CN111540205A - 一种城市交通网络牵制控制方法 - Google Patents
一种城市交通网络牵制控制方法 Download PDFInfo
- Publication number
- CN111540205A CN111540205A CN202010385799.6A CN202010385799A CN111540205A CN 111540205 A CN111540205 A CN 111540205A CN 202010385799 A CN202010385799 A CN 202010385799A CN 111540205 A CN111540205 A CN 111540205A
- Authority
- CN
- China
- Prior art keywords
- network
- road
- road section
- containment
- traffic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种城市交通网络牵制控制方法,属于城市交通网络控制技术领域,该方法建立了基于CTM的离散时间城市道路交通网络的模型,针对城市道路交通堵塞问题,将复杂网络的牵制控制思想应用于城市道路交通分析与控制中,本发明还设计了牵制控制器,并给出了使路段车流量稳定的控制策略,将绿灯时长的变化量作为控制输入,对受控系统的稳定性进行了分析,给出了城市道路交通网络牵制控制的稳定性条件,使得整个受控网络达到同步,使得路段流量稳定在期望值附近,降低了控制成本,更好地解决了城市道路交通拥堵问题。
Description
技术领域
本发明涉及城市交通网络控制技术领域,尤其涉及一种城市交通网络牵制控制方法。
背景技术
目前,由于机动车数量的不断增加,交通拥堵问题在我国各大城市都普遍存在,尤其是在车流高峰时期,某些交叉口出现严重交通拥堵,产生车辆排队滞留等交通现象,城市道路交通网络的不断发展,使得城市道路网络具有明显的复杂网络特征,在城市道路交通网络控制方法中,交叉路口是两条或两条以上道路相互交叉而产生的作为方向转换的枢纽,各交叉口的交通流是相互关联和影响的,任何一个交叉口的交通拥堵都会导致相邻的路口和区域也会发生拥堵,良好高效的车流秩序是保证道路交通网络畅通的主要因素,而控制是避免地面交通拥塞的必要手段,因此,对关键交叉口的绿灯时长施加控制具有十分重要的意义。
传统的交通信号控制策略大多数基于定时信号控制,但是,固定时间信号控制策略仅适用到交通状况欠饱和的情况,由于在一天的不同时段,交通特征可能会发生很大变化,而控制策略应适应任何时期的突然变化,因此,反馈控制方法是达到这个目的最好的方法,为此,我们提出一种城市交通网络牵制控制方法。
发明内容
针对上述现有技术的不足,本发明提供一种城市交通网络牵制控制方法。
为解决上述技术问题,本发明所采取的技术方案是:一种城市交通网络牵制控制方法,包括如下步骤:
步骤1:对城市相邻交叉路口进行建模:
除单行线外,设每条路段拥有两个车流行驶方向,两个行驶方向之间彼此独立;将单向路段定义为复杂网络的节点,路段内如果有车流通行,则存在连边;定义路段i的上游路段集合为Ri,路段i的下游路段集合为Di;如图1所示为典型的城市交叉路口示意图,以路段i为例,车辆只可能从路段1,2,3(上游路段)进入路段i,因此路段i与路段1,2,3存在连边,则路段i的上游路段集合为Ri={1,2,3};同时,路段i的车辆只能进入到路段4,5,6(下游路段),与i存在连边,则路段i的下游路段集合为Di={1,2,3},其建模示意图如图2所示。
步骤2:采用CTM模型对步骤1建模后的相邻交叉口进行交通流量动力学描述,得到相邻交叉口的交通流模型;
步骤2.1:基于CTM模型可将路段i的交通流模型描述为:
qi(t+1)=qi(t)+qji(t)-qid(t) (1)
其中,表示在时间区间[tT,(t+1)T]内由路段j进入到路段i的车辆数,表示在时间区间[tT,(t+1)T]内由路段i进入到路段d的车辆数,t为离散时间变量,T表示采样周期,βji(t)表示路段j中转向路段i的车辆数的所占比例,βid(t)表示路段i中转向路段d的车辆数的所占比例,通过视频车辆检测器实时监测得到;sj、si分别表示路段j、i的饱和流率,表征一条进口车道的极限通行能力;gji、gid分别表示由路段j驶向路段i的固定绿灯时长和由路段i驶向路段d的固定绿灯时长;
步骤2.2:考虑含有N条内部路段的路网,将路段车辆数q(t)作为状态变量,那么路网的状态方程可描述为:
