基于随机分布控制算法的多个MFD子区边界协调控制方法技术

本发明专利技术属于交通控制技术领域，提出了一种基于随机分布控制算法的多个MFD子区边界协调控制方法。以调节在早晚高峰时段的交通资源分配不均问题。交通控制方法包括如下步骤：S1：建模数据采集；S2：车辆数目概率分布估计；S3：建立车辆数目概率分布密度函数的基函数表示模型；S4：建立输入变量与前n‑1个权值向量之间的非线性预测模型；S5：求解控制量输出。输出控制为各个区域边界信号灯的绿信比矩阵，通过改变区域边界红绿灯的时长来调整各区域的车辆数目。本发明专利技术可以最大限度地缓解城市路网车辆分布不合理问题，提高城市路网的利用效率。

【技术实现步骤摘要】
基于随机分布控制算法的多个MFD子区边界协调控制方法
本专利技术属于交通控制
，具体涉及一种基于随机分布控制算法的多个MFD子区边界协调控制方法。
技术介绍
自交通信号出现以来，其控制方式的发展从定时控制、感应控制，再到自适应控制；控制范围从单个交叉口到干线协调控制再到区域信号协调控制。传统的点或线信号控制方法只能改善局部的交通状况，却无法应对区域性大范围的交通拥堵。而传统的区域协调控制系统主要是利用干道协调控制的理论，将拥堵区划分为多个子区进行优化控制，进而实现整个区域的协调控制。近些年来，MFD(Macroscopicfundamentaldiagram)所描述的宏观路网流量、密度与速度三参数之间的关系为解决交通拥堵提供了较好的方法。因此，诸多学者如Hajiahmadi、Haddad等对MFD子区(简称子区)中的累积车辆数建立预测模型，进而进行交通控制；但这些方法未考虑累积车辆数在空间上分布的非均衡性问题。
技术实现思路
为了解决各子区域内车辆数目分布不合理，无法使路网区域交通保持良好的运行状态的问题，本专利技术提供了一种基于随机分布控制算法的多个MFD子区边界协调控制方法，以实现对区域按照MFD得出的最佳车辆数目进行交通控制，使得整个路网达到交通最优。为了解决上述技术问题，本专利技术采用的技术方案为：1、一种基于随机分布控制算法的多个MFD子区边界协调控制方法，包括以下步骤：S1、建模采集数据：将路网合理划分为n个MFD子区域，在每个MFD子区域边界的十字路口加装计数装置，采集各个MFD子区内的车辆数目Ni，形成数据集N{N1,N2...Nn}以及相应时间点的MFD各子区域边界入口车辆排队长度Li，边界出口车辆排队长度Lo，形成数据集合；S2、车辆数目概率分布估计：对各个MFD子区域的车辆数目数据进行处理，得到车辆数目分布的概率密度函数；S3、建立车辆数目概率分布密度函数的基函数表示模型；S4、将各个MFD子区域边界入口车辆排队长度Li，边界出口车辆排队长度Lo，对应时刻的车辆数目概率分布的前n-1个权值向量以及绿信比矩阵作为模型的输入变量，建立输入变量与前n-1个权值向量之间的非线性预测模型，通过采集的历史数据对模型进行训练，得到车辆概率分布密度函数的基函数权值与输入变量之间的关系，并对下一时刻进行车辆数目概率分布密度函数进行预测；S5、构造与期望、预测车辆数目概率分布以及控制量相关的性能指标函数并进行求解，得到控制量的输出。所述步骤S2中，对各个MFD子区域的车辆数目数据进行处理，得到车辆数目分布的概率密度函数的公式为：其中，κ∑(·)表示多维核函数，u(k)表示绿信比矩阵，γ(N,u(k))表示γ当前绿信比为u(k)时车辆数目为N的概率密度分布。