指示牌设置示意图。

图3为基于遗传算法的可变限速优化控制关键参数优化流程图。

图4为案例入口匝道瓶颈路段示意图。

图5为可变限速控制下流量、密度、速度曲线图。

图6为可变限速值变化图。

具体实施方式

本发明是基于反馈算法的基本原理和可变限速控制策略的基本流程提出一种提高道路通行效率的可变限速优化控制方法，通过对瓶颈路段通行能力下降现象的识别即时触发可变限速控制，基于可变限速控制对交通流的影响机理，通过改进后的反馈算法基于实测交通流数据逐步消除瓶颈路段及可变限速控制路段的车辆排队，从而阻止瓶颈路段通行能力下降现象的发生，使瓶颈区域交通流始终维持在通行能力附近且不产生拥堵，在主线流量开始下降时，再逐步将可变限速值恢复至默认值。面向通行效率改善的基于改进反馈算法的可变限速优化控制方法的流程图如图1所示。

第一步是确定可变限速控制路段及瓶颈路段，在合理位置分别设置交通流检测器和可变限速指示牌。可变限速指示牌用于发布限速值，需要注意的是可变限速值统一要求为5mph的倍数，因此限速值的更新值四舍五入至5mph的整数倍值进行发布。可变限速控制周期可在30秒至2分钟范围内依据控制效果选择最终可变限速控制周期T。以30秒为周期通过交通流检测器实时获取可变限速控制路段各位置处交通流数据，包括占有率、交通流量和平均交通流速度。可变限速控制路段内交通流检测器及可变限速指示牌设置示意图如图2所示。

第二步是基于瓶颈路段历史交通流数据，对瓶颈通行能力下降幅度及通行能力下降现象发生时对应的占有率阈值进行确定。从瓶颈路段的历史交通流数据中挑选出瓶颈位置下游的第一个交通流检测器以及瓶颈位置上游的第一个交通流检测器对应的数据，分别计算两个检测器的斜累计流量并分别绘制斜累计流量-时间关系图，同时绘制两个检测器的速度-时间关系图和占有率-时间关系图。以斜累计流量发生突变的时刻作为初始拐点，以初始拐点为交点绘制初始拐点时刻前、后3分钟内两条斜累计流量拟合直线，变换拐点时刻使两直线偏离斜累积流量曲线的总方差和最小，则当前拐点即为斜累计流量曲线的最终拐点位置。斜累计流量曲线最终拐点前后交通流量之差为通行能力下降幅度的标定值，拐点时刻对应的占有率值为通行能力下降现象发生时对应的占有率阈值的标定值

第三步是获取交通流检测器1和交通流检测器2的实时交通流数据，检测器1用于检测瓶颈区实测占有率o(k)，检测器2用于采集可变限速控制区域下游端点位置交通流数据。当瓶颈区域实测占有率o(k)大于通行能力下降发生阈值启动可变限速控制；否则，转入第五步。

第四步是当瓶颈区域发生通行能力下降触发可变限速控制时，通过瓶颈区上游可变限速控制消除瓶颈区域的车辆排队。采用积分控制器计算可变限速控制值，计算公式如下：

$V_{SL}\left(k\right)=V_{SL}(k-1)+K_I\[\hat{q}\left(k\right)-q\left(k\right)\],ifo\left(k\right)>\hat{O}---\left(1\right)$

其中，K_I为控制参数，为可变限速控制路段的期望流量，q(k)为通行能力下降之后的瓶颈交通流量，a(0<a<1)为饥饿参数，确保可变限速控制下瓶颈排队能够尽快消除。

比较V_SL(k)值与预设的可变限速值合理范围[V_min,V_max]，当公式(1)计算的限速值V_SL(k)超过[V_min,V_max]，则采用范围内最小值或最大值用于下一个可变限速控制周期T+1。在可变限速指示牌处发布所得可变限速控制值，比较检测器1所采集的瓶颈区实测占有率o(k)与通行能力下降发生阈值当时重复第四步；否则，转入第五步。

第五步是瓶颈路段排队完全消除后，通过微调限速值使瓶颈区域交通流维持在通行能力附近且不产生拥堵。基于检测器2所采集的实时交通流数据判断可变限速控制区是否有车辆排队，若无车辆排队则转入第六步；否则，依据下式采用积分控制器计算可变限速控制：

$V_{SL}\left(k\right)=V_{SL}(k-1)+{K^{\&prime;}}_I\&lsqb;\hat{o}-o\left(k\right)\&rsqb;,ifo\left(k\right)\&le;\hat{O}and{o}_{VSL}\left(k\right)>\hat{O}---\left(2\right)$