其中,1≤i≤N,xi(t)∈R是第i个节点的状态变量,表示路段i在第t个采样周期内具有的车辆数;
步骤2.3:假设车辆以饱和流率通过相应交叉口,则路段j的饱和流率sj、路段j与路段i之间的转向比例βji(t)、绿灯时间gji满足如下关系:
βji(t)·sj·gji=cji(t)·xj(t) (3)
其中,cji(t)为在时间区间[tT,(t+1)T]内路段j转向路段i的车辆数所占路段j原有车辆数的比例;
步骤2.4:假定cji(t)=cid(t)=c为常数,结合式(2)和式(3)可以得到:
其中,aji为网络的邻接矩阵A=(aij)N×N中的元素,表示网络的拓扑结构,如果节点i和节点j之间有连接,则有aij=aji=1(j≠i),否则,aij=aji=0,且满足若将与第i个节点相连接的边的数目定义为节点i的度ki,则有
步骤3:根据复杂网络牵制控制策略,设计牵制控制器,选择牵制节点,对整个网络进行牵制控制。
所述复杂网络牵制控制策略为:
当t→∞有x1(t)=x2(t)=...xN(t)=s(t),即系统中每个节点的状态达到完全同步;
其中,s(t)为同步状态,是一个独立节点的解,满足s(t+1)=s(t)。
所述同步状态s(t)包括:孤立节点的平衡点、周期轨道和混沌轨道。
假设G=(gji)∈RN×N是不可约实对称矩阵,且满足
则G具有如下性质:
1)0是G对应于特征向量[1,1,...,1]T的一个特征值;
2)G的所有特征值的实部均小于等于0,且0是G的一重特征值;
ATφk=λkφk,(k=1,2....N)
其中0=λ1≥λ2≥...≥λN为矩阵A的特征值。
对于给定的对称矩阵
以下3个条件是等价的:
1)S<0
对任意向量x,y∈Rn,都有:
2xTy≤xTx+yTy
所述设计牵制控制器,选择牵制节点,对整个网络进行牵制控制的过程如下:
S1:已知路网拓扑结构、路段编号,以及路段间的邻接矩阵A=(aij)N×N、各路段初始状态x(0),给出采样周期T,初始化饱和流率、转向比例,令t=0;
S2:通过线性矩阵不等式(5)求解出满足条件的矩阵K和P:
假设存在一个正定矩阵P∈RN×N使得如下矩阵不等式成立,则通过牵制控制器ui(t),即公式(15)使得动态误差系统,即公式(17)渐近稳定,此时受控网络达到同步:
ε1=2λcP-KBP+λ2c2P-λcKBP-BTKTP+cλBTKTP+BTKTKB (6)
其中,λ为特征值向量,E为单位矩阵;
针对动态误差系统,选取Lyapunov函数:
V(t)=wT(t)Pw(t) (7)
对公式(7)求差分得:
其中,ε=2λcP-KBP+λ2c2P-λcKBP-BTKTP+cλBTKTP+BTKTPKB;
根据对任意向量x,y∈Rn,都有:2xTy≤xTx+yTy,推导出:
由式(8)及式(9)可以得到:
得到如下与Ξ<0等价的不等式:
求解线性矩阵不等式即公式(5),得到满足条件的矩阵K和P;
S3:建立出t+1时刻系统的状态方程:
将路段i的上游路段驶向路段i的绿灯时间的变化量Δgji作为控制输入ui,不失一般性,选择前l(1≤l≤N)个节点施加控制,被控网络中第i个节点的状态方程可描述为:
其中,bi为关键交叉口的绿灯时长变化量与路网内路段车辆数之间关系的输入矩阵B=diag(b1,b2,...,bN)∈RN×N中的元素,元素bi定义如下:
定义误差向量ei(t)=xi(t)-s(t),则动态误差系统可描述为:
其中,ui(t)为牵制同步控制器,其具体形式为:
ui(t)=-kiei(t) (15)
其中,K=diag(k1,k2,...,kN)∈RN×N为反馈增益矩阵,其对角线元素定义如下:
定义e(t)=(e1(t),e2(t),...,eN(t))T∈RN,则动态误差系统(14)可写为:
e(t+1)=e(t)+cATe(t)-BKe(t) i=1,2....N(17)
ATφk=λkφk(k=1,2....N) (18)
令w(t)=Φe(t),由式(17)可得:
因此,公式(12)的被控网络的系统状态方程的稳定性问题转化为公式(19)的动态误差系统稳定性问题;
S4:将反馈增益ki代入牵制同步控制器的表达式(15)中,得到控制输入ui,再将路段间的绿灯时间g作用于系统状态方程,即公式(12),更新路网状态;令t=t+1;
S5:判断是否满足终止条件||xi(t)-s(t)||2<δ,其中δ为给定的误差允许范围,若不满足,返回执行S3;若满足,则停止计算。
采用上述技术方案所产生的有益效果在于:
