[发明专利]一种快速道路连续瓶颈路段的可变限速控制策略优化方法

摘要

一种快速道路连续瓶颈路段的可变限速控制策略优化方法。在快速道路连续瓶颈路段内配套设置检测器和可变限速指示牌，基于遗传算法挖掘控制效果最优的可变限速控制参数值，基于快速道路实测交通流数据判别交通流运行状态，通过可变限速控制周期控制限速值的改变频率，利用上下游速度平滑因子降低主线交通流速度的时空波动，基于相邻路段最大限速差值对多个限速标志间协调控制进行计算。本发明弥补了可变限速控制中核心参数取值的随意性，通过在时间上和空间上使可变限速控制的限速值逐步连续变化，降低了限速值在时空上的大幅波动，有效降低了可变限速值突变导致的交通流的波动与紊乱，同时减少了交通事故发生风险并降低了事故发生后的严重程度。

主权项

一种快速道路连续瓶颈路段的可变限速控制策略优化方法，其特征是包括以下步骤：1)确定连续瓶颈路段范围及交通流检测器设置的合理间距，在快速道路路段内合理位置依次配套设置交通流检测器和可变限速控制指示牌。通过交通流检测器周期性检测连续瓶颈区域内各路段的交通流数据；2)构建针对快速道路连续瓶颈路段的实时事故风险预测模型，可分别计算事故发生概率和事故死亡/受伤概率，具体步骤包括：201)采用顺序logit模型建立事故风险预测模型，模型分为两步：首先，建立交通事故风险预测模型，Y＝1代表交通事故发生，Y＝0代表无交通事故；其次，建立事故严重程度预测模型，Y＝1代表受伤/死亡事故，Y＝0代表仅财产损失事故；上述两个步骤中，均采用如下基本二项logit模型形式：$P(Y=1)=\frac{1}{1+e^{-g\left(X\right)}}$其中，P(Y＝1)为交通事故发生概率或受伤/死亡事故概率，g(X)为效用函数，即自变量X的线性组合，表达式如下：g(X)＝β₀+β₁x₁+…+β_kx_k其中，x_k为交通流变量k的值，β_k为变量k的系数；采集研究路段内交通事故发生前后5分钟的交通流数据及没有发生事故的交通流数据，对上述模型中变量参数进行拟合；202)步骤201)中所构建的事故风险预测模型中，用于预测位置x_i处的交通事故发生概率的模型包含10个显著变量，其效用函数如下所示：g_i(x)＝‑2.672+0.074x_i1+0.060x_i2+0.050x_i3+0.119x_i4+0.092x_i5+0.026x_i6+1.057x_i7‑0.049x_i8‑0.856x_i9+0.508x_i10其中，x_i1为上游检测器平均占有率，x_i2为上游检测器速度标准差，x_i3为下游检测器速度标准差，x_i4为相邻车道占有率之差，x_i5为上下游检测器流量之差，x_i6为上下游占有率之差，x_i7为上下游检测器间距，x_i8为路面宽度，x_i9为路肩宽度，x_i10为曲线路段指示变量；203)步骤201)中所构建的事故风险预测模型中，用于预测位置x_i处的交通事故严重程度概率的模型包含4个显著变量，其效用函数如下所示：g_j(x)＝2.129‑0.033x_j1‑0.056x_j2‑0.335x_j3‑0.036x_j4其中，x_j1为上游检测器平均占有率，x_j2为下游检测器平均流量，x_j3为高峰期指示变量，x_j4为路面宽度；3)判断当前时刻是否是可变限速控制周期的整数倍，若是则对每个限速标志位置限速值进行计算，否则就不做任何操作进入下一个交通流数据检测周期，具体步骤包括：301)依据步骤1)中交通流检测器检测到的某路段i上下游位置的实测交通流平均速度v(x_i+1,t)和v(x_i‑1,t)，依据如下公式计算路段i上的目标限速值：T_VSL(x_i,t)＝α·v(x_i+1,t)+(1‑α)·v(x_i‑1,t)其中，T_VSL(x_i,t)为路段i在时刻t的目标限速值；a为速度平滑因子(0<a<1)；v(x_i+1,t)和v(x_i‑1,t)分别为在上游路段i‑1和下游路段i+1检测器输出的实际速度；302)基于步骤301)中求得的当前时刻位置x_i可变限速指示牌的目标限速值T_VSL(x_i,t)，结合变化步长ΔV可确定位置x_i的可变限速标志在t时刻的改变幅度值，计算公式如下：${\mathrm{\&Delta;V}}_{SL}(x_i,t)=\left\{\begin{array}{cc}-\mathrm{\&Delta;}V,& if{T}_{VSL}(x_i,t+\mathrm{\&Delta;}t)\&lt;V_{SL}(x_i,t)-\mathrm{\&Delta;}V\\ 0,& if{V}_{SL}(x_i,t)-\mathrm{\&Delta;}V\&le;T_{VSL}(x_i,t+\mathrm{\&Delta;}t)\&le;V_{SL}(x_i,t)+\mathrm{\&Delta;}V\\ \mathrm{\&Delta;}V,& if{T}_{VSL}(x_i,t+\mathrm{\&Delta;}t)\&gt;V_{SL}(x_i,t)+\mathrm{\&Delta;}V\end{array}\right.