城市交通區(qū)域的迭代學(xué)習(xí)邊界控制.pdf

1、隨著汽車保有量的急速增長(zhǎng)，許多大城市面臨著區(qū)域性的擁堵問(wèn)題，對(duì)社會(huì)生活和國(guó)民經(jīng)濟(jì)都造成了嚴(yán)重影響。因此，城市交通系統(tǒng)優(yōu)化控制是智能交通領(lǐng)域的重要科學(xué)問(wèn)題和重要研究方向。近些年，許多國(guó)內(nèi)外學(xué)者開(kāi)始從宏觀層面利用宏觀基本圖（Macroscopic Fundamental Diagram，MFD）來(lái)設(shè)計(jì)邊界控制器以調(diào)節(jié)整個(gè)路網(wǎng)的車流量，使路網(wǎng)通行能力最大化。目前，已有基于MFD的控制方法多屬于基于模型的反饋控制算法。然而，實(shí)際路網(wǎng)的MFD模型

2、參數(shù)難于標(biāo)定且易受環(huán)境影響發(fā)生變化，進(jìn)而影響這些控制算法的實(shí)際應(yīng)用效果。
　　隨著信息、傳感、計(jì)算機(jī)等技術(shù)的快速發(fā)展，城市交通系統(tǒng)每時(shí)每刻都在采集和存儲(chǔ)蘊(yùn)含交通系統(tǒng)運(yùn)行狀態(tài)的海量數(shù)據(jù)。此外，城市交通系統(tǒng)的交通流按天、按周、按季度甚至按年的運(yùn)行模式都具有重復(fù)性。迭代學(xué)習(xí)控制(Iterative Learning Control，ILC)充分利用系統(tǒng)重復(fù)運(yùn)行信息構(gòu)造控制器，使系統(tǒng)控制性能隨運(yùn)行次數(shù)的增加不斷得到改善。因此，基于城市交通

3、流的重復(fù)特性，本文提出了城市交通區(qū)域的兩種迭代學(xué)習(xí)邊界控制方案，給出了相應(yīng)的誤差收斂性分析，并通過(guò)大量仿真驗(yàn)證了迭代學(xué)習(xí)控制方法對(duì)于各種場(chǎng)景下的區(qū)域路網(wǎng)交通情況均能達(dá)到較為理想的控制效果。
　　論文主要工作如下:
　　第一，介紹了MFD產(chǎn)生的背景、基本性質(zhì)、影響因素及相關(guān)參數(shù)的計(jì)算公式。給出了基于MFD的城市交通系統(tǒng)模型并作了解析。
　　第二，借鑒宏觀基本圖和迭代學(xué)習(xí)控制的現(xiàn)有研究成果，提出了城市交通區(qū)域的基于MFD的

4、迭代學(xué)習(xí)邊界控制方案，給出了誤差收斂性分析，從宏觀層面對(duì)不同路網(wǎng)情況（早晚高峰、中心區(qū)域擁堵、交通需求時(shí)變、不同的期望車輛數(shù)、放縮MFD）進(jìn)行了仿真分析，結(jié)果顯示，當(dāng)系統(tǒng)參數(shù)僅在時(shí)間軸上發(fā)生變化時(shí)，迭代學(xué)習(xí)邊界控制方案對(duì)于各種場(chǎng)景下的區(qū)域路網(wǎng)交通狀態(tài)具有良好的控制效果。
　　第三，為抑制交通系統(tǒng)參數(shù)的迭代變化，進(jìn)一步提出了城市交通區(qū)域的前饋反饋迭代學(xué)習(xí)控制方案、給出誤差收斂性證明，并從不同路網(wǎng)情況（早晚高峰、中心區(qū)域擁堵、不同的期