丢包环境下迭代学习的快速路入口匝道控制方法及系统技术方案

本发明专利技术提供了一种丢包环境下迭代学习的快速路入口匝道控制方法及系统。所述的方法需要未丢失的实际交通流密度值与期望交通流密度获得当前误差函数，由误差函数与基于误差的自适应遗忘因子设置传输丢包环境下基于切换系统特征的迭代学习控制律与学习增益。将传输丢包环境下基于切换系统特征的迭代学习控制律应用到带有匝道入口的快速路系统中，使得能够在一定迭代次数内使快速路能够达到期望交通流密度。本发明专利技术方法不仅能解决传输丢包环境下具有切换系统特性的带有匝道路口的快速路控制的问题，而且能够改善由于数据丢包导致的交通控制收敛速度变慢的问题，更好地切合实际需要。

【技术实现步骤摘要】
丢包环境下迭代学习的快速路入口匝道控制方法及系统
本专利技术涉及智能交通领域，更具体地，涉及丢包环境下迭代学习的快速路入口匝道控制方法及系统。
技术介绍
快速路入口匝道控制是智能交通领域的重要组成部分。交通流模型每天具有重复性，但由于地区社会活动的人员流动、天气、路况等因素变化影响，在实际中，快速路模型系统参数随之发生变化，快速路系统具有切换系统特性，因此现阶段快速路入口匝道控制很多是基于切换系统特性下的研究。快速路交通控制属于远程控制场景，实际上快速路与控制中心之间物理距离遥远，且快速路的测量设备经常缺乏维护并暴露野外，故使得测量数据输出与传输可能出现丢包或延时的情况。现阶段很多研究成果都是基于没有传输丢包发生的理想情况下的控制场景，不能更好地切合实际需要。故基于迭代学习的快速路入口匝道控制实用性降低。
技术实现思路
本专利技术首要目的是提供一种丢包环境下迭代学习的快速路入口匝道控制方法及系统，以解决丢包环境下具有切换系统特性的带有匝道路口的快速路的控制问题。本专利技术还提供一种具有单边传输丢包情况迭代学习的快速路入口匝道远程控制系统。为解决上述技术问题，本专利技术的技术方案如下：丢包环境下迭代学习的快速路入口匝道控制方法，包括以下步骤：S1：控制中心通过通信模块获取当前快速路交通流密度值；S2：控制中心获取本地存储中快速路的期望交通流密度值与匝道入口的交通流控制量；S3：根据接收到的实际交通流密度值和期望交通流密度值而获得当前的误差函数ek(t)＝αk(t)(yd(t)-yk(t))其中yd(t)为期望交通流密度，yk(t)为第k次迭代时控制中心接收到的实际交通流密度，αk(t)为第k次迭代的yk(t)不发生随机丢失的事件序列，快速路端至控制中心端的传输丢包概率为S4：基于误差函数，计算遗忘因子值，计算公式如下其中γ(k)为第k次迭代误差函数序列中不为0的元素个数，θmax与θmin为θ(k)函数的上下界值，φ(k)为最大值选择函数，用于选择从第1次迭代至第k次迭代以来最大的误差函数均方值；S5：根据所述误差函数与遗忘因子，设置基于传输丢包情况下具有切换特性的迭代学习控制率以及迭代学习增益。其中迭代学习控制率表示如下：uk+1(t)＝(1-αk(t+1)θ(k+1))sat[uk(t)]+Γiek(t+1)式子中，uk+1(t)表示第k+1次迭代的匝道入口的交通流，uk(t)表示第k次迭代的匝道入口的交通流，θ(k)为自适应遗忘因子函数，误差函数ek(t+1)表示第k次迭代t+1时刻的输出误差，而Γi为第i个切换系统子系统的控制增益，饱和函数sat[·]表达式如下：其中其中j∈{1,2,...,K}，K为一段快速路中的匝道数，为第k次迭代时匝道j的交通流控制量，u(j),max(t)与u(j),min(t)分别为匝道j交通流控制量的饱和上下界；S6：控制中心结合所述迭代学习控制律以及迭代学习增益，生成快速路匝道入口的交通流控制信号，并通过可靠通信方式将信号发送至快速路端；S7：快速路端通过可靠的通信方式接收匝道入口的交通流控制信号；S8：将交通流控制信号应用到带有匝道入口的快速路系统控制，使得能够在一定迭代次数内使快速路能够达到期望交通流密度；S9：快速路端将快速路交通密度流信号发送至控制中心。