所述步骤S3具体包括以下步骤：S301、选择高斯型径向基函数作为车辆数目概率分布密度函数的基函数，即：S302、确定基函数的加权表示式，车辆数目的概率密度函数用基函数的加权和表示为：γ(N,u(k))＝C(N)V(k)+Bn(N)wn(k)+e0(N,k)；其中，C(N)＝[B1(N),B2(N),…,Bn-1(N)]，V(k)＝[w1(k),w2(k),…,wn-1(k)]T，wn(k)为第n个基函数对应的权值，e0(N,k)为对区域车辆数目概率分布密度函数逼近的误差；S303、求出车辆数目概率分布密度函数各个基函数的权值V(k)确定每个基函数对应的权值，计算公式为：其中，所述步骤S4具体包括以下步骤：S401：选择输入变量，将各区域边界入口车辆排队长度Li，各区域边界出口车辆排队长度Lo，当前控制输出u(k)＝[u1(k),u2(k),…,um(k)]以及对应时刻的车辆数目概率分布的前n-1个权值向量V(k)合并为输入变量，记为：X＝[Li,Lo,u(k),V(k)]L×(2+n+m)。S402：选择预测模型，选择随机权神经网络，其网络模型表示为：其中，s表示随机权神经网络里的激活函数，ωj＝[ωj1,ωj2,…,ωjm]T为m个输入节点连接第j个隐含单元的输入权重，βj＝[βj1,βj2,…,βj(n-1)]T为第j个隐含层连接输出节点的输出权重，bj是第j个隐含单元的偏置。S403：对模型进行训练，随机给定一组输入层权值和偏置，利用采集的L组历史数据对模型进行训练，其目标函数为：S404：通过求取H矩阵的广义逆得到最优的输出权值其公式为：其中，S405：建立基函数权值与输入变量之间的关系，其表达式为：S406：对下一时刻进行车辆数目概率分布密度函数进行预测，其表达式为：γm(N,u(k+1))＝C(N)Vm(k+1)+Bn(T)wn(k+1)；所述步骤S5中，构造的与期望、预测车辆数目概率分布以及控制量相关的性能指标函数的表达式为：J(u(k))＝∫(γm(N,u(k))-g(N,u(k))2dN+u(k)TRu(k)；其中，g(N,u(k))表示期望车辆数目概率分布，γm(N,u(k))表示预测车辆数目概率分布；控制量输出的计算公式为：u(k)＝argminJ。所述控制量输出的计算方法为：构建离散的控制模型；对二次型进行优化，即可得完备全局最小化解u(k)；根据限制条件结合实际将u(k)调整至合适的范围。本专利技术与现有技术相比具有以下有益效果：本专利技术利用控制区域内的车辆数目概率分布信息为反馈量，根据车流密度的差异对宏观路网进行子区划分，利用随机分布控制算法对各MFD子区车辆数目分布进行预测，与期望的最佳车辆数目分布进行对比，计算出控制变量的输出，以实现对区域按照MFD得出的最佳车辆数目进行交通控制，使得整个路网达到交通最优，最大限度地缓解城市路网车辆分布不合理问题，提高城市路网的利用效率。附图说明图1为本专利技术的系统流程图；图2为分布估计流程图；图3为用随机权神经网络建立预测模型的流程图；图4为求解控制量绿信比矩阵的流程图；图5为本专利技术的系统控制框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例；基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术提供的一种基于随机分布控制算法的多个MFD子区边界协调控制方法在具体实施上，可以拆分为两个部分来操作：离线建模和实时预测及控制。其中离线建模的具体实施步骤如下：在城市路网中合理划分出n个交通子区域，假设各个子区内车辆分布比较均匀，绘制每个交通子区域中的宏观基本图(MFD)，即可得当各个子区域的流量最优时所对应的车辆数目范围Y，进而得到各个子区期望的车辆数目分布为期望值为Y的较尖锐的高斯分布，根据该高斯分布，可以得到其联合的概率密度函数。如图1所示，本专利技术提供的一种基于随机分布控制算法的多个MFD子区边界协调控制方法包括以下几个步骤：S1、建模数据采集。建模数据采集可以采取以下的方式实现：建模需要用到的历史数据有：每个子区边界路口车道数，不同时段各区域边界入口车辆排队长度Li，各区域边界出口车辆排队长度Lo，路口绿信比矩阵，各个子区内道路上不同时段的车辆总数目。可以通过在每个路口加装计数装置和视频采集本文档来自技高网...

