【技术实现步骤摘要】
基于迭代学习模型预测控制的交通信号灯调度方法与系统
[0001]本专利技术涉及智慧交通领域,尤其涉及一种基于迭代学习模型预测控制的交通信号灯调度方法与系统。
技术介绍
[0002]城市交通网络的拥堵会带来严重的污染和经济成本,交通灯管制是缓解交通拥堵的有效方法之一。交通灯调度是交通工程中的一个重要课题。对于城市交通网络来说,路段和路口总是遇到交通流量大的问题,给目前的交通管制策略带来麻烦。
[0003]目前,大多数信号交叉口都采用预定周期或固定时间区间控制信号灯的方法。该方法是根据以往观测到的交通需求,预先设定配时方案进行控制,这种方案无法对交通需求的随机变化进行及时的响应。而该领域现有的学习型模型预测控制方案,是通过收集所有前次迭代轨迹建立一个“安全性评估数据集”,由于这个集是由点组成的,终端集的凸性得不到保证,而终端成本和终端约束集的设立往往会导致混合整数二次规划(MIQP)问题。
[0004]因此,本专利技术基于存储转发模型(SFM)提出了一种基于迭代学习模型预测控制的交通信号灯调度方法与系统,改进了现有的基于模型的迭代学习预测控制技术中存在的混合整数二次规划(MIQP)问题,从而为解决城市交通的调度难题提供了一种更好的技术方案。
技术实现思路
[0005]本专利技术通过提供一种基于迭代学习模型预测控制的交通信号灯调度方法与系统,利用迭代学习预测控制(ILMPC)解决了城市交通信号灯控制问题,减少道路上车辆的排队时间,使车辆在交通网络中通行更快更畅通。从交通历史数据的分析中不难发 ...
【技术保护点】
【技术特征摘要】
1.一种基于迭代学习模型预测控制的交通信号灯调度方法,其特征在于,所述方法包括以下步骤:步骤1、建立目标区域的交通流仿真模型;步骤2、根据控制策略获得一个固定时间区间的闭环数据;步骤3、将所获得的闭环数据作为后续的开环优化问题的终端条件进行预测控制。2.如权利要求1所述的基于迭代学习模型预测控制的交通信号灯调度方法,其特征在于,所述步骤1包括:步骤1.1、建立绿灯时间约束,在每个交叉路口j,所有相位的绿灯时间必须满足下面约束:束:其中,是所述交叉路口j的一组相位集,u
j
是所述交叉路口j的所有相位的绿灯时长,t表示采样时刻,l表示迭代学习的次数,L
j
表示所述交叉路口j的总损失时间,G表示周期时长,和是相位时长的最小和最大边界;步骤1.2、设表示一组实数、非负实数、整数和非负整数,表示集合基于车辆守恒定律,路段传输模型,所有路段的交通流动态方程为:其中,l表示迭代学习的次数,t表示采样时刻,其中,l表示迭代学习的次数,t表示采样时刻,分别表示在采样时刻上整个区域内所有车道组上的车辆数量、输出、相位时长以及干扰(包括路段上停车场出入口的车辆进出),维度n表示路段数乘以2,m表示交叉路口数乘以相位数,是有适当维度的随时间变化的矩阵,包括饱和流率和转向比信息。3.如权利要求2所述的基于迭代学习模型预测控制的交通信号灯调度方法,其特征在于,对所有||B(t,l)||≤β
B
,||d(t,l)||≤β
d
,||x(0,l)||≤β
x0
其中,T为每次迭代的数据采样时刻区间,界限β
B
≥0,β
d
≥0和β
x0
≥0是有限的。4.如权利要求3所述的基于迭代学习模型预测控制的交通信号灯调度方法,其特征在于,对所有于,对所有其中,B(t)是最优交通流模式。5.如权利要求4所述的基于迭代学习模型预测控制的交通信号灯调度方法,其特征在于,在第l个迭代收集时间区间[0,T]内的闭环状态和相位时间并生成以下列向量:x(l)=[x(t0,l),x(t0+1,l),
…
,x(t0+T,l),
…
],
ꢀꢀꢀ
(4)
u(l)=[u(t0,l),x(t0+1,l),
…
,u(t0+T,l),
…
].
ꢀꢀꢀ
(5)假设...
【专利技术属性】
技术研发人员:吕亮,
申请(专利权)人:宁波亮控信息科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。