CN111932914A - 城市拥堵区域路网双层边界控制方法 - Google Patents

城市拥堵区域路网双层边界控制方法 Download PDF

Info

Publication number
CN111932914A
CN111932914A CN202010496152.0A CN202010496152A CN111932914A CN 111932914 A CN111932914 A CN 111932914A CN 202010496152 A CN202010496152 A CN 202010496152A CN 111932914 A CN111932914 A CN 111932914A
Authority
CN
China
Prior art keywords
road network
control
intersection
road
time
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
Application number
CN202010496152.0A
Other languages
English (en)
Other versions
CN111932914B (zh
Inventor
刘攀
何子昂
徐铖铖
季彦婕
李志斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202010496152.0A priority Critical patent/CN111932914B/zh
Publication of CN111932914A publication Critical patent/CN111932914A/zh
Application granted granted Critical
Publication of CN111932914B publication Critical patent/CN111932914B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/081—Plural intersections under common control
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/08—Controlling traffic signals according to detected number or speed of vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种城市拥堵区域路网双层边界控制方法，采用出租车GPS数据和实地勘测数据，建立了路网微观仿真模型，同时构建路网宏观基本图(MFD)，在此基础上首先根据包含控制延误的路网边界控制方法(第一层控制)确定路网预期进入总量，随后将各个控制交叉口按一定的方式扩展为虚拟子区路网，以降低路网密度分布方差为控制目标，考虑因路网进入总量控制产生的排队溢出管控，开发了路网进入总量分配方法(第二层控制)。相比常用边界控制方法，控制总量分配优化控制方法稳定、有效地提高了路网表现，避免了路网因控制产生的排队溢出，具有实际工程应用价值。

