【技术实现步骤摘要】
本专利技术涉及智能交通控制领域，具体是一种基于不确定参数预测的交通信号模型预测控制方法。
技术介绍
1、近年来，中国汽车保有量不断增加，交通拥堵问题日益突出，交通运行效率以及人民日常出行受到了极大地影响。为了缓解交通压力，交通信号控制成为当前研究的热点问题。
2、相较于传统交通信号控制与强化学习，模型预测控制方法是通过预测未来的交通状态、执行滚动优化以及反馈校正，对于具有动态变化的交通网络，能够得到一个稳定可靠且能实际部署的时间序列信号方案。但是，目前现有的模型预测控制方法对于系统不确定参数的处理往往比较简单，仅基于上一时刻数据的简单建模并不能精确估计这些不确定的交通扰动参数，即输入和输出流量误差以及路段中进出车辆数，使得极其粗略的不确定参数难以获得高质量的交通信号控制方案。尤其在早高峰时段，交通扰动波动变化大带来不准确且数值较大的不确定参数，这极大影响了交通信号控制精度。
3、同时，相较于集中式控制结构，分布式控制结构能够显著降低计算复杂度，保证模型预测控制的实时性，能够满足多个控制路口的在线交通信号优化需求。
技术实现思路
1、本专利技术要解决的技术问题是提供一种基于不确定参数预测的交通信号模型预测控制方法，旨在精确估计系统不确定参数，从而提升交通信号控制的精度。
2、本专利技术的技术方案为：
3、一种基于不确定参数预测的交通信号模型预测控制方法，具体包括有以下步骤：
4、(1)、采用改进的louvain算法进行交通子
5、
6、式(1)中，qmax为节点i与相邻节点的最大模块度，qmin为节点i与相邻节点的最小模块度，qave为节点i的平均模块度，n为区域路网中节点的总个数；
7、然后重复上述过程，直至所有子区域的模块度增量无法递增为止，使得同一子区域内所有节点被压缩为一个新节点，并更新子区域间的边权重；重复上述过程，直到整个区域路网所有子区域的模块度q不再变化为止，结束交通子区域的划分；
8、(2)、构建不确定参数预测模型，见下式(2)：
9、e(t)＝w1×eoff(t)+w2×eon(t) (2)；
10、式(2)中，e(t)为不确定参数，w1与w2为经验参数，w1+w2＝1，w1＞0，w2＞0；eoff(t)表示历史不确定预测参数；eon(t)表示在线不确定预测参数；
11、历史不确定预测参数eoff(t)的计算公式见下式(3)：
12、
13、式(3)中，t为当前系统时间，d为历史天数，ed为第d天的历史不确定参数；
14、在线不确定预测参数eon(t)由趋势预测分量、时不变预测分量和时变预测分量组成，计算公式见下式(4)：
15、eon(t)＝f(t)+kinv_pre(t)+kvar_pre(t) (4)；
16、式(4)中，f(t)表示趋势预测分量，kinv_pre(t)表示时不变预测分量，kvar_pre(t)表示时变预测分量；
17、(3)、首先针对每个划分后的子区域，建立对应的局部优化模型，具体见下式(5)-(6)：
18、
19、s.t.
