基于模型预测控制联合机会约束的路网交通信号协调控制方法研究

It is generally recognized that advanced traffic signal control strategies offer the biggest payoff for reducing traffic congestion. Approaches based on MPC for traffic signal coordination attract much attention mainly due to its ability in predicting the future traffic information and implementing a rolling horizon strategy. However, a great deal of current research mainly focuses on deterministic method and lacks the ability to model uncertainties on urban road networks. This project presents a novel traffic signal coordination method, in which chance constraints programing is employed to capture uncertainties on road networks. The main contents of this project are presented as follows: A MPC model with chance constraints is proposed for traffic signal control, whereby uncertainty traffic demands and uncertainty stochastic disturbances on road networks are considered. An effective method for solving the traffic signal control model based on MPC with chance constraints will be developed. Aims to reduce the computational complexity and improve the practicability of the proposed model, a distributed MPC coordination approach will be proposed. Numerical simulations are implemented to demonstrate the effectiveness of the proposed model and distributed MPC coordination approach. In summary, this project aims to effectively model uncertainty factors on road networks and develop advanced traffic signal coordination strategies to alleviate traffic congestion.

开发先进的交通信号控制方法对路网进行有效管控，是缓解交通拥堵的有效途径。由于能够对未来的交通状态进行预测且具有在线滚动优化的特征，基于模型预测控制（MPC）的交通信号协调控制方法的研究日益受到重视。然而，现有的研究工作主要集中于确定性方法，难以有效建模路网中的不确定性因素。因此，本课题拟在采用机会约束规划方法描述路网中不确定性因素的基础上，提出一套新的基于MPC的交通信号协调控制方法。研究内容包括: 综合考虑路网中不确定交通需求和不确定随机扰动这两种不确定性因素，构建基于MPC联合机会约束的交通信号控制模型；设计有效的计算方法，求解上述交通信号控制模型；提出新的分布式协调控制方法，来降低控制算法的计算复杂度，提高交通控制模型的实用性；设计仿真实验方案，验证所提协调控制方法的有效性。本项目旨在为有效建模路网中不确定性因素，设计有效的交通信号协调控制策略缓解交通拥堵，提供一种新的理论方法。

由于城市人口和经济活动愈发集中，交通拥堵以及由此而产生的时间延误、能源浪费、尾气污染和噪声污染等问题日趋严重。采用先进的交通信号控制方法对路网交通流进行科学管控，是缓解交通拥堵的重要途径。虽然基于模型预测控制的交通信号协调控制方法日益受到重视，但现有方法在建模过程中尚不能充分利用并建模路网中的不确定交通流信息，且在线计算复杂度高实时响应能力弱。因此，本项目围绕上述两个方面的问题展开研究，主要完成的工作包括：（1）分析和研究了路网中交通流的动态变化过程，并在综合考虑路网中不确定交通需求和不确定随机扰动这两种不确定因素的基础上，提出了一个基于模型预测控制联合机会约束的路网交通信号控制模型框架；（2）由于上述构建的交通信号控制模型中既包含有确定性约束，也包含有带有随机变量的机会约束，难以采用传统优化方法对其进行直接求解，课题组提出了一种混合智能优化算法求解所提交通信号控制模型，并通过仿真测试验证了其有效性；（3）基于一个离散宏观交通流模型，提出了一个基于模型预测控制的交通信号控制模型框架。为了降低计算复杂度，提高基于模型预测控制交通信号控制方法的实时响应能力，我们将上述基于模型预测控制框架的交通信号控制问题简化成了一个便于求解的混合整数优化问题。仿真测试结果验证了算法的有效性，且证实所提方法能同时优化路网中各路口各个相位的绿灯时间和相位差。