一种动态平衡城市多子区交通负荷的迭代学习边界控制方法技术

本发明专利技术涉及城市交通信号控制领域，尤其涉及一种动态平衡城市多子区交通负荷的迭代学习边界控制方法。包括以下步骤，S100：选取待研究的城市路网区域，采集路网数据并进行分析；S200：在选定城市路网内部划分交通子区，根据搜集到的路网数据建立每个控制子区的宏观基本图；S300：分析车流量出入子区边界情况，建立子区交通流模型；S400：对各个子区实行边界控制，根据城市交通流重复性特性构建迭代学习控制模型，得到迭代控制方案并设置信号配时策略。本发明专利技术综合考虑多个子区之间的车辆流入流出情况以及子区与路网边界间的车流量，提高迭代学习控制效率，提高系统鲁棒性，使得边界控制表现出实时性及最优性特点。制表现出实时性及最优性特点。制表现出实时性及最优性特点。

【技术实现步骤摘要】
一种动态平衡城市多子区交通负荷的迭代学习边界控制方法


[0001]本专利技术涉及城市交通信号控制领域，尤其涉及一种动态平衡城市多子区交通负荷的迭代学习边界控制方法。

技术介绍

[0002]随着城镇居民收入不断上涨，家庭汽车保有量也不断提高，由此导致城市拥堵问题愈发严重，也更容易发生交通事故，出现交通安全隐患，为了缓解城市道路交通压力，减少逐年增长的出行困难情况，交通信号控制成为了许多学者研究的方向。早期由于交通流量不足，道路拥堵问题往往发生于城市核心区域某几个交叉口，很少会向其他区域扩散，但现如今交通拥堵已经演变为大范围，多路口的复杂区域性问题。路网宏观基本图（MFD）是路网的基本属性，能够从宏观层面分析路网区域的交通情况，判断路网的饱和车流量，帮助研究人员更好地解决拥堵问题。
[0003]交通控制子区能够帮助交通管理部门对大范围路网进行调控时，将路网划分为一个个具有相似特性的小区域，通过调节各个区域的交通信号来以点代面解决拥堵问题。当前基于MFD对子区边界控制的研究十分丰富，早期基于单一子区进行边界控制时主要是在受控区域的边界交叉口限本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动态平衡城市多子区交通负荷的迭代学习边界控制方法，其特征在于：包括以下步骤，S100：选取待研究的城市路网区域，采集路网数据并进行分析；S200：在选定城市路网内部划分交通子区，根据搜集到的路网数据建立每个控制子区的宏观基本图；S300：分析车流量出入子区边界情况，建立子区交通流模型；S400：对各个子区实行边界控制，根据城市交通流重复性特性构建迭代学习控制模型，得到迭代控制方案并设置信号配时策略。2.根据权利要求1所述的动态平衡城市多子区交通负荷的迭代学习边界控制方法，其特征在于：所述S100的具体步骤包括，S101：获取待研究城市交通路网的道路拓扑结构，在各个信号交叉口的进口道和出口道位置设置数据采集器；S102：通过设置的数据采集器和百度地图获取路网内部各个交叉口的实际交通流数据、路段长度及车道数，红路灯情况，人行横道及停车场等情况，分析得到路网的交通流特性、路径流量、平均行程时间、车道分支情况以及转向比例。3.根据权利要求2所述的动态平衡城市多子区交通负荷的迭代学习边界控制方法，其特征在于：所述S200中划分交通子区的具体步骤包括，S201：对路网内相邻交叉口之间的路径关联度进行计算：S201：对路网内相邻交叉口之间的路径关联度进行计算：其中，为相邻交叉口i与交叉口j之间的交通关联度；T为车辆在交叉口i，j间的平均行程时间，单位为min；为路段流量不均衡系数；m为来自上游交叉口的关联流向数；为到达下游交叉口的车流量总和；为上游交叉口的最大交通量，即的最大值；S202：通过S100采集到的路网数据计算待研究的路网内部所有相邻交叉口的路径关联度，计算路网密度拉普拉斯矩阵及其特征值对应特征向量，将特征向量列为矩阵作为算法输入进行快速全局K
‑
means聚类，选择使误差平方准则函数最小的样本点作为簇的最佳聚类中心，保存聚类结果，将一个聚类中的交叉口划分至一个子区中，通过边界调整将未被聚类的交叉口并入相邻子区，以此完成城市路网子区划分。4.根据权利要求2所述的动态平衡城市多子区交通负荷的迭代学习边界控制方法，其特征在于：所述S200中建立各个控制子区的宏观基本图步骤包括，通...

【专利技术属性】
技术研发人员：张添翼，闫飞，贾光耀，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：