一种丢包环境下迭代学习的快速路入口匝道远程控制系统，包括：当前交通流获取模块：用于控制中心以通信方式获取当前快速路实际交通流密度；交通信息获取模块：用于控制中心获取本地存储设备中期望交通流、匝道入口的交通流控制量；误差函数计算模块：用于计算当前误差函数，其根据当前实际接收到的交通流密度值与期望交通流密度计算获得当前误差函数ek(t)＝αk(t)(yd(t)-yk(t))其中yd(t)为期望交通流密度，yk(t)为第k次迭代时控制中心接收到的实际交通流密度，αk(t)为第k次迭代的yk(t)不发生随机丢失的事件序列，快速路端至控制中心端的传输丢包概率为遗忘因子计算模块：用于根据误差函数计算出遗忘因子值，计算公式如下：其中γ(k)为第k次迭代误差函数序列中不为0的元素个数，θmax与θmin为θ(k)函数的上下界值，φ(k)为最大值选择函数，用于选择从第1次迭代至第k次迭代以来最大的误差函数均方值；迭代学习律与学习增益设置模块：用于根据误差函数与自适应遗忘因子设置传输丢包情况下基于切换系统特征的迭代学习控制律以及迭代学习增益，其中，迭代学习控制律表示如下：uk+1(t)＝(1-αk(t+1)θ(k+1))sat[uk(t)]+Γiek(t+1)式子中，uk+1(t)表示第k+1次迭代的匝道入口的交通流，uk(t)表示第k次迭代的匝道入口的交通流，θ(k)为自适应遗忘因子函数，误差函数ek(t+1)表示第k次迭代t+1时刻的输出误差，而Γi为第i个切换系统子系统的控制增益，饱和函数sat[·]表达式如下：其中其中j∈{1,2,...,K}，K为一段快速路中的匝道数，为第k次迭代时匝道j的交通流控制量，u(j),max(t)与u(j),min(t)分别为匝道j交通流控制量的饱和上下界；控制信号输出模块：用于控制中心生成快速路匝道入口的交通流控制信号，并以可靠通信方式发送至快速路端；控制信号获取模块：用于快速路端通过可靠通信方式获取交通流控制信号；交通控制模块：用于将交通流控制信号应用到带有匝道入口的快速路系统控制，使得能够在一定迭代次数内使快速路能够达到期望交通流密度；交通流密度输出模块：用于快速路端通过通信方式将当前快速路交通流密度信号发送至控制中心。与现有技术相比，本专利技术技术方案的有益效果是：本专利技术提供一种丢包环境下的快速路入口匝道控制方法，基于快速路入口匝道的切换系统特性，根据实际上未传输丢失的交通流密度值和期望交通流密度值获得当前误差函数；根据误差函数与基于误差的自适应遗忘因子设置传输丢包环境下基于切换系统特征的迭代学习控制律以及迭代学习增益；将传输丢包环境下基于切换系统特征的迭代学习控制律生成的控制信号发送至带有匝道入口的快速路系统中，能够在一定迭代次数内使得快速路能够达到期望交通流密度。本专利技术方法不仅能够解决丢包环境下具有切换系统特性的带有匝道路口的快速路控制问题，同时能够改善由于数据丢包导致的交通控制收敛速度变慢的问题，更好地切合实际需要。附图说明图1为实施例1丢包环境下迭代学习的快速路入口匝道控制方法的流程图。。图2为实施例1中快速路模型图。图3为实施例1中一个应用场景下所述丢包环境下迭代学习的控制律方框图。图4为实施例1中一个应用场景下所述丢包环境下迭代学习的快速路系统的一种切换规则。图5为实施例1中一个应用场景下快速路系统中各路段的匝道入口车辆需求量。图6为实施例1中一个应用场景下快速路系统中各路段的匝道出口车流量。图7为本专利技术一个应用场景下各路段的交通流输出误差指标分析图。图8为本专利技术一个应用场景下两种控制方法的快速路交通的输出误差指标与及理想无丢包环境下控制的快速路交通的输出误差指标比较图。图9为本专利技术实施例1具有单边传输丢包情况的基于切换系统特性迭代学习的快速路入口匝道远程控制系统的示意图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放本文档来自技高网...