Description

城市拥堵区域路网双层边界控制方法
技术领域
本发明属于区域路网交通控制领域，具体涉及包含控制延误的区域路网边界总量控制和路网预期进入总量分配优化方法，即区域路网双层边界控制方法。
背景技术
我国城市交通拥堵问题日益严峻，拥堵范围从单个交叉口和路段逐渐扩大到区域路网。为解决城市交通拥堵日益系统化、全局化的问题，亟需探索路网层面的实时交通控制方法。
近年来，国内外的学者们参照路段的交通流三参数基本图提出了网络级的宏观基本图(MFD)。MFD存在独立于路网OD和车辆个体交通行为，可以为路网实时交通控制提供简单有效的交通集聚模型。随着对MFD特性理解的不断深入，基于MFD的路网边界控制方法获得越来越多的关注。
现有的基于MFD的边界控制方法通过对单个周期内路网进入交通总量的控制，显著缓解了城市交通拥堵，但它们在确定了预期进入路网(控制)总量后，简单地采用边界交叉口上游路段的相对饱和度将该总量分配到单个控制交叉口。但是，控制总量分配方法直接影响路网内部密度分布，路网内部密度分布对路网整体表现有着显著影响。关于控制总量优化分配分配问题，现有的研究对研究范围的选定、路网密度分布目标状态对路网边界进入量的要求等关键要素都没有足够关注。同时，现有的研究忽略了控制交叉口上游路段可能存在的因控制产生排队溢出的问题。该问题在实际应用中直接影响了控制方案的可行性，缺乏对该问题的考虑会导致控制算法不具实用性。
发明内容
为了解决以上问题，本发明提供城市拥堵区域路网双层边界控制方法，由区域路网控制总量的确定方法(第一层控制)，以及考虑因控制产生的排队溢出管理和路网运行效率优化的控制总量分配优化方法(第二层控制)组成。通过使路网车辆数保持在最佳值附近，并使各个控制交叉口流入量满足路网运行效率优化和因控制产生的排队不溢出的要求；
本发明提供城市拥堵区域路网双层边界控制方法，该方法包括如下步骤：
步骤1)根据城市区域路网实际的道路线型、车道、渠化、信号配时、其他交通管理措施、车型比例以及OD数据(仅用于仿真建模)，构建包含动态分配模块的VISSIM仿真模型；
步骤2)根据路网各路段的流量和速度数据对模型进行标定；
步骤3)得到路网宏观基本图MFD，建立路网车辆数的平衡等式，并将其离散化：
ΔN(k+1)＝AΔN(k)+B[ΔUIg(k-dg)+ΔIu(k)+ΔDi(k)] 式(1)
其中，Δ为参数与参数预期值间的偏差量，N(k)是在第k个时间步长内的路网累计车辆数，UIg(k)是第k步长内从控制交叉口进入路网的流量，Di(k)是第k个时间步长内的路网内部交通需求，Iu(k)是第k个时间步长内从上游交叉口无控制的边界交叉口进入流量，dg是控制交叉口进入路网延误时间，取的时间步长的整数倍；
步骤4)假定短时间内Iu(k)+Di(k)＝0，通过基于最小平方和的参数估计算出A和B，推导出如下的标准的PI控制系统：
Figure BDA0002522909730000021
其中，KP和KI分别是非负的比例和积分增量，通过z变化可以获得在不同的时间延误dg条件下它们与参数A和B之间的关系，
Figure BDA0002522909730000022
是在路网临界车辆数范围内选取的特定车辆数值，通过在路网车辆数临界范围内试算选取使路网延误最小的值为
Figure BDA0002522909730000023
的最终值；
步骤5)计算得到KP和KI值，计算区域路网在第k个时间步长内预期进入路网交通量ΔUIg(k)；
步骤6)根据控制交叉口m上游直行进入路网路段在第k步长内的排队长度Lm(k)与对应绿灯时间最大消散排队长度lm(k)、对应路段的长度lm的关系，定义三种临界状态，假设三种状态间采用线性方式过渡，不同排队状态情况下的控制交叉口直行进入路网相位的绿灯时间求法如下：
当Lm(k)＜lm(k)时，控制系统不将排队问题纳入考虑；
当Lm(k)≥β1lm时，路段排队溢出风险很高，控制系统强制减少不低于对应绿灯时间g1s的排队长度，
Figure BDA0002522909730000031
当lm(k)≤Lm(k)＜β2(β1lm-lm(k))+lm(k)＝lm2+lm(k)时，路段排队溢出风险较高，控制系统使排队长度增速下降，
Figure BDA0002522909730000032
当lm(k)+lm2≤Lm(k)＜β1lm时，路段排队溢出风险高，控制系统使排队长度下降，
Figure BDA0002522909730000033
其中，β1和β2是系数，
Figure BDA0002522909730000034
为从控制交叉口m直行进入路网相位在第k步长的交通需求对应的必要绿灯时间，Gm(k)为第k步长对应的最终绿灯时间；
步骤7)将ΔUIg(k)分配中的研究对象从单个控制交叉口对应的单个路段，扩展为由其关联路段组成的虚拟子区路网，具体而言：
控制交叉口m的关联路段确定为：对应边界交叉口上游直行进入路网的路段，下游通过直行、左转、右转进入路网的路段，以及下游直行进入路网路段的直行下游路段，
对于单个关联路段受两个控制交叉口影响的情况，采用流入交通量相对比例修正；
步骤8)通过建立区域路网的广义宏观基本图GMFD，验证降低研究路网密度分布方差可以提高路网输出交通量的结论，确定研究路网的临界加权平均密度