1、本发明将复杂网络的牵制控制思想应用于城市道路交通分析与控制中,研究了城市道路交通网络的牵制控制方法,将城市道路交通网络抽象为复杂网络,建立了城市道路交通离散时间耦合网络的状态方程;
2、本发明设计了牵制控制器,并给出了使路段车流量稳定的控制策略,本发明的方法对关键交叉口进行牵制控制使得整个受控网络达到同步,使得路段流量稳定在期望值附近,降低了控制成本,更好地解决了城市道路交通拥堵问题。
附图说明
图1为本发明典型城市交叉路口示意图;
图2为本发明典型城市交叉路口建模示意图;
图3为本发明实施例中路网结构示意图;
图4为本发明实施例中受控节点个数为2时各节点状态变化曲线结构示意图;
图5为本发明实施例中受控节点个数为2时各节点误差变化曲线结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图3所示,本实施例的路网结构含有20条路段。
步骤1:对图3所示的城市相邻交叉路口的20条路段进行建模;
步骤2:采用CTM模型对步骤1建模后的相邻交叉口进行交通流量动力学描述,得到相邻交叉口的交通流模型;
步骤2.1:基于CTM模型可将路段i的交通流模型描述为:
qi(t+1)=qi(t)+qji(t)-qid(t) (1)
其中,表示在时间区间[tT,(t+1)T]内由路段j进入到路段i的车辆数,表示在时间区间[tT,(t+1)T]内由路段i进入到路段d的车辆数,t为离散时间变量,T表示采样周期,βji(t)表示路段j中转向路段i的车辆数的所占比例,βid(t)表示路段i中转向路段d的车辆数的所占比例,通过视频车辆检测器实时监测得到;sj、si分别表示路段j、i的饱和流率,表征一条进口车道的极限通行能力;gji、gid分别表示由路段j驶向路段i的固定绿灯时长和由路段i驶向路段d的固定绿灯时长;
步骤2.2:考虑含有N条内部路段的路网,将路段车辆数q(t)作为状态变量,那么路网的状态方程可描述为:
其中,1≤i≤N,xi(t)∈R是第i个节点的状态变量,表示路段i在第t个采样周期内具有的车辆数;
步骤2.3:假设车辆以饱和流率通过相应交叉口,则路段j的饱和流率sj、路段j与路段i之间的转向比例βji(t)、绿灯时间gji满足如下关系:
βji(t)·sj·gji=cji(t)·xj(t) (3)
其中,cji(t)为在时间区间[tT,(t+1)T]内路段j转向路段i的车辆数所占路段j原有车辆数的比例;
步骤2.4:假定cji(t)=cid(t)=c为常数,结合式(2)和式(3)可以得到:
其中,aji为网络的邻接矩阵A=(aij)N×N中的元素,表示网络的拓扑结构,如果节点i和节点j之间有连接,则有aij=aji=1(j≠i),否则,aij=aji=0,且满足若将与第i个节点相连接的边的数目定义为节点i的度ki,则有
步骤3:根据复杂网络牵制控制策略,设计牵制控制器,选择牵制节点,对整个网络进行牵制控制。
所述复杂网络牵制控制策略为:
当t→∞有x1(t)=x2(t)=...xN(t)=s(t),即系统中每个节点的状态达到完全同步;
其中,s(t)为同步状态,是一个独立节点的解,满足s(t+1)=s(t)。
所述同步状态s(t)包括:孤立节点的平衡点、周期轨道和混沌轨道。
假设G=(gji)∈RN×N是不可约实对称矩阵,且满足
则G具有如下性质:
1)0是G对应于特征向量[1,1,...,1]T的一个特征值;
2)G的所有特征值的实部均小于等于0,且0是G的一重特征值;
ATφk=λkφk,(k=1,2....N)
其中0=λ1≥λ2≥...≥λN为矩阵A的特征值。
对于给定的对称矩阵
以下3个条件是等价的:
1)S<0
对任意向量x,y∈Rn,都有:
2xTy≤xTx+yTy
所述设计牵制控制器,选择牵制节点,对整个网络进行牵制控制的过程如下:
S1:已知路网拓扑结构、路段编号,以及路段间的邻接矩阵A=(aij)N×N、各路段初始状态x(0),给出采样周期T,初始化饱和流率、转向比例,令t=0;
S2:通过线性矩阵不等式(5)求解出满足条件的矩阵K和P:
假设存在一个正定矩阵P∈RN×N使得如下矩阵不等式成立,则通过牵制控制器ui(t)即公式(15),使得动态误差系统,即公式(17)渐近稳定,此时受控网络达到同步:
ε1=2λcP-KBP+λ2c2P-λcKBP-BTKTP+cλBTKTP+BTKTKB (6)
其中,λ为特征值向量,E为单位矩阵;
针对动态误差系统,选取Lyapunov函数:
V(t)=wT(t)Pw(t) (7)
对公式(7)求差分得:
