1.一种基于MFD的路网交通迭代学习控制方法,其特征在于利用MFD结合迭代学习控制的思想对大型的城市路网进行信号控制,步骤如下:
1)基于MFD获取道路理想占有率:
1.1获取子区MFD的交通数据:将一个规模较大的城市路网进行划分,得到若干个子区Ri,其中i∈{1,2,3...},子区划分的算法采用Ncuts算法进行划分,将大规模的城市路网分解为多个“同质”的子区,得到各个子区的交通数据;
1.2子区MFD拟合:通过各子区的交通数据,不同时刻的累积车辆数和子区的输出流量的MFD特性,采用3阶多项式进行拟合,对于任意子区Ri拟合形式如下:其中,ni为子区Ri的累积车辆数,a1~a4为拟合系数;
采用最小二乘法确定经验公式中的拟合系数:
其中,yi为子区Ri的实际输出流量,G(ni)为子区Ri流量的近似拟合曲线,根据上式最小化数据偏差δi2,从而得到MFD的拟合结果,根据拟合结果求得拟合曲线的极值点
1.3确定道路理想占有率:根据步骤1.2的MFD拟合结果,得到各子区的最佳累积车辆数根据子区Ri的网路结构对子区内部的车辆加权处理,得到子区Ri中各道路的理想占有率:其中 为步骤1.2子区Ri的MFD拟合得到的最佳累计车辆数,Di表示子区Ri内的各路段长度之和, 为道路j的理想占有率(其中j∈Ri),作为步骤2)中系统控制设计的参考目标;
2)基于迭代学习控制优化交叉口信号配时:
2.1开闭环迭代学习控制策略:开闭环的迭代学习控制结构可以表示为以下形式:其中,un(k)为第n次迭代过程第k个采样时刻的控制向量,en(k)为第n次迭代过程第k个采样时刻的误差,kc为闭环学习控制率,ko为开环学习控制率;
2.2建立状态空间方程:
其中 为状态向量,表示路网中各路段包含的车辆数;u(k)=[g1(k),...,gN(k)]T为控制向量,表示路网中所有相位的绿灯时间;d(k)为状态扰动向量,表示各路段的扰动;y(k)=[o1(k),...,oN(k)]T为系统输出,反映路网中各路段的占有率;输入矩阵B反映了路网的相位、周期、饱和流量;输出矩阵C表示表示道路容量和车辆长度的特征;
2.3优化各交叉口的信号配时:将交通模型中的绿灯时间u(k)作为开闭环迭代学习的控制输入,路段的车辆数x(k)作为控制状态变量,系统的状态输出与路段车辆数相同;选择合适的学习率kc和ko,调整交叉口的绿灯时间,控制子区内部的道路占有率,使其追踪理想的 道路占有率;
2.4重复步骤2.3,迭代调整各路口的信号配时,直到路网的车辆数达到步骤1)中设定的理想值 均衡整个路网内部的车辆数。