Figure BDA0002522909730000035
对应于
Figure BDA0002522909730000036
并将其作为各子区路网的临界加权平均密度；
步骤9)假设
Figure BDA0002522909730000041
求出θm和γm；
步骤10)将虚拟子区路网的动态平衡等式在
Figure BDA0002522909730000042
处泰勒展开，
Figure BDA0002522909730000043
其中，
Figure BDA0002522909730000044
分别为控制交叉口m对应的虚拟子区路网在t时刻的车辆数、有控制边界交叉口进入流率同系统控制交叉口、无控制边界交叉口进入流率、内部进入流率以及输出流率，Δ是参数与参数预期值即对应
Figure BDA0002522909730000045
间的偏差量，短时间内
Figure BDA0002522909730000046
Figure BDA0002522909730000047
是控制交叉口m对应子路网由
Figure BDA0002522909730000048
和
Figure BDA0002522909730000049
组成的MFD在
Figure BDA00025229097300000410
处的斜率，
通过欧拉等式将式(3)转化为离散时间形态，
Figure BDA00025229097300000411
Xm和Ym通过基于最小平方和的参数估计得到；
步骤11)从式(4)推导出一个无差拍的PI比例积分反馈控制结构，并由此得到虚拟子区m在第k个时间步长内预期进入交通量
Figure BDA00025229097300000412
Figure BDA00025229097300000413
Figure BDA00025229097300000414
和
Figure BDA00025229097300000415
为非负参数，采用z变换可得
Figure BDA00025229097300000416
与Xm、Ym的关系，
Figure BDA00025229097300000417
须不大于边界交叉口直行进入路网相位绿灯时间的通行能力其中，KP和KI分别是非负的比例和积分增量，通过z变化可以获得在不同的时间延误dg条件下KP、KI与参数A、B之间的关系，
Figure BDA00025229097300000418
是在最佳路网车辆数临界范围内选取的特定车辆数值，通过试算选取使路网延误最小的值为
Figure BDA00025229097300000419
的最终值；
步骤12)计算控制交叉口m对应相位的最大绿灯时间
Figure BDA00025229097300000420
最小绿灯时间
Figure BDA00025229097300000421
进入路网交通需求，边界交叉口通行能力限制，以及步骤6)中排队管理限制条件；
步骤13)对于虚拟子区m预期进入量
Figure BDA0002522909730000051
符号与更新后的
Figure BDA0002522909730000052
(初始值取ΔUIg(k))不同的，按各
Figure BDA0002522909730000053
和
Figure BDA0002522909730000054
的绝对值平均分配，计算更新的
Figure BDA0002522909730000055
步骤14)对虚拟子区m预期进入量
Figure BDA0002522909730000056
符号与
Figure BDA0002522909730000057
相同的，将上一步更新后的
Figure BDA0002522909730000058
平均分配；
步骤15)对达到步骤12)中限制条件的控制交叉口预先分配流量改变值和绿灯时长，并计算更新的控制交叉口进入路网的交通总量改变量
Figure BDA0002522909730000059
步骤16)在步骤13)和步骤15)之间反复迭代，直至得到均符合限制条件的最终控制方案。
作为本发明进一步改进，采用路网边界总量控制和控制总量分配控制的双层控制来深度优化路网的边界控制效果。
作为本发明进一步改进，采用线性假设来进行路网边界控制产生排队的管理。
本发明公开了一种城市拥堵区域路网双层边界控制方法，采用出租车数据和实地勘测数据，建立了路网微观仿真模型，并建立了路网宏观基本图(MFD)，在此基础上首先根据包含延误的路网边界控制方法(第一层控制)确定路网预期进入总量，随后将各个控制交叉口按一定的方式扩展为虚拟子区路网，验证了降低路网密度分布方差能提高路网运行效率的假设，并以此为基础制定了路网进入总量分配方法(第二层控制)，该方法考虑了因路网进入总量控制产生的排队溢出管控问题。相比常用边界控制方法，控制总量分配优化控制方法稳定、有效地提高了路网表现，避免了路网控制交叉口因控制产生的排队溢出，具有实际工程应用价值。
附图说明
图1为上海田林区域路网及控制交叉口点位示意图；
图2路网双层边界控制方法流程图；
图3控制交叉口对应虚拟子区路网MFD对比图；
图4路网广义宏观基本图(GMFD)。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述：