其中，K′_I为控制参数，o_VSL(k)为可变限速控制路段占有率。

比较V_SL(k)值与预设的可变限速值合理范围[V_min,V_max]，当公式(2)计算的限速值V_SL(k)超过[V_min,V_max]，则采用范围内最小值或最大值用于下一个可变限速控制周期T+1。在可变限速指示牌处发布所得可变限速控制值，比较检测器2所采集的可变限速控制路段的占有率o_VSL(k)与通行能力下降发生阈值当时重复第五步；否则转入第六步。

第六步是可变限速控制路段排队消散后，可变限速逐渐恢复到默认限速值，公式表达如下：

$V_{SL}\left(k\right)=V_{default},if{o}_{VSL}\left(k\right)<\hat{O}ando\left(k\right)<\hat{O}---\left(3\right)$

其中，V_default为默认可变限速值。

比较V_SL(k)值与预设的可变限速值合理范围[V_min,V_max]，当公式(3)计算的限速值V_SL(k)超过[V_min,V_max]，则采用范围内最小值或最大值用于下一个可变限速控制周期T+1。在可变限速指示牌处发布所得可变限速控制值。

第七步是采用遗传算法对第四步到第六步中涉及的可变限速控制系统中的三个关键参数的优化取值。三个关键参数分别为第四步中的控制参数K_I和饥饿参数a，以及第五步中的控制参数K′_I。交通控制中普遍采用路段内总通行时间的降低值作为通行效率的衡量指标，因此用于可变限速优化控制方法的遗传算法优化目标函数如下式所示：

$Fitness=\frac{|t_b-t_a|}{t_a}---\left(4\right)$

其中，Fitness为适应度，t_a为无控状态下路段内总通行时间，t_b为当前控制参数取值下路段内总通行时间。

基于遗传算法和交通流仿真模型对上述可变限速优化控制中的关键参数取值进行优化，流程如图3所示，具体流程如下：

1、初始化：设置进化代数计数器为t＝0，设置最大进化代数T(综合考虑计算效率和精确度后给出缺省值为100)，设置遗传算法中交叉概率Pc(缺省值为0.9)和变异概率Pm(缺省值为0.1)。

2、初始群体：综合考虑计算效率和精确度后给出种群大小M的缺省值为20，随机生成M个个体作为初始群体P(0)，第m个个体中包含各可变限速控制参数取值信息编码m(x₁,x₂,x₃)。

3、个体评价：将群体P(t)中个体参数值输入到交通流仿真模型中，对可变限速控制下交通流进行仿真，并对控制效果进行评估，根据适应度函数Fitness计算每个个体的适应度。

4、选择运算：从群体中选择优胜的个体，个体被选择的概率为个体适应度在整个群体适应度综合中所占比例。个体被选择之后随机组成交配对。

5、交叉运算：以一定概率在个体串中随机设定一个交叉点，实行交叉时该点前或后的两个个体部分结构进行互换，并生成两个新个体。

6、变异运算：对群体中的个体码串随机挑选一个或多个基因座，并以一定概率对这些基因座的基因值做变动。

7、产生群体：群体P(t)经过选择、交叉、变异运算之后，得到下一代群体P(t+1)，用于新一轮的迭代计算。

8、终止条件：当迭代次数达到最大代数T时，遗传算法终止；否则，重复3至7步骤直至终止条件满足。

9、参数解码：将具有最大适应度的个体作为最优解输出，并将最优解(x₁,x₂,x₃)解码成对应的可变限速控制策略的三个控制参数的取值。

不断采用上述遗传算法产生具有更好控制效果的新一代核心控制参数取值，将更新后的核心控制参数取值带入第四到第六步中，通过合适的仿真模型输出相关交通流参数计算适应度函数Fitness，遗传算法和仿真模型间不断进行数据交换和迭代最终得到可变限速优化控制参数的最优解。

第八步是将第七步中得到的控制参数K_I、饥饿参数a和控制参数K′_I的优化取值带入第四到第六步中作为控制参数的推荐取值，然后依据第一步到第六步的策略对快速道路瓶颈路段进行可变限速控制。

下面结合附图对发明的优化控制方法进行了实例演示:

假设某一2miles的快速道路瓶颈路段如图4所示，路段内包含1个出口匝道和1个入口匝道，交通瓶颈位置位于入口匝道与主线交汇处。选用元胞传输模型作为交通仿真平台，在入口匝道瓶颈位置设置检测器，检测实时占有率数据判断瓶颈区域交通流运行状态。可变限速控制区域位于瓶颈上游，控制路段长度0.3英里。根据真实交通流检测器数据对元胞传输模型进行参数标定，本路段内自由流速度为65mph，路段通行能力为1900辆/小时/车道，通行能力下降的幅度为8.4％，运动波传播速度为9mph，时走时停模型中参数取值为0.15，φ取值为0.08。可变限速控制状况为路段默认限速值V_default为65mph，路段允许限速值范围为[0mph,70mph]。

