一种基于模型预测的城市交通鲁棒控制系统

With the rapid increase of vehicle ownership in China, urban congestion and associated negative effects such as high rate of energy consumption and exhaust emission are worsening increasingly, drawing attentions from many sectors of the society. Urban traffic control system is one of the effective measures to deal with urban congestion. In order to tackle the high complexity and the stochastic nature of urban traffic systems, an important trend is to combine different traffic control measures and impart the proactive ability and robustness into the control system. Targeting this need and taking urban traffic control system as the subject, this study will apply the Cell Transmission Model to build the network traffic flow model, apply the statistical analysis method and mathematical programming approach to unravel the interaction mechanism between traffic signal control and dynamic traffic assignment so as to develop a bi-level model and its global optimization solution, and apply the model predictive control (MPC) approach to develop a MPC based robust urban traffic control system model. Based on the development of the integrated MPC control system model, this study will apply the rolling horizon approach to build a real time prototype system, and investigate and validate the prototype system using simulation approach and real word traffic data. The findings of this study will help to develop effective urban traffic control systems with significant theoretic and pragmatic importance and promising future application potential.

随着我国城市机动车保有量的迅猛提高，城市交通拥堵日益严重，同时伴生高能耗、高排放等多种负面影响，已引起了社会各界的广泛关注。城市交通控制系统是应对城市交通拥堵问题的有效手段之一。为了适应城市交通系统的复杂性和随机性，整合多种控制手段、实现主动和鲁棒控制的城市交通控制系统是未来发展的重要趋势。针对该要求，本项目以城市交通控制系统为研究对象，应用元胞传输模型构建网络交通流模型，应用统计分析及数学规划方法，揭示城市交通需求矩阵的随机分布特征，阐明交通信号控制和动态交通分配之间的相互作用机理，建立双层耦合优化模型和整体求解方法，并采用模型预测控制方法建立基于模型预测的城市交通鲁棒控制系统模型。在建立控制系统模型基础上，应用滚动时域法建立原型系统，并采用实际交通检测数据进行仿真分析和验证。本项目的研究将有助于建立有效的城市交通控制系统，理论和实际意义显著，应用前景广泛。

随着我国城市机动车保有量的迅猛提高，城市交通拥堵日益严重，同时伴生高能耗、高排放等多种负面影响，已引起了社会各界的广泛关注。城市交通控制系统是应对城市交通拥堵问题的有效手段之一。为了适应城市交通系统的复杂性和随机性，整合多种控制手段、实现主动控制的城市交通控制系统是未来发展的重要趋势。据此，本项目从城市交通网络数据处理、交通流均值预测、交通流不确定性预测与分布分析、城市交通网络信号控制四个方面对城市交通控制系统进行了研究。首先，在城市交通网络数据处理方面，分别定义了射频识别（RFID）数据的错误、缺失及冗余三类异常数据，分析了错误数据、缺失数据及冗余数据的特征，建立了错误数据、缺失数据的识别及修正方法，研究了出行时间数据的时间覆盖率特征。其次，在交通流均值预测方面，基于有效数据集，将K近邻算法、BP神经网络、RBF神经网络、广义回归神经网络及Elman神经网络等理论与交通流预测的SARIMA模型相结合，构建了短时交通流混合预测模型，并研究了不同时间汇集度对预测模型精度的影响。再次，在交通流不确定性预测与分布分析方面，基于交通流均值预测及实际流量分布，获取了交通流预测残差，分析了不同时间汇集度下的残差特征，发现了交通流预测残差的“尖峰厚尾”特性，推翻了传统的交通流残差正态性假设，并基于最优拟合分布对交通流的不确定性进行了预测；应用多种分布模型，分析了城市交通系统中出行时间的分布特征，给出了最优拟合分布。最后，在城市交通网络信号控制方面，以城市交通网络的交通分配和信号控制为对象，借助博弈论、模糊理论等方法，对用户均衡、系统均衡条件下的区域交通信号控制进行了研究，构建了多种区域信号协调耦合优化模型。综上所述，本项目从交通数据处理、交通流均值预测、交通流不确定性预测、信号控制与诱导耦合优化等方面，形成了一套完整的城市交通控制系统理论模型，对提升交通运行效率、改善交通运行状况有着积极的作用，可为城市交通规划、管理措施的制定提供参考。