基于去伪策略的城市主干道迭代学习控制方法研究

发布时间：2020-07-03 13:36

【摘要】：随着我国城市化进程的不断加快,交通拥堵已经成为了城市管理中一个不容忽视的问题。主干道作为城市的大动脉,往往承担着主要的交通负荷。因此,提高城市主干道的协调控制效果,减少主干道上的交通延误和停车率,对改善整个城市的交通状况具有重要的意义。现有的主干道控制方法已经在实际应用中发挥了较好的效果,但也还存在一些不足。比如计算复杂度随着路网规模扩大呈指数级上升;又如优化控制效果严重依赖于数学模型精度,而对于复杂的主干道交通系统,精确模型很难获得。为了解决这些问题,本文将基于迭代学习的数据驱动控制方法引入到了城市主干道控制之中,提出了一种基于去伪策略的城市主干道迭代学习控制方法。仿真结果表明,这些算法具有较强的自适应性和自学习性,比传统的主干道控制方法能更有效地解决城市交通拥堵问题。本文的主要工作如下:1.在改进存储转发模型基础上,提出了基于迭代学习的城市单交叉口和主干道协调控制方法。根据交通流优化控制的需求,将存储转发模型的建模对象由路段进一步细分为交通流向,以交通流向作为控制的基本单元。以此为基础,将迭代学习控制应用到单交叉口和城市主干道的交通信号控制中,通过将上下游交叉口流量的关联性作为单个交叉口的可测干扰,使得复杂多交叉口群控制转化为交叉口组的控制。2.提出了基于去伪策略的自适应迭代学习控制方法,并分析了不同条件下算法的收敛性。将去伪策略引入迭代学习控制中,使其能够根据交通需求的实时动态变化,自适应的调整闭环学习率。同时,针对实际运行过程中交通系统会受到的各种外部因素干扰的情况,分析了当系统的初始状态和扰动不满足严格重复条件时算法的收敛性。3.利用绍兴市柯桥区真实路网和数据,结合matlab和vissim交通仿真软件对上述成果分别进行仿真实验,仿真结果验证了上述方法的有效性。最后,对本文的研究内容作了总结和分析,并对后续研究作了展望。
【学位授予单位】：浙江工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U491;TP13
【图文】：

5.1 引言根据第三章和第四章所提出的单交叉口控制方法和城市主干道交通信号协调控制方法，本章将通过仿真实验验证算法的收敛性和有效性。本文使用交通仿真软件 vissim 来对真实路网进行建模，利用 vissim 软件自带的 com 接口连接 matlab，利用 matlab 实现迭代学习算法，实时调整信号配时方案。5.2 仿真对象说明利用绍兴市柯桥区金柯桥大道早高峰的车流数据进行仿真测试。如图 5-1 所示，测试路段由 5 个交叉口，11 个路段组成组成，其中金柯桥大道为双向八车道，群贤路，兴越路和钱陶公路为双向六车道，华宇路和裕民路为双向四车道。

浙江工业大学硕士学位论文与另外一条横向主干道裕民路的交点，这个交叉口东西向以及南北向的车流量在早段均达到了接近饱和的程度。利用这个交叉口进行仿真实验，有利于验证第三章所基于迭代学习的单交叉口控制方法在交叉口交通流量近饱和状态下的控制效果。根据道路实际情况，利用 vissim 建模如下图：

