拉格朗日體系下高速公路網(wǎng)監(jiān)控方法研究.pdf

1、高速公路網(wǎng)交通流監(jiān)控工作中包含兩項基礎(chǔ)性的工作:一是如何科學合理地布設檢測器，二是如何對沒有布設檢測器的位置上的交通流狀態(tài)進行估計。通過這兩項工作可實時獲得高速公路路段交通流狀態(tài)參數(shù)（流量，平均速度和密度等），并保證在每一個時間步長內(nèi)具有足夠的空間解析度。如果沒有科學合理的交通狀態(tài)估計，就無法進行交通事件識別、狀態(tài)預測和控制策略優(yōu)化。這兩項工作是現(xiàn)代高速公路管理與控制中最為關(guān)鍵的部分。
　　通常基于模型的交通狀態(tài)估計包含一個為刻畫

2、狀態(tài)變量動態(tài)變化而建的動態(tài)模型，一系列與檢測值相關(guān)聯(lián)的觀測方程，和一種將模型預測值與檢測值數(shù)據(jù)同化的方法。一般地，動態(tài)模型和觀測模型都是建立在歐拉坐標系之上（空間-時間）。研究表明上述過程可以用拉格朗日坐標（車輛數(shù)-時間）描述得更為高效和精確，本文的主要創(chuàng)新性工作如下。
　　在拉格朗日坐標體系中重新建立宏觀交通流模型。拉格朗日坐標系被固定在已知的流動質(zhì)點上并隨之在空間一時間上運動。在這個新的坐標系統(tǒng)里，研究的對象不再是確定局部密度

3、，而是車輛數(shù)n的位置X(n,t）。本文依據(jù)守恒原則和變分原理，將運動波模型轉(zhuǎn)換成拉格朗日數(shù)值格式，形成交通流動態(tài)過程方程;提出一組觀測方程，可同時關(guān)聯(lián)歐氏檢測數(shù)據(jù)和拉格朗日檢測器數(shù)據(jù)。在擴展卡爾曼濾波方法的基礎(chǔ)上，形成新型的拉格朗日實時交通流狀態(tài)估計器。提出節(jié)點模型表示車輛的形成和消散，結(jié)合拉格朗日運動波模型，最終實現(xiàn)估計器在大規(guī)模路網(wǎng)上的應用。本文在對拉格朗日估計器和歐拉估計器的驗證和比較中，使用了相同的LWR模型和現(xiàn)場交通流檢測數(shù)據(jù)

4、。結(jié)果表明拉格朗日估計器具有顯著的精確性，在計算上和理論上都比歐拉估計方法更優(yōu)越。
　　在拉格朗日坐標體系下，本文研究比較了不同的數(shù)據(jù)同化方法的性能。針對一階線性拉格朗日系統(tǒng)方程，采用牛頓松弛方法將實時的交通流檢測數(shù)據(jù)值融合于交通流模型的技術(shù)，并將它與卡爾曼濾波方法進行了比較。前者采用牛頓松弛方法改進了LWR模型，在LWR模型的基礎(chǔ)上增加了修正項，減少了測量值與估計值之間的誤差，它使得模型估計值更加逼近測量值。后者基于卡爾曼濾波和

5、混合系統(tǒng)構(gòu)架，增加了一個觀察方程到線性流模型中。這兩種方法都假定基本關(guān)系和特征路段的邊界條件為已知，它們都不需要知道出入口匝道檢測器的計數(shù)。研究過程中運用多組數(shù)據(jù)對方法進行了測試，這些數(shù)據(jù)包括現(xiàn)場檢測數(shù)據(jù)和仿真數(shù)據(jù)。結(jié)果表明本文提出的方法能成功地將GPS數(shù)據(jù)用于高速公路交通狀態(tài)估計。
　　在對交通流狀態(tài)估計方法進行研究的基礎(chǔ)上，本文提出了一種面向交通流狀態(tài)估計需求和運營需求的檢測器布置方法。將交通流信息采集需求劃分為交通規(guī)劃、路段

6、運營管理和交通流管控三個層次，論文定義滿足交通規(guī)劃需求的檢測器布置方案為最小檢測器布置，滿足交通狀態(tài)估計與投資相平衡的檢測器布置為最優(yōu)檢測器布置。將高速公路網(wǎng)視為有向圖，邊數(shù)與節(jié)點數(shù)之差為最小檢測器數(shù)量，利用最小邊控制集的思想得到最小檢測器布置方案。論文運用擴展卡爾曼濾波算法對不同檢測器布置方案下交通流狀態(tài)進行估計，計算估計偏差，以獲得最優(yōu)檢測器布置。論文最后通過算例對提出的分層優(yōu)化方法進行了仿真試驗，驗證了方法的有效性。
　　在