其中,ε=2λcP-KBP+λ2c2P-λcKBP-BTKTP+cλBTKTP+BTKTPKB;
根据对任意向量x,y∈Rn,都有:2xTy≤xTx+yTy,推导出:
由式(8)及式(9)可以得到:
得到如下与Ξ<0等价的不等式:
求解线性矩阵不等式即公式(5),得到满足条件的矩阵K和P;
S3:建立出t+1时刻系统的状态方程:
将路段i的上游路段驶向路段i的绿灯时间的变化量Δgji作为控制输入ui,不失一般性,选择前l(1≤l≤N)个节点施加控制,被控网络中第i个节点的状态方程可描述为:
其中,bi为关键交叉口的绿灯时长变化量与路网内路段车辆数之间关系的输入矩阵B=diag(b1,b2,...,bN)∈RN×N中的元素,元素bi定义如下:
定义误差向量ei(t)=xi(t)-s(t),则动态误差系统可描述为:
其中,ui(t)为牵制同步控制器,其具体形式为:
ui(t)=-kiei(t) (15)
其中,K=diag(k1,k2,...,kN)∈RN×N为反馈增益矩阵,其对角线元素定义如下:
定义e(t)=(e1(t),e2(t),...,eN(t))T∈RN,则动态误差系统(14)可写为:
e(t+1)=e(t)+cATe(t)-BKe(t) i=1,2....N(17)
ATφk=λkφk(k=1,2....N) (18)
令w(t)=Φe(t),由式(17)可得:
因此,公式(12)的被控网络的系统状态方程的稳定性问题转化为公式(19)的动态误差系统稳定性问题;
S4:将反馈增益ki代入牵制同步控制器的表达式(15)中,得到控制输入ui,再将路段间的绿灯时间g作用于系统状态方程,即公式(12),更新路网状态;令t=t+1;
S5:判断是否满足终止条件||xi(t)-s(t)||2<δ,其中δ为给定的误差允许范围,若不满足,返回执行S3;若满足,则停止计算。
本实施例中,内部路段条数N=20,设被控网络的同步状态为s(t)=20,初始状态x(0)=[8,13,12,32,49,22,33,34,19,9,6,18,28,34,22,26,24,29,25,17]T,选取比例c=0.2,采样周期T=50s,牵制控制节点个数l=2,选择度最大的节点3和节点4进行控制,即对路段3、4的上游路段R3={5,13,16}、R4={2,12,9}的绿灯时长进行控制,而其他路段采用固定绿灯时长,各路段间的绿灯时长用矩阵G来表示,元素gji表示由路段j驶向路段i的固定绿灯时长(单位为秒):
本实施例选取控制增益为k3=0.73,k4=0.95,利用Matlab编写仿真程序,仿真所得到被控路网各节点的状态变化曲线如图4所示。所得到各节点同步误差变化曲线如图5所示。
由上述仿真结果可以得到,在选择2个节点作为牵制节点的情况下,被控网络中各节点的同步误差经过20个采样周期左右收敛于0,即各节点同步于期望状态。在耦合强度和受控节点度不变的条件下,增加网络受控节点个数,网络达到同步状态所需的时间会减少。因此,对于含有20条内部路段的路网,相比于牵制节点个数为1的情况下,通过对两个牵制节点施加控制,可以使整个网络在耗时较短的情况下达到同步状态,且控制成本较低,验证了本文所设计控制方法的有效性。
Claims (5)
1.一种城市交通网络牵制控制方法,其特征在于:包括如下步骤:
步骤1:对城市相邻交叉路口进行建模:
除单行线外,设每条路段拥有两个车流行驶方向,两个行驶方向之间彼此独立;将单向路段定义为复杂网络的节点,路段内如果有车流通行,则存在边;定义路段i的上游路段集合为Ri,路段i的下游路段集合为Di;
步骤2:采用CTM模型对步骤1建模后的相邻交叉口进行交通流量动力学描述,得到相邻交叉口的交通流模型;
步骤3:根据复杂网络牵制控制策略,设计牵制控制器,选择牵制节点,对整个网络进行牵制控制。
2.根据权利要求1所述的一种城市交通网络牵制控制方法,其特征在于:所述步骤2的过程如下:
步骤2.1:基于CTM模型可将路段i的交通流模型描述为:
qi(t+1)=qi(t)+qji(t)-qid(t) (1)
其中,表示在时间区间[tT,(t+1)T]内由路段j进入到路段i的车辆数,表示在时间区间[tT,(t+1)T]内由路段i进入到路段d的车辆数,t为离散时间变量,T表示采样周期,βji(t)表示路段j中转向路段i的车辆数的所占比例,βid(t)表示路段i中转向路段d的车辆数的所占比例,通过视频车辆检测器实时监测得到;sj、si分别表示路段j、i的饱和流率,表征一条进口车道的极限通行能力;gji、gid分别表示由路段j驶向路段i的固定绿灯时长和由路段i驶向路段d的固定绿灯时长;