【相似文献】

相关期刊论文 前10条

1 刘超;;迭代学习控制原理浅述[J];智慧工厂;2017年12期

2 付子义;袁海国;王艺龙;;基于迭代学习控制的桥式起重机定位及防摆[J];实验室研究与探索;2017年02期

3 池荣虎;刘宇;张瑞坤;;离散时间系统自适应迭代学习控制的研究进展[J];青岛科技大学学报(自然科学版);2015年06期

4 苗静;;迭代学习控制理论[J];西安工业大学学报;2013年11期

5 苗静;;迭代学习控制理论[J];西安工业大学学报;2014年02期

6 苗静;;迭代学习控制理论[J];西安工业大学学报;2012年09期

7 苗静;;迭代学习控制理论[J];西安工业大学学报;2011年05期

8 孙云平;李俊民;王元亮;;二阶系统非一致目标跟踪混合自适应迭代学习控制[J];工程数学学报;2008年01期

9 李俊民;孙云平;刘峗;;非一致目标跟踪的混合自适应迭代学习控制[J];控制理论与应用;2008年01期

10 李丽娜;雷升印;;迭代学习控制在伺服系统中的应用[J];中国科技信息;2006年04期

相关会议论文 前10条

1 师佳;江青茵;曹志凯;周华;;一种基于2维鲁棒预测控制的迭代学习控制方案[A];第二十九届中国控制会议论文集[C];2010年

2 兰永红;;基于二维模型的鲁棒D型迭代学习控制[A];中国自动化学会控制理论专业委员会C卷[C];2011年

3 毕胜;王福根;鄢达来;吴怀宇;章刚华;熊沈蜀;周兆英;;功能性电刺激P型迭代学习控制方法的研究[A];中国康复医学会第四届会员代表大会暨第三届中国康复医学学术大会论文汇编[C];2001年

4 翟仑;段培永;李俊青;李岩;田国会;黄尚锋;;闭环迭代学习控制在切换轨迹精确跟踪中的应用[A];2018中国自动化大会(CAC2018)论文集[C];2018年

5 任佳;王向东;徐进学;;一类非线性系统的迭代学习控制[A];第二十届中国控制会议论文集（上）[C];2001年

6 白小军;陈力;;漂浮基空间机器人基于边界层的自适应切换迭代学习控制[A];第十届全国多体动力学与控制暨第五届全国航天动力学与控制学术会议论文摘要集[C];2017年

7 孙明轩;张杰;毕宏博;;时变非线性系统的特征模型与自适应迭代学习控制[A];第26届中国控制与决策会议论文集[C];2014年

8 刘萍;郭毓;胡彦;向峥嵘;;一类二阶不确定非线性系统的鲁棒自适应迭代学习控制[A];第二十七届中国控制会议论文集[C];2008年

9 黄秋霞;何熊熊;李大鹏;;基于特征模型的自适应迭代学习控制[A];第25届中国控制与决策会议论文集[C];2013年

10 朴凤贤;张庆灵;;非线性迭代学习控制系统的改进算法[A];数学·力学·物理学·高新技术研究进展——2006（11）卷——中国数学力学物理学高新技术交叉研究会第11届学术研讨会论文集[C];2006年

相关博士学位论文 前10条

1 洪英东;轨迹更新的点对点2D综合预测迭代学习控制研究[D];清华大学;2017年

2 孙丽丽;互联系统的分散式自适应迭代学习控制及应用研究[D];浙江大学;2014年

3 杨胜跃;迭代学习控制算法设计与优化研究[D];中南大学;2004年

4 谢振东;非线性迭代学习控制理论及其在机器人控制中的应用[D];华南理工大学;2000年

5 徐敏;基于迭代学习控制理论的励磁控制研究[D];西北工业大学;2005年

6 池荣虎;非线性离散时间系统的自适应迭代学习控制及应用[D];北京交通大学;2006年

7 张瑞坤;受限非线性参数化系统的自适应迭代学习控制[D];北京交通大学;2016年

8 张春丽;几类非线性系统的自适应迭代学习控制研究[D];西安电子科技大学;2014年

9 吉鸿海;自适应迭代学习控制和卡尔曼一致性滤波及在高速列车运行控制中的应用[D];北京交通大学;2017年

10 李金沙;多智能体系统一致性学习协议的设计与分析[D];西安电子科技大学;2015年

相关硕士学位论文 前10条

1 陈文峰;基于去伪策略的城市主干道迭代学习控制方法研究[D];浙江工业大学;2018年

2 杜莉莉;几类广义大型互联线性系统的分散迭代学习控制[D];苏州科技大学;2018年

3 陈倩云;工业机器人迭代学习控制研究[D];哈尔滨工业大学;2018年

4 王蓝菁;批次变长度下连续非线性系统的采样迭代学习控制[D];北京化工大学;2018年

5 梁成斌;二阶时滞微分系统稳定性及其学习控制问题[D];贵州大学;2018年

6 邱骞;时滞抛物型分布参数系统的迭代学习控制[D];广西科技大学;2014年

7 杜如珍;基于迭代学习控制的磨浆过程输出纤维形态随机分布控制研究[D];东北大学;2017年

8 夏洋X;基于DSP的摆镜伺服系统设计[D];河南科技大学;2017年

9 徐静;基于自适应迭代学习控制的轨迹跟踪研究[D];东北大学;2017年

10 马丙华;机载光电稳定平台扰动的自适应补偿[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2018年

本文编号：2739730