本发明主要解决拥堵区域路网有控制延误的边界控制问题，为防止区域路网陷入拥堵状态，在路网边界交叉口上游交叉口进行边界控制，并进一步将得到的每个步长内控制进入总量分配到单个控制交叉口，通过使路网车辆数保持在最佳值附近，并使各个控制交叉口流入量满足路网运行效率优化和因控制产生的排队不溢出的要求。
下面将结合本发明实施例中的附图作进一步的说明，其中图2为路网双层边界控制方法流程图，具体步骤如下；
1)根据城市区域路网实际的道路线型、车道、渠化、信号配时、其他交通管理措施、车型比例以及OD数据(仅用于建立仿真模型)，构建包含动态分配模块的VISSIM仿真模型，具体如图1所示；
2)根据路网各路段的流量和速度数据对VISSIM模型进行标定；
3)根据如下的离散化的包含控制延误的路网车辆数的平衡等式：
ΔN(k+1)＝AΔN(k)+B[ΔUIg(k-dg)+ΔIu(k)+ΔDi(k)] 式(1)
其中，Δ为参数与参数预期值间的偏差量，N(k)是在第k个时间步长内的路网累计车辆数，UIg(k)是第k步长内从控制交叉口进入路网的流量，Di(k)是第k个时间步长内的路网内部交通需求，Iu(k)是第k个时间步长内从上游交叉口无控制的边界交叉口进入流量，dg是控制交叉口进入路网延误时间(取的时间步长的整数倍)；
4)一个时间步长内假定Iu(k)+Di(k)＝0，通过基于最小平方和的参数估计算出A和B，推导出如下的标准的PI控制系统：
Figure BDA0002522909730000071
其中，KP和KI分别是非负的比例和积分增量，通过z变化可以获得在不同的时间延误dg条件下它们与参数A和B之间的关系，
Figure BDA0002522909730000072
是在路网临界车辆数范围内选取的特定车辆数值；
5)通过在路网车辆数临界范围内试算选取使路网延误最小的值为
Figure BDA0002522909730000077
的最终值，计算对应的KP和KI值，得到区域路网在第k个时间步长内预期进入路网交通量ΔUIg(k)；
6)根据控制交叉口m上游直行进入路网路段在第k步长内的排队长度Lm(k)与对应绿灯时间最大消散排队长度lm(k)以及路段长度lm的关系，定义三种临界状态，假设三种状态间采用线性方式过渡，不同排队状态情况下的控制交叉口直行进入路网相位的绿灯时间求法如下：
当Lm(k)＜lm(k)时，控制系统不将排队问题纳入考虑；
当Lm(k)≥β1lm时，
Figure BDA0002522909730000073
当lm(k)≤Lm(k)＜β2(β1lm-lm(k))+lm(k)＝lm2+lm(k)时，
Figure BDA0002522909730000074
当lm(k)+lm2≤Lm(k)＜β1lm时，
Figure BDA0002522909730000075
其中，β1和β2是系数，
Figure BDA0002522909730000076
为从控制交叉口m直行进入路网相位在第k步长的交通需求对应的必要绿灯时间，Gm(k)为第k步长对应的最终绿灯时间；
7)针对之前的方法中确定ΔUIg(k)在控制交叉口分配时只考虑单个路段参数引发的问题，将ΔUIg(k)分配中的研究对象从单个控制交叉口对应的单个路段，扩展为其关联路段组成的虚拟子区路网：
控制交叉口的关联路段由控制交叉口驶入交通量占驶入路网总交通量比例的历史数据定义，以单个控制交叉口关联路段组成的虚拟子路网与整体路网MFD的一致性为评价指标，经过反复试算得到；
控制交叉口m的关联路段确定为：对应边界交叉口上游直行进入路网的路段，下游通过直行、左转、右转进入路网的路段，以及下游直行进入路网路段的直行下游路段；
对于单个关联路段受两个控制交叉口影响的情况，采用流入交通量相对比例修正，处理完成后各控制交叉口的宏观基本图(MFD)如图3所示；
8)为确定控制总量分配目标，通过建立区域路网的广义宏观基本图(具体如图4所示)，验证降低研究路网密度分布方差可以提高路网输出交通量的结论；
确定研究路网的临界加权平均密度
Figure BDA0002522909730000081
(对应于
Figure BDA0002522909730000082
)，并将其作为各子区路网的临界加权平均密度；
9)假设
Figure BDA0002522909730000083
求出θm和γm；
10)将虚拟子区路网的动态平衡等式在
Figure BDA0002522909730000084
处泰勒展开，则有：
Figure BDA0002522909730000085
其中，
Figure BDA0002522909730000086
分别为控制交叉口m对应的虚拟子区路网在t时刻的车辆数、有控制边界交叉口进入流率(同系统控制交叉口)、无控制边界交叉口进入流率、内部进入流率以及输出流率，Δ是参数与参数预期值(对应
Figure BDA0002522909730000087
)间的偏差量，短时间内
Figure BDA0002522909730000088
Figure BDA0002522909730000089
是控制交叉口m对应子路网由
Figure BDA00025229097300000810
和
Figure BDA00025229097300000811
组成的MFD在
Figure BDA00025229097300000812
处的斜率；