步骤2.2:考虑含有N条内部路段的路网,将路段车辆数q(t)作为状态变量,那么路网的状态方程可描述为:
其中,1≤i≤N,xi(t)∈R是第i个节点的状态变量,表示路段i在第t个采样周期内具有的车辆数;
步骤2.3:假设车辆以饱和流率通过相应交叉口,则路段j的饱和流率sj、路段j与路段i之间的转向比例βji(t)、绿灯时间gji满足如下关系:
βji(t)·sj·gji=cji(t)·xj(t) (3)
其中,cji(t)为在时间区间[tT,(t+1)T]内路段j转向路段i的车辆数所占路段j原有车辆数的比例;
步骤2.4:假定cji(t)=cid(t)=c为常数,结合式(2)和式(3)可以得到:
3.根据权利要求1所述的一种城市交通网络牵制控制方法,其特征在于:所述复杂网络牵制控制策略为:
当t→∞有x1(t)=x2(t)=...xN(t)=s(t),即系统中每个节点的状态达到完全同步;
其中,s(t)为同步状态,是一个独立节点的解,满足s(t+1)=s(t)。
4.根据权利要求3所述的一种城市交通网络牵制控制方法,其特征在于:所述同步状态s(t)包括:孤立节点的平衡点、周期轨道和混沌轨道。
5.根据权利要求1所述的一种城市交通网络牵制控制方法,其特征在于:所述设计牵制控制器,选择牵制节点,对整个网络进行牵制控制的过程如下:
S1:已知路网拓扑结构、路段编号,以及路段间的邻接矩阵A=(aij)N×N、各路段初始状态x(0),给出采样周期T,初始化饱和流率、转向比例,令t=0;
S2:通过线性矩阵不等式(5)求解出满足条件的矩阵K和P:
假设存在一个正定矩阵P∈RN×N使得如下矩阵不等式成立,则通过牵制控制器ui(t),即公式(15)使得动态误差系统,即公式(17)渐近稳定,此时受控网络达到同步:
ε1=2λcP-KBP+λ2c2P-λcKBP-BTKTP+cλBTKTP+BTKTKB (6)
其中,λ为特征值向量,E为单位矩阵;
针对动态误差系统,选取Lyapunov函数:
V(t)=wT(t)Pw(t) (7)
对公式(7)求差分得:
其中,ε=2λcP-KBP+λ2c2P-λcKBP-BTKTP+cλBTKTP+BTKTPKB;
根据对任意向量x,y∈Rn,都有:2xTy≤xTx+yTy,推导出:
由式(8)及式(9)可以得到:
得到如下与Ξ<0等价的不等式:
求解线性矩阵不等式即公式(5),得到满足条件的矩阵K和P;
S3:建立出t+1时刻系统的状态方程:
将路段i的上游路段驶向路段i的绿灯时间的变化量Δgji作为控制输入ui,不失一般性,选择前l(1≤l≤N)个节点施加控制,被控网络中第i个节点的状态方程可描述为:
其中,bi为关键交叉口的绿灯时长变化量与路网内路段车辆数之间关系的输入矩阵B=diag(b1,b2,...,bN)∈RN×N中的元素,元素bi定义如下:
定义误差向量ei(t)=xi(t)-s(t),则动态误差系统可描述为:
其中,ui(t)为牵制同步控制器,其具体形式为:
ui(t)=-kiei(t) (15)
其中,K=diag(k1,k2,...,kN)∈RN×N为反馈增益矩阵,其对角线元素定义如下:
定义e(t)=(e1(t),e2(t),...,eN(t))T∈RN,则动态误差系统(14)可写为:
e(t+1)=e(t)+cATe(t)-BKe(t) i=1,2....N (17)
ATφk=λkφk(k=1,2....N) (18)
令w(t)=Φe(t),由式(17)可得:
因此,公式(12)的被控网络的系统状态方程的稳定性问题转化为公式(19)的动态误差系统稳定性问题;
S4:将反馈增益ki代入牵制同步控制器的表达式(15)中,得到控制输入ui,再将路段间的绿灯时间g作用于系统状态方程,即公式(12),更新路网状态;令t=t+1;
S5:判断是否满足终止条件||xi(t)-s(t)||2<δ,其中δ为给定的误差允许范围,若不满足,返回执行S3;若满足,则停止计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010385799.6A CN111540205B (zh) | 2020-05-09 | 2020-05-09 | 一种城市交通网络牵制控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010385799.6A CN111540205B (zh) | 2020-05-09 | 2020-05-09 | 一种城市交通网络牵制控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111540205A true CN111540205A (zh) | 2020-08-14 |