20、
21、式(5)中，表示基于交叉口i第t0阶段各个路段交通量预测出的第t0+k阶段各个路段交通量；表示的转置；表示基于交叉口i第t0阶段各个相位绿灯时间预测出的第t0+k阶段各个相位绿灯时间；表示的转置；p表示子区域内交叉口的数量；np表示交通量预测步长；nc表示绿灯时间预测步长；q表示与交通量相关的输出误差权重矩阵；r表示与绿灯时间相关的控制权重矩阵；
22、式(6)中，状态矩阵a为单位矩阵；输入矩阵b反映了拓扑结构、相位、周期、饱和流量及转向率特征；为基于时间序列分解的不确定参数预测模型预测出的交叉口i第t0+k阶段的不确定参数；∑u+sj≤c表示所有相位绿灯时间与损失时间sj之和小于信号周期c，损失时间sj由启动损失时间、黄灯时间以及绿灯间隔组成；umin≤u≤umax表示单个交叉口各个相位绿灯时间处于最短绿灯时间和最长绿灯时间之间；0≤x≤xmax用于限定路段能容纳的交通量上限；
23、然后用序列二次规划算法来求解局部优化模型，得到各个交叉口各个相位绿灯时间的最优解。
24、所述的模块度q的计算公式见式(7)：
25、
26、其中，
27、式(7)中，ki为所有连接节点i的边的权重之和，两个节点之间的路段即为边，ki＝∑jei，j；ci为节点i所属的子区域；cj为节点j所属的子区域；；δ(ci，cj)用于判断ci与cj是否属于同一个子区域，当属于同一个子区域，δ(ci，cj)取值为1，否则取值为0；ei，j表示所有连接节点i的边的权重矩阵，计算公式见下式(8)：
28、
29、式(8)中，ri，j表示由交叉口i向交叉口j行驶的单向路段的关联度，计算公式见式(9)；ri，j表示交叉口i和交叉口j之间双向路段的关联度，计算公式见式(10)；m为区域路网中所有边的权重之和；
30、
31、
32、式(9)和式(10)中，ρ1和ρ2表示平衡因子，ρ1+ρ2＝1；ni，j表示由交叉口i向交叉口j行驶的单向路段的交通量；nj，i表示由交叉口j向交叉口i行驶的单向路段的交通量；rj，i表示由交叉口j向交叉口i行驶的单向路段的关联度；li，j，lane表示由交叉口i向交叉口j行驶的单向路段的车道数；li，j表示交叉口i和交叉口j之间的距离；pi，j表示交叉口i和交叉口j之间子区域的相关性，取值为0、0.1或0.2，取值为0表示子区域不相关，取值为0.1表示子区域相似，取值为0.2表示子区域一致。
33、所述的模块度增量δq的计算公式见式(11)：
34、
35、式(11)中，ki，in表示连接同一个子区域内节点i与其他节点的边的权重之和，ki，in＝∑i∑jei，jδ(ci，cj)；∑totki表示连接节点i与节点i所在子区域外的其他节点的边的权重，∑totki＝∑i∑jei，j(1-δ(ci，cj))。
36、所述的趋势预测分量、时不变预测分量和时变预测分量的计算过程如下：
37、a、时间序列的上下包络线中位数求解：找出时间序列x(t)的所有极大值点和极小值点，其中t表示当前系统时间t前一段的历史时间段，取值范围为t∈{t0，t1}，使用三次样条差值函数拟合形成上下包络线，并计算上下包络线的中位数uq(t)；
38、b、新信号求解：计算时间序列x(t)与中位数uq(t本文档来自技高网...
【技术保护点】
1.一种基于不确定参数预测的交通信号模型预测控制方法，其特征在于：具体包括有以下步骤：
2.根据权利要求1所述的一种基于不确定参数预测的交通信号模型预测控制方法，其特征在于：所述的模块度Q的计算公式见式(7)：
3.根据权利要求2所述的一种基于不确定参数预测的交通信号模型预测控制方法，其特征在于：所述的模块度增量ΔQ的计算公式见式(11)：
4.根据权利要求1所述的一种基于不确定参数预测的交通信号模型预测控制方法，其特征在于：所述的趋势预测分量、时不变预测分量和时变预测分量的计算过程如下：
5.根据权利要求4所述的一种基于不确定参数预测的交通信号模型预测控制方法，其特征在于：所述的时变预测分量以及时不变预测分量的计算过程中，使用MSE损失函数作为目标函数，非平稳分量作为输入值，编码器Encoder、可学习矩阵θ以及解码器Decoder均为可学习参数，通过参数优化，从而获得更精准的时变预测分量以及时不变预测分量。
6.根据权利要求1所述的一种基于不确定参数预测的交通信号模型预测控制方法，其特征在于：所述的针对每个划分后的子
...【技术特征摘要】
1.一种基于不确定参数预测的交通信号模型预测控制方法，其特征在于：具体包括有以下步骤：
2.根据权利要求1所述的一种基于不确定参数预测的交通信号模型预测控制方法，其特征在于：所述的模块度q的计算公式见式(7)：
3.根据权利要求2所述的一种基于不确定参数预测的交通信号模型预测控制方法，其特征在于：所述的模块度增量δq的计算公式见式(11)：
4.根据权利要求1所述的一种基于不确定参数预测的交通信号模型预测控制方法，其特征在于：所述的趋势预测分量、时不变预测分量和时变预测分量的计算过程如下：
【专利技术属性】
技术研发人员：任毅龙，姜涵，于海洋，付翔，杨灿，
申请(专利权)人：北京航空航天大学合肥创新研究院，
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。