车联网环境的数据与模型联合驱动的城市路网预测控制算法研究

With the development and application of intelligent vehicle technology and network communication technology, more comprehensive information and more accurate traffic control can be obtained, which also brought a new challenges to the optimization and control of road networks. The main objective of the research is, exploring the application of the multi-source information from intelligent vehicle networks, and optimizing the network travel efficiency through multi measures from traffic network and intelligent vehicle control. We are planning to explore effective and rational hierarchical control structure, establish a joint traffic prediction model based on micro behavior and macro performance, take advantage of the deep learning of the intelligent vehicle network data, establish data-driven and model-based optimal control strategy, and combine with control and complex network methods, so as to carry out multi-level, multi-faceted research. Consequently, we will establish a systematic solution of the network travelling behavior prediction and the traffic flow optimization for complex urban transportation systems, and establish new methods and strategies, i.e. on modeling, prediction, optimization and control, comprehensively for intelligent vehicle environments.

随着车联网技术和辅助驾驶技术的发展和应用，使得获得更全面的交通信息和更精准的驾驶行为控制成为可能，也为交通路网的优化与控制提出了新的问题，带来了新的挑战。本课题的主要研究目标是，探索车联网多源交通信息的处理和应用方法，采用路网和车辆个体的多重控制手段，对城市路网的通行效率进行立体化优化和控制。拟探索有效合理的分层递阶控制结构，建立微观行为和宏观指标的联合交通状态预测模型，充分利用对车联网大数据的挖掘学习，建立数据驱动和模型预测相结合的优化控制策略，结合系统控制和复杂网络方法，开展多层次、多方位的研究。最终提出一套针对城市交通系统的从微观到宏观的车辆行为预测和交通流优化控制的系统解决方案，建立系统解决城市车联网环境下复杂动态系统建模、预测、优化、控制的新方法和新策略。

随着车联网技术和辅助驾驶技术的发展和应用，使得获得更全面的交通信息和更精准的驾 驶行为控制成为可能，也为交通路网的优化与控制提出了新的问题，带来了新的挑战。本课题 的主要研究目标是，探索车联网多源交通信息的处理和应用方法，采用路网和车辆个体的多重 控制手段，对城市路网的通行效率进行立体化优化和控制。探索有效合理的分层递阶控制结构，建立微观行为和宏观指标的联合交通状态预测模型，充分利用对车联网大数据的挖掘学习 ，建立数据驱动和模型预测相结合的优化控制策略，结合系统控制和复杂网络方法，开展多层次、多方位的研究。.在车辆优化控制中，根据采集和处理的数据，实现了对人工驾驶车和网联车混行车队建模；设计了混行车队的一致性鲁棒控制优化算法，分析了其可控稳定条件；提出了相对节奏理论，实现整体复杂网络的高效协同方法，为高效车车协同提供了理论框架；提出了基于马尔科夫决策过程的车辆轨迹与区域流量的协同优化控制算法。在区域路网优化控制中，根据数据挖掘结果，建立交通道路模态切换随机模型；基于该模型，设计道路状态反馈优化控制算法，提高路口通行效率；利用李雅普诺夫稳定性定理，分析证明优化控制算法的可控性、稳定性、最优性。在需求网络结构优化与流量控制中，做了很多工作，包括建立了路网需求流量平衡模型；提出了具有流量平衡保证的路网双层递阶预测控制；提出了基于子路网稳态保证的大规模路网双层递阶控制；提出基于马尔科夫决策过程的区域流量协调双层递阶控制；建立了基于车辆轨迹数据的需求流量预测及行程时间预测方法。.在课题中系统的对城市交通系统从微观到宏观进行了研究，提出了车辆行为预测和交通流优化控制的系统解决方案。