CN111540205B CN111540205B (zh) | 2021-08-06 |
Family
ID=71977605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010385799.6A Active CN111540205B (zh) | 2020-05-09 | 2020-05-09 | 一种城市交通网络牵制控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111540205B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112417070A (zh) * | 2020-10-29 | 2021-02-26 | 汉海信息技术(上海)有限公司 | 路网拓扑构建方法、装置、电子设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109407519A (zh) * | 2018-12-19 | 2019-03-01 | 辽宁石油化工大学 | 一种基于协议失效的卫星运载火箭牵制控制器控制方法 |
-
2020
- 2020-05-09 CN CN202010385799.6A patent/CN111540205B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109407519A (zh) * | 2018-12-19 | 2019-03-01 | 辽宁石油化工大学 | 一种基于协议失效的卫星运载火箭牵制控制器控制方法 |
Non-Patent Citations (10)
Title |
---|
GIANLUCA BIANCHIN: "Gramian-Based Optimization for the Analysis and Control of Traffic Networks", 《 IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
JIAHU QIN: "A study of synchronization of complex networks via pinning control", 《2011 IEEE INTERNATIONAL SYMPOSIUM OF CIRCUITS AND SYSTEMS (ISCAS)》 * |
JING YAO: "Pinning control of a new car-following model with the consideration of preceding and following cars", 《2015 IEEE CONFERENCE ON CONTROL APPLICATIONS (CCA)》 * |
TAO REN: "Cluster Synchronization of Nonlinearly Coupled Directed Network via Pinning Control Strategy*", 《2019 IEEE 15TH INTERNATIONAL CONFERENCE ON CONTROL AND AUTOMATION (ICCA)》 * |
年东: "耦合关系下的交叉口牵制控制研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
庞明宝: "基于元胞传输的高速公路节点耦合仿真模型", 《重庆理工大学学报(自然科学)》 * |
张逊逊: "基于MFD的城市区域路网多子区协调控制策略", 《交通运输系统工程与信息》 * |
毛剑楠: "受控智能路网交通拥挤牵制控制方法", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
王冠: "耦合动力系统的同步控制研究", 《中国博士学位论文全文数据库信息科技辑》 * |
郑海青: "一类具有多种耦合时滞的复杂动态网络的牵制同步", 《控制与决策》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112417070A (zh) * | 2020-10-29 | 2021-02-26 | 汉海信息技术(上海)有限公司 | 路网拓扑构建方法、装置、电子设备及存储介质 |