将式(3)通过欧拉等式转化为离散时间形态：
Figure BDA00025229097300000813
Xm和Ym通过基于最小平方和的参数估计得到；
11)从式(4)推导出一个无差拍的PI(比例积分)反馈控制结构，并由此得到各虚拟子区m在第k个时间步长内预期进入交通量
Figure BDA0002522909730000091
Figure BDA0002522909730000092
Figure BDA0002522909730000093
和
Figure BDA0002522909730000094
为非负参数，采用z变换可得
Figure BDA0002522909730000095
与Xm、Ym的关系，
Figure BDA0002522909730000096
须不大于边界交叉口直行进入路网相位绿灯时间的通行能力；
12)计算控制交叉口m对应相位的最大绿灯时间
Figure BDA0002522909730000097
最小绿灯时间
Figure BDA0002522909730000098
进入路网交通需求，边界交叉口通行能力限制，以及步骤6)中的排队管理限制条件；
13)对于虚拟子区m预期进入量
Figure BDA0002522909730000099
符号与更新后的
Figure BDA00025229097300000910
(初始值取ΔUIg(k))不同的，按各
Figure BDA00025229097300000911
和
Figure BDA00025229097300000912
的绝对值平均分配，计算更新的
Figure BDA00025229097300000913
14)随后，对虚拟子区m预期进入量
Figure BDA00025229097300000914
符号与
Figure BDA00025229097300000915
相同的，将上一步更新后的
Figure BDA00025229097300000916
平均分配；
15)对达到步骤12)中限制条件的控制交叉口预先分配流量改变值和绿灯时长，并计算更新的控制交叉口进入路网的交通总量改变量
Figure BDA00025229097300000917
16)在步骤13)和步骤15)间反复迭代，直至得到均符合限制条件的最终控制方案。
下面通过上海田林区域路网的实例对本发明进行说明。
该路网面积为3.1平方公里，有116条道路和53个交叉口，包含11个实施控制的边界上游信号交叉口，基于2015年3月15日至31日的约13000辆出租车GPS数据及实测数据，选取晚高峰4.5小时进行研究，所选取时段内路网存在严重的交通拥堵问题；
通过对13000余辆出租车的GPS数据处理，结合实测数据，建立了如图1中的包含动态分配模块的VISSIM仿真模型；
为验证所提出的控制交叉口对应的虚拟子区路网与研究路网的一致程度，建立了虚拟子区路网的MFD(如图3所示)，子区路网MFD的临界加权平均密度在29到43veh/km/lane之间，其中大部分都在处于36veh/km/lane附近，这与整体路网的临界加权平均密度36.6veh/km/lane相近；
为验证在路网车辆数相同时，较低的密度分布值对应较高的路网输出流量的假设，建立了GMFD(如图4所示)，从图中可明显看出当路网加权平均密度相同时，路网加权平均流量与密度分布方差成反比关系；
实例中，控制交叉口到路网最大距离为876m，按10km/h的平均速度计算，延误时间是315s，dg＝3(案例中，以100s为控制时间步长)，根据采用最小平方和的参数估计方法，求出在
Figure BDA0002522909730000101
A＝0.667、B＝0.009时，即Kp和KI分别为12和4时，可得到最好的边界控制效果；
分别求取虚拟子区m在第k个时间步长内预期进入交通量
求取控制交叉口因控制而产生排队管理而产生的限定条件；
计算控制交叉口m对应相位的最大绿灯时间
Figure BDA0002522909730000103
最小绿灯时间
Figure BDA0002522909730000104
进入路网交通需求，边界交叉口通行能力限制；
对于虚拟子区m预期进入量
Figure BDA0002522909730000105
符号与更新后的
Figure BDA0002522909730000106
(初始值取ΔUIg(k))不同的，按各
Figure BDA0002522909730000107
和
Figure BDA0002522909730000108
的绝对值平均分配，计算更新的
Figure BDA0002522909730000109
随后，对虚拟子区m预期进入量
Figure BDA00025229097300001010
符号与
Figure BDA00025229097300001011
相同的，将上一步更新后的
Figure BDA00025229097300001012
平均分配；对达到前述各限制条件的控制交叉口预先分配流量改变值和绿灯时长，计算更新的
Figure BDA00025229097300001013
反复迭代，直至得到均符合限制条件的最终控制方案。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。