【技术保护点】
1.一种基于随机分布控制算法的多个MFD子区边界协调控制方法，其特征在于，包括以下步骤：S1、建模采集数据：将路网合理划分为n个MFD子区域，在每个MFD子区域边界的十字路口加装计数装置，采集各个MFD子区内的车辆数目Ni，形成数据集N{N1,N2...Nn}以及相应时间点的MFD各子区域边界入口车辆排队长度Li，边界出口车辆排队长度Lo，形成数据集合；S2、车辆数目概率分布估计：对各个MFD子区域的车辆数目数据进行处理，得到车辆数目分布的概率密度函数；S3、建立车辆数目概率分布密度函数的基函数表示模型；S4、将各个MFD子区域边界入口车辆排队长度Li，边界出口车辆排队长度Lo，对应时刻的车辆数目概率分布的前n‑1个权值向量以及绿信比矩阵作为模型的输入变量，建立输入变量与前n‑1个权值向量之间的非线性预测模型，通过采集的历史数据对模型进行训练，得到车辆概率分布密度函数的基函数权值与输入变量之间的关系，并对下一时刻进行车辆数目概率分布密度函数进行预测；S5、构造与期望、预测车辆数目概率分布以及控制量相关的性能指标函数并进行求解，得到控制量的输出。

【技术特征摘要】
1.一种基于随机分布控制算法的多个MFD子区边界协调控制方法，其特征在于，包括以下步骤：S1、建模采集数据：将路网合理划分为n个MFD子区域，在每个MFD子区域边界的十字路口加装计数装置，采集各个MFD子区内的车辆数目Ni，形成数据集N{N1,N2...Nn}以及相应时间点的MFD各子区域边界入口车辆排队长度Li，边界出口车辆排队长度Lo，形成数据集合；S2、车辆数目概率分布估计：对各个MFD子区域的车辆数目数据进行处理，得到车辆数目分布的概率密度函数；S3、建立车辆数目概率分布密度函数的基函数表示模型；S4、将各个MFD子区域边界入口车辆排队长度Li，边界出口车辆排队长度Lo，对应时刻的车辆数目概率分布的前n-1个权值向量以及绿信比矩阵作为模型的输入变量，建立输入变量与前n-1个权值向量之间的非线性预测模型，通过采集的历史数据对模型进行训练，得到车辆概率分布密度函数的基函数权值与输入变量之间的关系，并对下一时刻进行车辆数目概率分布密度函数进行预测；S5、构造与期望、预测车辆数目概率分布以及控制量相关的性能指标函数并进行求解，得到控制量的输出。2.根据权利要求1所述的一种基于随机分布控制算法的多个MFD子区边界协调控制方法，其特征在于，所述步骤S2中，对各个MFD子区域的车辆数目数据进行处理，得到车辆数目分布的概率密度函数的公式为：其中，κ∑(·)表示多维核函数，u(k)表示绿信比矩阵，γ(N,u(k))表示γ当前绿信比为u(k)时车辆数目为N的概率密度分布。3.根据权利要求1所述的一种基于随机分布控制算法的多个MFD子区边界协调控制方法，其特征在于，所述步骤S3具体包括以下步骤：S301、选择高斯型径向基函数作为车辆数目概率分布密度函数的基函数，即：S302、确定基函数的加权表示式，车辆数目的概率密度函数用基函数的加权和表示为：γ(N,u(k))＝C(N)V(k)+Bn(N)wn(k)+e0(N,k)；其中，C(N)＝[B1(N),B2(N),…,Bn-1(N)]，V(k)＝[w1(k),w2(k),…,wn-1(k)]T，wn(k)为第n个基函数对应的权值，e0(N,k)为对区域车辆数目概率分布密度函数逼近的误差；...

【专利技术属性】
技术研发人员：闫飞，杜宇浩，程兰，丁洁，阎高伟，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西,14