饱和状态下城市道路交叉口的协调控制方法研究

发布时间：2020-08-21 18:58

【摘要】：如今固有的道路设施资源与不断增加的交通需求形成了矛盾,饱和度过高的车流量给交通运行带来了很大的负担。本文从被动的信号控制和主动的交通分配两个角度着手研究路网中交通流的控制问题,围绕单交叉口的信号配时、主干道交通流的协调控制和动态的随机用户平衡分配制定控制方案以达到提高交通效率、改善交通状况的目的。具体工作如下:本文设计了一个两步模糊逻辑控制器对单交叉口进行信号配时,即先决定信号相位,再确定绿灯时间。针对模糊决策决定信号相位会导致相序混乱的问题,引入一个人为的相序规则,结合模糊逻辑一起决定相位以保证信号主相位能被顺序执行。传统的模糊控制器往往以当前的交通流量作为参考输入,本文通过小波神经网络预测车流并把预测量作为控制器输入,使信号控制能间接考虑未来车辆到达率的影响。对于交通流随时间变化的特性,设计了一个时变的隶属度函数来自适应变化的车流量。由于模糊控制器的参数确定困难,引入差分进化算法优化模糊规则避免人为确定控制参数的随意性。仿真结果表明此控制器能显著减少车辆延误。针对主干道交叉口的信号控制问题,本文提出了一个基于离散车队的控制模型。借鉴Robertson离散公式描述上下游的车队离散关系,证明了在干道转向车流较少的情况下,下游车辆到达率满足周期性关系。在此基础上,利用周期数组保存模型中的中间变量使得上下游车流参数的计算可以用“查表”的方式代替“递归”的方式,减少运算时间。当某一交叉口发生占道事故使得车流量过饱和时,通过改进的元胞自动机模型预估通行能力,然后设计排队因子管理干道交叉口的排队车辆,给出目标函数。最后,根据目标函数利用遗传算法优化各交叉口的相位差和绿灯时间。本文给出带流量控制的动态交通分配算法来主动管理交通需求。在出行者的路径概率选择模型上,加入路径重复度感知系数,避免多条路径中重复度高的路段被分配到较高的车流量。由于计算OD点间全部路径十分费时,采取前k条最短路径算法选择路径集。根据这个路径概率模型设计了等价的数学模型并证明路径流量解的唯一性。针对分配流量较高的路段,通过自组织特征映射神经网络聚类与之关联度高的路段。然后给这些路段施加惩罚因子并增加OD点间路径重新分配交通流量。仿真表明,路网中交通流量能达到新的随机用户平衡状态并且高流量路段的车流能被疏散到其他路段。本文从信号配时和车流分配两个角度对交通车流进行控制并对本文的控制方法均做了仿真实验,结果表明,本文的控制策略能有效减少排队车辆,降低车辆延误。
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U491.23
【图文】：

四相,位图,模糊控制

对于单交叉口的信号配时，以前往往是基于模型的。基于模型的信号配时方法很依赖模型的正确性。而在实际情况中，针对复杂的车流运动现象，数学建模很难精确表达，而精确的数学建模要么建立在众多的假设条件下，要么比较复杂。针对单交叉口的输入参数比较少的特点，一些人工智能的控制方法往往能取代一些传统的控制方法取得良好的结果，比如模糊控制。模糊控制的主要优势在于不用精确建模，对于非线性，强耦合，时变的系统比较有效[18]。为了在过饱和情况下，尽快疏散车流，减少车辆延误，绿灯需要时变来配合密集变化的车流。这一章通过一个两步的模糊控制，即先确定信号相位，再确定绿灯延长时间，从而进行信号配时。同时为了改进以往单交叉口的模糊控制方法，本章从实际操作出发，从多个方面优化模糊控制的输出结果。首先在信号相位相序的确定上，将一个由小波神经网络确定的预测车流量加入到模糊控制的输入中，从而让相位的选择具有前瞻性。针对车流量变化比较大的情况，本章提出了一种自适应的隶属函数去自适应变化的车流量。其次在绿灯时间的延长上，本章通过一种实时的检测机制尽可能公平地分配绿灯时间。最后在模糊控制中的模糊逻辑规则的确定上，通过差分进化算法去优化模糊逻辑规则，避免人为确定的随意性。通过对比定时控制，传统的模糊控制，本章改进的模糊控制方法来验证本章提出的优化方法的有效性。

框图,框图,直行,模糊控制

饱和状态下城市道路交叉口的协调控制方法研究2.2 两步模糊控制器的结构2.2.1 控制对象本章研究对象是一个四相位的单交叉口，车辆的直行和左转行为受信号灯控制，右转不受控制。四个信号相位如图 2.1 显示。第一相位为南北直行，第二相位为南北左转，第三相位为东西直行，第四相位为东西左转。在实际模糊控制中，相序可能有变化，但仍会遵循一定的相序规则。接下来会比较详细地介绍控制器的结构和作用。2.2.2 模糊控制基本原理在人参与的实际控制系统当中，虽然人对系统结构没有精确的认知，但人们可以通过生活经验对控制系统做出相对正确的决策。就比如交通系统，车流量多的相位给与更多的绿灯时间是生活常识。车多还是车少的模糊概念取代车流量这种精确概念，从而通过特定的模糊推理得到模糊的输出量，最后去模糊化得到精确的控制量。模糊控制是一种数字电路控制，它需要 AD和 DA 转换模块[35]。如图 2.2 所示：

模糊控制器,绿灯时间

主相位的执行是有序的。如果执行器执行完了南北方向的左转和直行，则下一阶段的相位就是东西方向的左转或者直行，反之亦然。模糊控制器负责确定在这个方向上是左转还是直行。在这种情况下，主相位 A，B 是交替执行的，相位选择模糊控制器实际上在一个周期中被执行两次。绿灯延时模糊控制器的目的是输出一个判断变量来确定是否改变当前相位。输入变量包括当前相位的排队长度和其他相位的平均排队长度。如果模糊控制器直接决定绿灯时间，则忽略了未来的车辆到达率，导致结果不准确。如果车辆到达率也作为输入之一，那么多个输入导致的结果就是模糊规则很难制定和优化。一般来说，模糊规则的初始制定来源于交通管理者的经验，再通过一些优化算法优化，变量越多，模糊规则的复杂度呈几何式增长。输出是一个决策变量，当达到阈值时，改变当前相位。在这种情况下，模糊控制器间接考虑了车辆到达率。当相位确定后，绿灯延时模块将给出相位的最小绿灯时间。通过道路传感器收集的交通流信息，绿灯延时模块每隔几秒钟就判断一次是延长当前绿灯时间还是直接切换相位。之所以引入相位的最小绿灯时间，是用来保证通过停车线的车辆能够安全地穿过十字路口，并且当交通流量比较小时，给行人和非机动车辆一些过街时间。同时也要保证最大的绿灯时间，否则其他相位的车辆等待时间过长，司机无法忍受。

【相似文献】