一种基于分布式模型预测控制的信号配时优化系统技术方案

本公开涉及一种基于分布式模型预测控制的信号配时优化系统，包括：慢更新层，包括受控子区划分模块，用于根据系统状态、路网拓扑结构与区域职住属性将交通系统划分为受控子区；受控子区协调模块，用于根据受控子区建立协调约束；设点优化模块，用于设置受控子区内目标路段的设定点约束；快更新层，包括预测模型模块，用于为受控子区建立预测模型；目标函数求解模块，用于基于受控子区当前状态、预测模型与子区内目标路段的设定点，构造目标函数并求解得到配时方案；被控层，执行快更新层发送的配时方案，将瞬时状态作为同步数据上传至慢更新层和快更新层。在大范围交通网络信号配时优化的控制中达到最优性与实时性。化的控制中达到最优性与实时性。化的控制中达到最优性与实时性。

【技术实现步骤摘要】
一种基于分布式模型预测控制的信号配时优化系统


[0001]本专利涉及交通信号控制领域。具体而言，涉及一种基于分布式模型预测控制的信号配时优化系统。

技术介绍

[0002]近年来，大城市交通基础设施的建设速度远不能满足城市居民日益增长的出行需求，随着参与交通的机动车数量快速增长，路网的拥堵频次也日益增多，在路网拥堵的区域中，交叉口的拥堵状况与拥堵频次更甚。尽管造成网络拥堵的原因有很多，但其主要的因素还是现有的信号控制策略不能很好适应动态的交通需求。因此，通过提高城市现有基础设施利用率与改善交通信号控制策略是目前缓解交通拥堵最及时有效的办法。
[0003]目前，主要采用经典的固定信号配时法、强化学习、集中式模型预测控制、分布式模型预测控制等方法来解决城市交通网络的拥堵问题。然而，经典的固定信号配时方法在交叉口的控制性能较差；强化学习方法存在着数据成本高、训练时间长、迭代更新慢的缺点；模型预测控制(MPC)在大范围交通网络中的应用效果较差，具体问题表现为控制的最优性与计算的实时性不能兼顾。因此，如何有效解决并协调MPC算法的控制最优性与计算实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分布式模型预测控制的信号配时优化系统，其特征在于，所述系统包括：慢更新层，包括受控子区划分模块，用于根据系统状态、路网拓扑结构与区域职住属性将交通系统划分为不同的受控子区；受控子区协调模块，用于根据所述受控子区建立协调约束：约束：其中，Y
m
(t)表示受控子区m的t阶段状态值，α
m
(t)，α
o
(t)分别表示受控子区m和o的t阶段疏散系数，D
m
(t)表示受控子区m的t阶段交通需求，N
m
为受控子区m的相邻子区集合，β
o,m
(t)为相邻子区o疏散至受控子区m的疏散交通量占其总疏散交通量的比例系数，Y
o
(t)代表在t时刻相邻子区o的交通总量；以动态交通分配理论的方法为核心，分层级在线标定目标路段的设定点方法具体如下，即设点优化模块，用于设置各受控子区内目标路段的设定点约束：其中，W
m
为由作为元素组成的受控子区m的交通分配系数矩阵，为受控子区m在t阶段的设定点矩阵，Y
m
(t+1)为受控子区m在t+1阶段的协调后交通总量；其中所述慢更新层数据根据同步数据以第一步长的时间周期更新；快更新层，所述快更新层包括：预测模型模块，用于为每个受控子区建立的预测模型；预测模型写成向量形式包括y(k+1)＝y(k)+Bu(k)+Dd(k)+e(k)，路段状态向量维数为y(k)∈R
n
×1，其中n为系统内路段总数；控制输入向量的维数为其中|p
i
|是交叉口i的相位个数，m是交叉口总数；是包含路网基本特征的输入矩阵，d(k)为路网的需求向量，D为需求矩阵，e(k)代表扰动项；目标函数求解模块，用于基于受控子区当前状态、预测模型与子区内目标路段的设定点，构造目标函数并实时求解得到配时方案；其中，受控子区m的目标函数为其中，J
m
(y,u)为受控子区m的优化目标函数，N
p
为预测步长，y
m
(k0+k|k0)为受控子区m的在(k0+k)步的路段预测状态矩阵，为受控子区m的在(k0+k)步的路段设定点矩阵，Q为受控子区内路网权重矩阵，P为附加的惩罚项，u(k0+k|k0)和u(k0+k
‑
1|k0)是相邻控制步的信号控制方案矩阵，R是为了防止相邻控制步信号配时方案差距过大的控制输入惩罚矩阵，即u(k0+k|k0)
‑
u(k0+k
‑
1|k0)表示当求解所得绿灯时间与上一步执行绿灯时间差距过大时，会受到惩罚P；受控子区m的目标函数包括周期时间约束、需求均衡约束、子区容量约束、绿灯时间约束、路段容量约束、协调约束和设定点约束；所述协调约束和所述设定点约束基于所述慢更新模块的协调约束和所述设定点约束确定；受控交通网络的信号配时优化问题为目标函数：minJ
M
(y,u)＝∑
m∈M
min
u
J
m
(y,u)的解，其中，M代表受控交通路网，m为受控路网下的动态受控子区，y代表系统状态交通量矩阵，u代表控制系统绿灯时间矩阵，其中决策变量其中，g代表绿灯时间，下标p代表交叉口的相位数，下标n代表交叉口标号，记g
m,i
表示受控子区间协调时边界控制下连接路段i对应相位的平均绿灯时间，由慢更新层计算获得，在求解目标函数中，会先将计算
得到的g
m,i
带入到决策变量u中的对应位置，再通过目标函数求解得到决策变量中其他未知的绿灯时间；控制系统的快更新层的优化目标是交叉口信号配时的相位绿灯时间；决策变量u的求解结果作为配时方案；其中，所述快更新层数据根据同步数据以第二步长的时间周期更新，所述第二步长小于第一步长；被控层，所述被控层执行所述快更新层发送的配时方案；并将瞬时状态作为同步数据上传至所述慢更新层和快更新层。2.根据权利要求1所述的一种基于分布式模型预测控制的信号配时优化系统，其特征在于，所述包括受控子区划分模块，用于以交通系统内交叉口视为节点、交叉口间连接路段视为边，初始化将交通网络简化为有向图并对交叉口进行编号；计算相邻信号控制交叉口之间的关联度，将所得关联度作为边的权值，从而将有向图转化为无向图；相邻交叉口间的关联度计算如下当交叉口连接路段为单行道，相邻交叉口之间的关联度计算如下其中：i,j为两个相邻交叉口的标号，N
i,j
为交叉口i到j的连接路段交通量，L
i,j,lane
为交叉口i到j的连接路段车道数，l
i,j
为交叉口i到j的连接路段平均长度，p
i,j
为交叉口i,j间的区域相关性，ρ1和ρ2为对应项权重系数；当交叉口连接路段为双向行驶时，相邻交叉口之间的关联度计算如下其中R
i,j
为交叉口i到j的单向关联度，R
j,i
为交叉口j到i的单向关联度，N
i,j
为交叉口i到j的连接路段交通量，N
j,i
为交叉口j到i的连接路段交通量；进行交通系统受控子区合并，采用贪婪算法，选择ΔQ增长最大或降低最小的方向进行受控子区合并ΔQ＝2(e
i,j
‑
a
i
·
a...

【专利技术属性】
技术研发人员：任毅龙，肖简如，于海洋，张乐，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：