运行元胞传输模型仿真得到改进的反馈控制中的3个控制参数的优化取值，将优化后的改进反馈算法应用于快速道路瓶颈路段的可变限速控制策略。

第10min时刻，检测器1检测到瓶颈区域密度为30veh/mi/ln，大于通行能力下降现象发生时对应的占有率阈值，故开启可变限速控制，依据公式(1)计算得可变限速值为10mph。第15min时刻，检测器1检测到的瓶颈区域的密度为10veh/mi/ln，低于阈值，检测器2检测到的可变限速控制区域的密度为36veh/mi/ln，高于阈值。调整可变限速控制值消除可变限速控制区域的车辆排队，依据公式(2)计算得可变限速值为25mph。第45min时刻，检测器1检测到的瓶颈区域的密度为10veh/mi/ln，低于阈值，检测器2检测到的可变限速控制区域的密度为22veh/mi/ln，也低于阈值。调整可变限速控制值恢复至默认值65mph。

从第1min到第60min的瓶颈路段可变限速控制过程中，可变限速控制下瓶颈路段和可变限速控制路段的流量、密度、速度曲线如图5所示，可变限速值的变化如图6所示。

依据采集的数据分析可变限速控制对快速道路瓶颈路段通行效率的影响，结果如表1所示，可变限速控制将路段内平均速度由35.9mph提高到48.3mph，其中排队状态下平均速度从22.6mph提高到28.5mph，排队中平均流量从1613辆/小时/车道提高到1775辆/小时/车道，拥堵交通流密度从28.4辆/英里下降到24.3辆/英里。可变限速控制减少了路段内排队长度和拥堵持续时间达30％左右。因此基于改进反馈算法的可变限速控制能够有效改善交通瓶颈路段交通流运行，对于缓解交通拥堵、提升交通流运行效率具有明显效果。

表1可变限速控制效果汇总

评价指标	无控制	可变限速控制	差值	差值比例(％)
					系统总通行时间(车辆·小时)	35.88	26.72	-9.16	-25.5
系统总通行延误(车辆·小时)	16.31	7.16	-9.15	-56.1
					路段内平均速度(mph)	35.9	48.3	12.3	34.3
排队中平均速度(mph)	22.6	28.5	5.9	26.3
					排队中平均流量(辆/小时/车道)	1613	1755	142	8.8
排队中平均密度(辆/英里)	28.4	24.3	-4.1	-14.5
					最大排队长度(英里)	6.3	4.3	-0.7	-31.0
拥堵持续时间(分钟)	50	44	-6	-12
					系统平均离开流量(辆/小时车道)	2077	2153	76	3.7

Claims (5)

1.一种面向通行效率改善的可变限速优化控制方法，其特征是包括步骤：

1)确定可变限速控制路段及瓶颈路段范围，在瓶颈位置设置交通流检测器1，在可变限速控制路段下游端设置交通流检测器2，上游端设置可变限速指示牌，交通流检测器以30秒为周期检测各路段的交通流数据，包括占有率、交通流量和平均交通流速度。可变限速控制周期可在30秒至2分钟范围内依据控制效果选择；

2)确定瓶颈通行能力下降幅度及通行能力下降现象发生时对应的占有率阈值。基于历史交通流数据，分别计算交通流检测器1和交通流检测器2的斜累计流量并分别绘制斜累计流量-时间关系图，同时绘制两个检测器的速度-时间关系图和占有率-时间关系图。斜累计流量曲线拐点前后交通流量之差为通行能力下降幅度的标定值，拐点时刻对应的占有率值为通行能力下降现象发生时对应的占有率阈值的标定值

3)获取交通流检测器1和交通流检测器2的实时交通流数据，检测器1用于检测瓶颈区实测占有率o(k)，检测器2用于采集可变限速控制区域下游端点位置交通流数据，当瓶颈区域实测占有率o(k)大于通行能力下降发生阈值启动可变限速控制；否则，转入步骤5)；

4)当瓶颈区域发生通行能力下降时触发可变限速控制，步骤包括：

401)通过瓶颈区上游可变限速控制消除瓶颈区域的车辆排队，采用积分控制器计算可变限速控制值，计算公式如下：

$V_{SL}\left(k\right)=V_{SL}(k-1)+K_I\&lsqb;\hat{q}\left(k\right)-q\left(k\right)\&rsqb;,ifo\left(k\right)>\hat{O}$

其中，K_I为控制参数，为可变限速控制路段的期望流量，q(k)为通行能力下降之后的瓶颈交通流量，a(0<a<1)为饥饿参数，确保可变限速控制下瓶颈排队能够尽快消除；