【技术保护点】
丢包环境下迭代学习的快速路入口匝道控制方法，其特征在于，包括以下步骤：S1：控制中心获取当前快速路交通流密度值；S2：控制中心获取本地存储中快速路的期望交通流密度值与匝道入口的交通流控制量；S3：根据接收到的实际交通流密度值和期望交通流密度值获得当前的误差函数e

【技术特征摘要】
1.丢包环境下迭代学习的快速路入口匝道控制方法，其特征在于，包括以下步骤：S1：控制中心获取当前快速路交通流密度值；S2：控制中心获取本地存储中快速路的期望交通流密度值与匝道入口的交通流控制量；S3：根据接收到的实际交通流密度值和期望交通流密度值获得当前的误差函数ek(t)＝αk(t)(yd(t)-yk(t))其中yd(t)为期望交通流密度，yk(t)为第k次迭代时控制中心接收到的实际交通流密度，αk(t)为第k次迭代的yk(t)不发生随机丢失的事件序列，快速路端至控制中心端的传输丢包概率为S4：基于误差函数，计算遗忘因子值，计算公式如下其中γ(k)为第k次迭代误差函数序列中不为0的元素个数，θmax与θmin为θ(k)函数的上下界值，φ(k)为最大值选择函数，用于选择从第1次迭代至第k次迭代以来最大的误差函数均方值；S5：根据所述误差函数与遗忘因子，设置基于传输丢包情况下具有切换系统特性的迭代学习控制律以及迭代学习增益，其中迭代学习控制律表示如下：uk+1(t)＝(1-αk(t+1)θ(k+1))sat[uk(t)]+Γiek(t+1)式子中，uk+1(t)表示第k+1次迭代的匝道入口的交通流，uk(t)表示第k次迭代的匝道入口的交通流，θ(k)为自适应遗忘因子函数，误差函数ek(t+1)表示第k次迭代t+1时刻的输出误差，而Γi为第i个切换系统子系统的控制增益，饱和函数sat[·]表达式如下：其中其中j∈{1,2,...,K}，K为一段快速路中的匝道数，为第k次迭代时匝道j的交通流控制量，u(j),max(t)与u(j),min(t)分别为匝道j交通流控制量的饱和上下界；S6：控制中心结合所述迭代学习控制律以及迭代学习增益，生成快速路匝道入口的交通流控制信号，并通过可靠通信方式将信号发送至快速路端；S7：快速路端通过可靠通信方式接收匝道入口的交通流控制信号；S8：将交通流控制信号应用到带有匝道入口的快速路系统控制，使得能够在一定迭代次数内使快速路能够达到期望交通流密度；S9：快速路端将快速路交通密度流信号发送至控制中心。2.根据权利要求1所述的丢包环境下迭代学习的快速路入口匝道控制方法，其特征在于，步骤S3中，通过快速路的期望交通流密度值与当前实际接收到的快速路交通流密度值做差后，其结果乘上第k次迭代的yk(t)不发生随机丢失的事件序列αk(t)，得到当前次迭代的误差函数ek(t)。3.根据权利要求1所述的丢包环境下迭代学习的快速路入口匝道控制方法，其特征在于，步骤S4过误差函数进中，通行遗忘因子的计算。4.根据权利要求1所述的丢包环境下迭代学习的快速路入口匝道控制方法，其特征在于，所述误差函数收敛的迭代次数是误差指标的收敛迭代次数。5.丢包...

【专利技术属性】
技术研发人员：林昂基，李晓东，孙淑婷，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东,44