基于MPC的快速路入口匝道与主线速度引导联合控制研究

发布时间：2021-01-06 21:44

　　城市快速路系统是城市路网中的主骨架主要承担中长距离出行的快速通达功能。快速路系统交通效率的高低将会影响整个城市的交通运行效率。通过交通控制手段可以提升城市快速路系统的通行效率已经被广泛证实。这其中主要的控制方法包括快速路入口匝道控制和主线速度引导控制两种形式。目前针对这两种控制方法的研究中大多存在适用条件不明确、缺乏系统性等问题。本文将快速路入口匝道控制与主线速度引导控制有机的结合起来,通过对匝道控制算法、速度引导控制方法、宏观交通流模型及模型预测控制的研究提出了基于MPC的快速路入口匝道与主线速度引导联合控制方法。本文针对目前应用最广泛的匝道控制算法ALINEA算法及其改进扩展算法进行了包括优缺点、适用性等方面的系统性总结,为实际工程实践中匝道控制算法的选取提供了参考。在此基础上针对ALINEA算法进行了改进,提升了算法在匝道排队控制时的有效性及多车道情况下算法的合理性。在速度引导控制方面,本文首先总结了两种主流的速度引导控制方法,并针对宏观与微观层面的速度引导控制进行了速度引导控制的敏感性分析,得出速度引导控制在不同受控车辆比例下与交通效率及交通安全水平的关系,并从定量的角度以交通... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：92 页

【学位级别】：硕士

【部分图文】：

流量占有率基本图

图 2-6 小波神经网络拓扑结构层函数的变换后被赋予相应权值并结合小波输出结果 ( )如式 2-23 所示：212( ) cos(1.75 ) [ ]kx ij i jijx b j x ea ， j 1,2, 22 )xx e 为 Morlet 母小波基函数，jb 和ja 分别因子。经网络的输出结果如式 2-24 所示( ) ( )liki ly k h ik 1, 2, ,m 别表示隐层和输出层节点数。的匝道交通量作为神经网络的输入，经过隐道交通需求。传统的小波神经网络中的网络缩因子 ， 是被随机初始化的，本文引入

哈尔滨工业大学硕士学位论文流状态传递函数，如式 3-5 所示。( )1 ( )outcq zz q z + 为流量-密度转换参数，如式 3-6 所示。( )'( )outoutzKq z TFC-VSL 控制系统最终传递函数可表示式（3-7）所示的形式。( )'( ) 1outoutz zK Kb z z z +

【参考文献】：
期刊论文
[1]基于ALINEA算法的城市快速路匝道控制方法[J]. 乔彦甫,赵斌,方传武,姚志洪.  西南交通大学学报. 2017(05)
[2]快速路可变限速与匝道控制协同优化策略[J]. 周浩,胡坚明,张毅,孙瑞.  交通运输系统工程与信息. 2017(02)
[3]基于小波神经网络的短时交通流预测[J]. 金玉婷,余立建.  交通科技与经济. 2014(01)
[4]城市快速路匝道控制设计与仿真分析[J]. 秦雷,姚红云,王晓艺.  交通信息与安全. 2011(01)

硕士论文
[1]基于鸡群算法的小波神经网络短时交通流预测研究[D]. 蒋婷婷.西南交通大学 2018
[2]基于交通拥堵指数的交通拥堵模式聚类分析[D]. 刘思宁.北京交通大学 2016
[3]快速路入口匝道与可变限速协同控制策略研究[D]. 梁振羽.哈尔滨工业大学 2016
[4]基于MPC的快速路入口匝道协调控制策略研究[D]. 胡灵龙.浙江大学 2014



本文编号：2961309