402)比较检测器1所采集的瓶颈区实测占有率o(k)与通行能力下降发生阈值当时重复步骤4)；否则，转入步骤5)；

5)瓶颈路段排队完全消除后，微调限速值使瓶颈区域交通流维持在通行能力附近且不产生拥堵，步骤如下：

501)基于检测器2所采集的实时交通流数据判断可变限速控制区是否有车辆排队，若无车辆排队则转入步骤6)；否则，依据下式采用积分控制器计算可变限速控制值：

$V_{SL}\left(k\right)=V_{SL}(k-1)+{K^{\&prime;}}_I\&lsqb;\hat{o}-o\left(k\right)\&rsqb;,ifo\left(k\right)\&le;\hat{O}and{o}_{VSL}\left(k\right)>\hat{O}$

其中，K′_I为控制参数，o_VSL(k)为可变限速控制路段占有率；

502)比较检测器2所采集的可变限速控制路段的占有率o_VSL(k)与通行能力下降发生阈值当时重复步骤5)；否则转入步骤6)；

6)可变限速控制路段排队消散后，可变限速逐渐恢复到默认限速值，公式表达如下：

$V_{SL}\left(k\right)=V_{default},if{o}_{VSL}\left(k\right)<\hat{O}ando\left(k\right)<\hat{O}$

其中，V_default为默认可变限速值；

7)采用遗传算法对步骤4)到步骤6)中涉及的可变限速反馈控制系统中的三个关键参数进行优化取值，步骤如下：

701)确定用于可变限速优化控制方法的遗传算法优化目标函数。交通控制中普遍采用路段内总通行时间的降低值作为通行效率的衡量指标，因此目标函数如下所示：

$Fitness=\frac{|t_b-t_a|}{t_a}$

其中，Fitness为适应度，t_a为无控状态下路段内总通行时间，t_b为当前控制参数取值下路段内总通行时间；

702)基于遗传算法和交通流仿真模型间的数据传递和迭代对可变限速优化控制中的关键参数取值进行优化；在遗传算法中四个关键参数的取值如下：种群大小M为20、最大代数T为100、交叉概率Pc为0.9、变异概率Pm为0.1；初始化设置进化代数计数器为t＝0，设置最大进化代数T，设置遗传算法中交叉概率Pc和变异概率Pm；随机生成M个个体作为初始群体P(0)，第m个个体中包含各可变限速控制参数取值信息编码m(x₁,x₂,x₃)；将群体P(t)中的个体参数值输入交通流仿真模型，依据仿真输出结果计算每个个体的适应度；从群体中选择优胜的个体，个体被选择的概率为个体适应度在整个群体适应度综合中所占比例，被选择后的个体随机组成交配对；以一定概率在个体串中随机设定一个交叉点，实行交叉时该点前或后的两个个体部分结构进行互换，并生成两个新个体；按照变异概率选取群体中部分个体改动其部分参数值；群体P(t)经过选择、交叉、变异运算之后，得到下一代群体P(t+1)；当迭代次数达到最大代数T时，遗传算法终止；否则，重复初始化以后的各步骤直至终止条件满足；将具有最大适应度的个体对应的最优解(x₁,x₂,x₃)翻译成可变限速控制的三个控制参数的取值；

8)将步骤7)中得到的控制参数的优化取值带入步骤4)到步骤6)中作为控制参数的推荐取值，然后依据步骤1)到步骤6)的控制策略对快速道路鼓励瓶颈路段进行可变限速控制。

2.根据权利要求1所述的一种面向通行效率改善的可变限速优化控制方法，其特征是所述步骤1)中可变限速指示牌发布的可变限速值统一要求为5mph的倍数，因此限速值的更新值四舍五入至5mph的整数倍值进行发布。

3.根据权利要求1所述的一种面向通行效率改善的可变限速优化控制方法，其特征是所述步骤2)中斜累计流量曲线拐点位置确定方法如下：以斜累计流量发生突变的时刻作为初始拐点，以初始拐点为交点绘制初始拐点时刻前、后3分钟内两条斜累计流量拟合直线，变换拐点时刻使两直线偏离斜累积流量曲线的总方差和最小，则当前拐点即为斜累计流量曲线的最终拐点位置。

4.根据权利要求1所述的一种面向通行效率改善的可变限速优化控制方法，其特征是所述步骤401)、步骤501)和步骤6)中依据公式计算得到可变限速值后，需比较V_SL(k)值与预设的可变限速值合理范围[V_min,V_max]，当V_SL(k)超过[V_min,V_max]范围时，采用范围内最小值或最大值用于下一个可变限速控制周期，在可变限速指示牌处发布所得可变限速控制值。

5.根据权利要求1所述的一种面向通行效率改善的可变限速优化控制方法，其特征是所述步骤7)中的三个控制参数分别为步骤401)中的控制参数K_I和饥饿参数a，以及步骤501)中的控制参数K′_I。