Claims (3)

1.城市拥堵区域路网双层边界控制方法，其特征在于，该方法包括如下步骤：
步骤1)根据城市区域路网实际的道路线型、车道、渠化、信号配时、其他交通管理措施、车型比例以及OD数据，构建包含动态分配模块的VISSIM仿真模型；
步骤2)根据路网各路段的流量和速度数据对模型进行标定；
步骤3)得到路网宏观基本图MFD，建立路网车辆数的平衡等式，并将其离散化：
ΔN(k+1)＝AΔN(k)+B[ΔUIg(k-dg)+ΔIu(k)+ΔDi(k)] 式(1)
其中，Δ为参数与参数预期值间的偏差量，N(k)是在第k个时间步长内的路网累计车辆数，UIg(k)是第k步长内从控制交叉口进入路网的流量，Di(k)是第k个时间步长内的路网内部交通需求，Iu(k)是第k个时间步长内从上游交叉口无控制的边界交叉口进入流量，dg是控制交叉口进入路网延误时间，取的时间步长的整数倍；
步骤4)假定短时间内Iu(k)+Di(k)＝0，通过基于最小平方和的参数估计算出A和B，推导出如下的标准的PI控制系统：
Figure FDA0002522909720000011
其中，KP和KI分别是非负的比例和积分增量，通过z变化可以获得在不同的时间延误dg条件下它们与参数A和B之间的关系，
Figure FDA0002522909720000012
是在路网临界车辆数范围内选取的特定车辆数值，通过在路网车辆数临界范围内试算选取使路网延误最小的值为
Figure FDA0002522909720000013
的最终值；
步骤5)计算得到KP和KI值，计算区域路网在第k个时间步长内预期进入路网交通量ΔUIg(k)；
步骤6)根据控制交叉口m上游直行进入路网路段在第k步长内的排队长度Lm(k)与对应绿灯时间最大消散排队长度lm(k)、对应路段的长度lm的关系，定义三种临界状态，假设三种状态间采用线性方式过渡，不同排队状态情况下的控制交叉口直行进入路网相位的绿灯时间求法如下：
当Lm(k)＜lm(k)时，控制系统不将排队问题纳入考虑
当Lm(k)≥β1lm时，路段排队溢出风险很高，控制系统强制减少不低于对应绿灯时间g1s的排队长度，
Figure FDA0002522909720000021
当lm(k)≤Lm(k)＜β2(β1lm-lm(k))+lm(k)＝lm2+lm(k)时，路段排队溢出风险较高，控制系统使排队长度增速下降，
Figure FDA0002522909720000022
当lm(k)+lm2≤Lm(k)＜β1lm时，路段排队溢出风险高，控制系统使排队长度下降，
Figure FDA0002522909720000023
其中，β1和β2是系数，
Figure FDA0002522909720000024
为从控制交叉口m直行进入路网相位在第k步长的交通需求对应的必要绿灯时间，Gm(k)为第k步长对应的最终绿灯时间；
步骤7)将ΔUIg(k)分配中的研究对象从单个控制交叉口对应的单个路段，扩展为由其关联路段组成的虚拟子区路网，具体而言：
控制交叉口m的关联路段确定为：对应边界交叉口上游直行进入路网的路段，下游通过直行、左转、右转进入路网的路段，以及下游直行进入路网路段的直行下游路段，
对于单个关联路段受两个控制交叉口影响的情况，采用流入交通量相对比例修正；
步骤8)通过建立区域路网的广义宏观基本图GMFD，验证降低研究路网密度分布方差可以提高路网输出交通量的结论，确定研究路网的临界加权平均密度
Figure FDA0002522909720000025
对应于
Figure FDA0002522909720000026
并将其作为各子区路网的临界加权平均密度；
步骤9)假设
Figure FDA0002522909720000027
求出θm和γm；
步骤10)将虚拟子区路网的动态平衡等式在
Figure FDA0002522909720000028
处泰勒展开：
Figure FDA0002522909720000029
其中，
Figure FDA0002522909720000031
分别为控制交叉口m对应的虚拟子区路网在t时刻的车辆数、有控制边界交叉口进入流率同系统控制交叉口、无控制边界交叉口进入流率、内部进入流率以及输出流率，Δ是参数与参数预期值即对应
Figure FDA0002522909720000032
间的偏差量，短时间内
Figure FDA0002522909720000033
Figure FDA0002522909720000034
是控制交叉口m对应子路网由
Figure FDA0002522909720000035
和
Figure FDA0002522909720000036
组成的MFD在
Figure FDA0002522909720000037
处的斜率，
通过欧拉等式将式(3)转化为离散时间形态：
Figure FDA0002522909720000038
Xm和Ym通过基于最小平方和的参数估计得到；
步骤11)从式(4)推导出一个无差拍的PI比例积分反馈控制结构，并由此得到虚拟子区m在第k个时间步长内预期进入交通量
Figure FDA0002522909720000039
Figure FDA00025229097200000310
Figure FDA00025229097200000311
和
Figure FDA00025229097200000312
为非负参数，采用z变换可得
Figure FDA00025229097200000313
与Xm、Ym的关系，
Figure FDA00025229097200000314
须不大于边界交叉口直行进入路网相位绿灯时间的通行能力其中，KP和KI分别是非负的比例和积分增量，通过z变化可以获得在不同的时间延误dg条件下KP、KI与参数A、B之间的关系，
Figure FDA00025229097200000315
是在最佳路网车辆数临界范围内选取的特定车辆数值，通过试算选取使路网延误最小的值为
Figure FDA00025229097200000316
的最终值；
步骤12)计算控制交叉口m对应相位的最大绿灯时间
Figure FDA00025229097200000317
最小绿灯时间
Figure FDA00025229097200000318
进入路网交通需求，边界交叉口通行能力限制，以及步骤6)中排队管理限制条件；
步骤13)对于虚拟子区m预期进入量
Figure FDA00025229097200000319
符号与更新后的
Figure FDA00025229097200000320
(初始值取ΔUIg(k))不同的，按各
Figure FDA00025229097200000321
和
Figure FDA00025229097200000322
的绝对值平均分配，计算更新的
Figure FDA00025229097200000323
步骤14)对虚拟子区m预期进入量
Figure FDA00025229097200000324
符号与
Figure FDA00025229097200000325
相同的，将上一步更新后的
Figure FDA0002522909720000041
平均分配；
步骤15)对达到步骤12)中限制条件的控制交叉口预先分配流量改变值和绿灯时长，并计算更新的控制交叉口进入路网的交通总量改变量
Figure FDA0002522909720000042
步骤16)在步骤13)和步骤15)间反复迭代，直至得到均符合限制条件的最终控制方案。
2.根据权利1所述的城市拥堵区域路网双层边界控制方法，其特征在于，采用路网边界总量控制和控制总量分配控制的双层控制来深度优化路网的边界控制效果。
3.根据权利1所述的城市拥堵区域路网双层边界控制方法，其特征在于，采用线性假设来进行路网边界控制产生排队的管理。
CN202010496152.0A 2020-06-03 2020-06-03 城市拥堵区域路网双层边界控制方法 Active CN111932914B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010496152.0A CN111932914B (zh) 2020-06-03 2020-06-03 城市拥堵区域路网双层边界控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010496152.0A CN111932914B (zh) 2020-06-03 2020-06-03 城市拥堵区域路网双层边界控制方法