CN112417070B (zh) * | 2020-10-29 | 2021-12-10 | 汉海信息技术(上海)有限公司 | 路网拓扑构建方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111540205B (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Papamichail et al. | Traffic-responsive linked ramp-metering control | |
CN103996289B (zh) | 一种流量-速度匹配模型及行程时间预测方法及系统 | |
CN111932914A (zh) | 城市拥堵区域路网双层边界控制方法 | |
CN111899534A (zh) | 基于道路实时容量的交通灯智能控制方法 | |
CN104134356A (zh) | 城市交叉口模型参考自适应信号的控制方法 | |
US20220366784A1 (en) | Regional dynamic perimeter control method and system for preventing queuing overflow of boundary links | |
Mahut et al. | Calibration and application of a simulation-based dynamic traffic assignment model | |
CN111540205B (zh) | 一种城市交通网络牵制控制方法 | |
Li et al. | Connected vehicle-based traffic signal coordination | |
CN111028511A (zh) | 一种交通拥堵预警方法及装置 | |
CN110838237B (zh) | 一种禁左十字交叉口左转公交车通行控制方法 | |
Bayen et al. | Network congestion alleviation using adjoint hybrid control: Application to highways | |
CN113485124A (zh) | 一种考虑通信时滞的异构车辆队列稳定性控制方法及系统 | |
Lin et al. | A simplified macroscopic urban traffic network model for model-based predictive control | |
CN105489027B (zh) | 一种面向单点瓶颈的下游区域信号优化方法 | |
JPH0962979A (ja) | 交通流予測装置 | |
CN111783262B (zh) | 一种基于层次化图神经网络的路网表征的学习方法 | |
CN112258856A (zh) | 一种区域交通信号数据驱动控制模型建立方法 | |
CN117133138A (zh) | 一种多交叉口交通信号协同控制方法 | |
Glizer | Asymptotic solution of zero-sum linear-quadratic differential game with cheap control for minimizer | |
CN113538921B (zh) | 一种基于t-cps系统的监测体系的构建方法 | |
CN116071939A (zh) | 一种交通信号控制模型的建立方法及控制方法 | |
Hu et al. | Traffic Signal Synchronization in the Saturated High‐Density Grid Road Network | |
Zegeye et al. | Model predictive traffic control to reduce vehicular emissions-An LPV-based approach | |
Lin et al. | Study on fast model predictive controllers for large urban traffic networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |