面向不同交通管控需求的城市路网分层建模与优化控制策略研究

Traffic congestion in urban traffic networks becomes a serious problem all over the world. Network-wide control of large-scale urban traffic networks using an appropriate framework can be more efficient and flexible than centralized strategies for reducing the traffic congestion in big cities, because it can adequately address some problems that occur in controlling such large systems, e.g., computational complexity, multiple control objectives, weak robustness to uncertainties, and so on. Therefore, this proposal presents a multi-level hierarchical control framework based on traffic network partition. In this architecture, multiple control objectives are distributed into different control levels, and then a lower dimension optimization problem at each level is able to be solved at every control time step. Moreover, the communication and coordination between different levels are capable of improving the performance of entire urban traffic system. First of all, we investigate on the congestion propagation in big cities and the partition method that could decompose a heterogeneous traffic network into several homogeneous subnetworks. Then, a regional traffic flow model based on the concept of macroscopic fundamental diagrams and a link traffic flow model based on the spatiotemporal dynamic characteristics need to be established for complex urban traffic networks separately. Moreover, by using the traffic emission models from macroscopic and microscopic perspectives, integrated traffic models will be built to predict the emissions released by vehicles according to the traffic flow models. Finally, a hierarchical control framework for large-scale urban traffic networks will be proposed to design the corresponding coordination and optimal control strategies. This project aims to further explore the congestion propagation in urban traffic networks and to provide more efficient methodology and algorithm for mitigating urban traffic congestion and reducing traffic emissions.

城市路网中的交通拥堵已经成为世界各大城市亟待解决的严重问题。采用适当的控制结构实现大规模城市交通路网的网络化控制不仅可以缓解交通拥堵，而且可以解决现有集中式控制中存在的计算复杂性、多目标性和弱鲁棒性等问题。因此，本项目提出一种分层递阶控制结构，在路网分区的基础上，控制目标随着优化问题被分到不同的层次，每层每个时刻都解决一个维度较低的优化问题，层级之间通过信息交互共同提升整个交通系统的性能。首先，分析拥堵在路网中的传播规律，研究将异质城市交通路网划分为若干个匀质子路网的方法。然后，分别建立宏观路网和微观路段的交通流模型，并以此建立能够预测尾气排放量的混合模型。最后，构建城市交通路网的递阶控制结构，设计有效的路网协调和优化控制策略。本项目的预期研究结果可以加深对拥堵传播规律的理解，为缓解城市交通拥堵、减少环境污染提供有效的理论基础和实用算法。

城市路网中的交通拥堵已经成为世界各大城市亟待解决的严重问题。从长远的角度来看，在现有交通设施的基础上，对路网中的信号灯进行协调控制，是减轻交通拥堵的有效措施。采用宏观建模方式，对路网中的交通流动态过程进行建模，可以得到包含约束的信号灯控制问题。如果将相应的优化问题嵌入到滚动时域框架内，就可以对信号灯进行实时优化控制。但是，城市交通路网是一个包含大量交叉口和路段的大规模复杂系统。在实际应用中，采用单一控制器对这种大规模系统进行集中控制通常是不可行的。因此，为了解决集中控制中存在的问题，例如计算复杂度、多控制目标和不确定因素带来的弱鲁棒性等，本项目对大规模城市交通路网采用分布式及多层递阶结构进行网络化控制，以合理诱导交通流并改善路网的通行能力，同时减少环境污染。.本项目首先提出了一种融合交通流机理与车辆尾气排放的污染物排放量预测建模方法。在已有路段交通流机理模型的基础上，加入了车辆尾气排放模型，从而可以预测路网总体污染程度，为实现以环境为导向的交通路网管控奠定了基础。然后，在对大规模城市交通路网进行划分后，利用多智能体方法对子路网进行协调控制。每个智能体采用预测控制方法，为了处理子路网之间的关连，通过与其周围邻居进行信息交流，提出了一种基于交替方向乘子法的多智能体平行协调方法，使多智能体能够尽快地达到决策一致。最后，提出了一种把需求平衡控制和交通流协调控制集成在一起的两层递阶预测控制方法。在第一层，通过网络划分，建立了一种改进的基于宏观基本图的交通流模型，能够描述子路网内的交通动态过程。该模型可以用于设计需求平衡的预测控制器，通过调整外围输入流量，改善子路网内部的交通状况。在第二层，利用更精确的交通流模型，设计流量协调预测控制器，通过合理诱导区域内的交通流，使子路网更加匀质。.本项目的研究将为大规模城市交通路网的网络化调控策略建立理论基础，具有重要的学术价值和现实意义。