Publications (2)

Publication Number Publication Date
CN111932914A true CN111932914A (zh) 2020-11-13
CN111932914B CN111932914B (zh) 2022-05-13

Family

ID=73317062

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010496152.0A Active CN111932914B (zh) 2020-06-03 2020-06-03 城市拥堵区域路网双层边界控制方法

Country Status (1)

Country Link
CN (1) CN111932914B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113392577A (zh) * 2021-05-18 2021-09-14 广东工业大学 一种基于深度强化学习的区域边界主交叉口信号控制方法
CN113538897A (zh) * 2021-06-03 2021-10-22 太原理工大学 一种考虑扰动的城市交通区域迭代学习边界控制方法
CN113537555A (zh) * 2021-06-03 2021-10-22 太原理工大学 一种考虑扰动的交通子区模型预测滑模边界控制方法
CN113870549A (zh) * 2021-06-25 2021-12-31 太原理工大学 一种自适应微调算法优化交通子区迭代学习增益方法
CN114141013A (zh) * 2021-11-25 2022-03-04 东南大学 基于低渗透率网联车轨迹数据的交叉口信号配时方法
CN114141032A (zh) * 2022-02-07 2022-03-04 青岛海信网络科技股份有限公司 一种交通信号控制方案生成方法及设备
CN115206115A (zh) * 2022-07-15 2022-10-18 合肥工业大学 智能网联环境下基于多源数据边缘计算的路网拥堵区管控方法
US20220366784A1 (en) * 2020-08-17 2022-11-17 Shandong Jiaotong University Regional dynamic perimeter control method and system for preventing queuing overflow of boundary links
CN115691105A (zh) * 2022-09-06 2023-02-03 昆明理工大学 一种考虑车队离散的路段行人过街最大压信号控制方法
CN115691138A (zh) * 2022-11-02 2023-02-03 东南大学 一种路网子区划分及子区边界流量控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105206070A (zh) * 2015-08-14 2015-12-30 公安部交通管理科学研究所 道路交通信号协调实时优化控制方法及其控制系统
CN106952484A (zh) * 2017-03-28 2017-07-14 广东工业大学 基于宏观基本图的路网门限控制
CN106971565A (zh) * 2017-04-22 2017-07-21 高新兴科技集团股份有限公司 一种基于物联网的区域交通边界控制与诱导协同方法及系统
CN107507415A (zh) * 2017-07-06 2017-12-22 广东交通职业技术学院 车联网下基于mfd和排队长度的路网边界限流控制方法
CN109872538A (zh) * 2019-04-16 2019-06-11 广东交通职业技术学院 基于mfd的饱和交叉口群多层边界迭代学习控制方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105206070A (zh) * 2015-08-14 2015-12-30 公安部交通管理科学研究所 道路交通信号协调实时优化控制方法及其控制系统
CN106952484A (zh) * 2017-03-28 2017-07-14 广东工业大学 基于宏观基本图的路网门限控制
CN106971565A (zh) * 2017-04-22 2017-07-21 高新兴科技集团股份有限公司 一种基于物联网的区域交通边界控制与诱导协同方法及系统
CN107507415A (zh) * 2017-07-06 2017-12-22 广东交通职业技术学院 车联网下基于mfd和排队长度的路网边界限流控制方法
CN109872538A (zh) * 2019-04-16 2019-06-11 广东交通职业技术学院 基于mfd的饱和交叉口群多层边界迭代学习控制方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
金尚泰 等: "城市交通区域的迭代学习边界控制", 《控制与决策》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11908321B2 (en) * 2020-08-17 2024-02-20 Shandong Jiaotong University Regional dynamic perimeter control method and system for preventing queuing overflow of boundary links
US20220366784A1 (en) * 2020-08-17 2022-11-17 Shandong Jiaotong University Regional dynamic perimeter control method and system for preventing queuing overflow of boundary links
CN113392577B (zh) * 2021-05-18 2023-01-13 广东工业大学 一种基于深度强化学习的区域边界主交叉口信号控制方法
CN113392577A (zh) * 2021-05-18 2021-09-14 广东工业大学 一种基于深度强化学习的区域边界主交叉口信号控制方法
CN113538897A (zh) * 2021-06-03 2021-10-22 太原理工大学 一种考虑扰动的城市交通区域迭代学习边界控制方法
CN113537555A (zh) * 2021-06-03 2021-10-22 太原理工大学 一种考虑扰动的交通子区模型预测滑模边界控制方法
CN113538897B (zh) * 2021-06-03 2022-11-01 太原理工大学 一种考虑扰动的城市交通区域迭代学习边界控制方法
CN113870549A (zh) * 2021-06-25 2021-12-31 太原理工大学 一种自适应微调算法优化交通子区迭代学习增益方法
CN113870549B (zh) * 2021-06-25 2023-02-03 太原理工大学 一种自适应微调算法优化交通子区迭代学习增益方法
CN114141013A (zh) * 2021-11-25 2022-03-04 东南大学 基于低渗透率网联车轨迹数据的交叉口信号配时方法
CN114141013B (zh) * 2021-11-25 2022-12-13 东南大学 基于低渗透率网联车轨迹数据的交叉口信号配时方法
CN114141032A (zh) * 2022-02-07 2022-03-04 青岛海信网络科技股份有限公司 一种交通信号控制方案生成方法及设备
CN115206115A (zh) * 2022-07-15 2022-10-18 合肥工业大学 智能网联环境下基于多源数据边缘计算的路网拥堵区管控方法
CN115206115B (zh) * 2022-07-15 2023-05-02 合肥工业大学 智能网联环境下基于多源数据边缘计算的路网拥堵区管控方法
CN115691105A (zh) * 2022-09-06 2023-02-03 昆明理工大学 一种考虑车队离散的路段行人过街最大压信号控制方法
CN115691105B (zh) * 2022-09-06 2023-09-15 昆明理工大学 一种考虑车队离散的路段行人过街最大压信号控制方法
CN115691138A (zh) * 2022-11-02 2023-02-03 东南大学 一种路网子区划分及子区边界流量控制方法
CN115691138B (zh) * 2022-11-02 2023-09-26 东南大学 一种路网子区划分及子区边界流量控制方法

Also Published As

Publication number Publication date
CN111932914B (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
CN111932914B (zh) 城市拥堵区域路网双层边界控制方法
Zhang et al. Optimizing minimum and maximum green time settings for traffic actuated control at isolated intersections
CN102005122B (zh) 多匝道调节方法及其系统
CN103996289B (zh) 一种流量-速度匹配模型及行程时间预测方法及系统
CN111931317B (zh) 基于车载gps数据的区域拥堵路网边界控制方法
CN103794065B (zh) 一种主动式的城市道路区域信号配时参数协同优化方法
CN113538897B (zh) 一种考虑扰动的城市交通区域迭代学习边界控制方法
CN112466117A (zh) 基于深度时空残差网络的路网短时交通流预测方法
Papamichail et al. Balancing of queues or waiting times on metered dual-branch on-ramps
CN112907950B (zh) 一种面向车路协同环境的元胞传输模型改进方法
CN111429733A (zh) 一种基于宏观基本图的路网交通信号控制方法
Pham et al. Learning coordinated traffic light control
CN104574968A (zh) 一种临界交通状态参数的确定方法
CN114358664B (zh) 变化环境与洪旱急转条件下洪水调度与水资源保障方法
CN108335483A (zh) 交通拥堵扩散路径的推断方法及其系统
CN113205676A (zh) 一种基于元胞传输模型的建模方法及参数标定方法
CN113408189B (zh) 基于可变元胞的城市多点循环式紧急疏散与仿真推演方法
Ge et al. Energy-sustainable traffic signal timings for a congested road network with heterogeneous users
CN116564088A (zh) 面向信息物理融合系统的城市交通状态监测与区域信号控制系统
Afandizadeh Zargari et al. Improving SCATS operation during congestion periods using internal/external traffic metering strategy
CN104616507A (zh) 一种交通子区信号周期的协调控制方法及系统
Li et al. Coordination optimization of VSL strategy on urban expressway and main road intersection signal
CN106652442A (zh) 需求调控的一般性控制模型及其建立方法和应用
Kovvali et al. Program for optimizing diamond interchanges in oversaturated conditions
de Luca et al. A hybrid traffic control framework for urban network management

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