$其中，ΔV为可变限速值改变幅度；T_VSL为目标限速值；V_SL(x_i,t)为路段i内位置x_i的可变限速标志在t时刻的限速值；303)考虑多个限速标志间的协调控制后，对步骤302)中计算得到的位置x_i的可变限速标志在t时刻的变化步长值进行修正更新，计算公式如下：${\mathrm{\&Delta;V}}_{SL}(x_i,t)=\left\{\begin{array}{cc}-{\mathrm{\&Delta;V}}^{\&prime;},& if{T}_{VSL}(x_i,t+\mathrm{\&Delta;}t)\&le;T_{VSL}(x_{i+1},t+\mathrm{\&Delta;}t)-{\mathrm{\&Delta;V}}^{\&prime;}\\ 0,,& allothercases\end{array}\right.$其中，ΔV′为相邻路段最大限速值差；304)将步骤303)中的计算结果带入下式，可得当前时刻路段i内的最终限速值：V_SL(x_i,t+Δt)＝V_SL(x_i,t)+ΔV_SL(x_i,t)其中，V_SL(x_i,t+Δt)为路段i内位置x_i的可变限速标志在t+Δt时刻的限速值；ΔV_SL(x_i,t)为位置x_i的可变限速标志在t时刻的变化幅度；305)将步骤304)中计算所得当前时刻与预设的路段允许限速范围[V_min,V_max]进行比较。若超过路段允许限速范围，则仅发布路段相应边界限速值；若没有超过路段允许限速范围，则发布步骤304)中确定的路段i内最终限速值；306)通过配套设置的可变限速指示牌发布步骤305)中确定的位置x_i处的限速值；4)基于各瓶颈区实测交通需求变化情况，判断当前时刻实测交通流运行状态是否达到可变限速控制停止条件；当路段内交通需求没有下降时，则维持可变限速控制状态进入下一个交通流数据检测周期；当路段内交通需求下降时，则可变限速值逐步恢复到默认限速值；5)确定连续瓶颈路段可变限速控制策略中的四个关键参数的取值范围和变化步长，同时确定用于遗传算法的优化目标函数，具体步骤包括：501)针对连续瓶颈路段的可变限速控制策略包含的四个核心控制参数分别为：可变限速控制周期T、上下游速度平滑指数a、限速值改变幅度ΔV和相邻路段最大限速值差ΔV′。可变限速控制周期为30秒至5分钟，上下游速度平滑指数取值范围为0.1至0.9，限速值改变幅度从5mph到30mph，相邻路段最大限速差从5mph到30mph；502)同时考虑可变限速控制对事故风险、事故严重程度和出行时间的影响，构建如下式所示的可变限速控制策略优化方法的目标函数：$Fitness=-\&lsqb;\mathrm{\&gamma;}\&CenterDot;\left(\frac{R_{VSL}-R_{No}}{R_{No}}\right)+\mathrm{\&mu;}\&CenterDot;\left(\frac{I_{VSL}-I_{No}}{I_{No}}\right)+\mathrm{\&eta;}\&CenterDot;\left(\frac{T_{VSL}-T_{No}}{T_{No}}\right)\&rsqb;$其中，Fitness为适应度；γ、μ、η(γ+μ+η＝1)为权重系数，在事故风险、事故严重程度、出行时间之间取得平衡；R_VSL和R_NO分别为可变限速控制下和无控制下事故风险；T_VSL和T_NO分别为可变限速控制下和无控制下总通行时间；I_VSL和I_NO分别为可变限速控制下和无控制下事故严重程度，需要注意的是事故严重程度预测仅在交通事故发生情况下才有意义，因此在计算过程中仅当预测的交通事故概率超过事故发生阈值时，才对严重程度进行预测，事故严重程度的计算公式如下：$I=\frac{\underset{t=1}{\overset{K}{\&Sigma;}}\underset{i}{\overset{N}{\&Sigma;}}{I}_{i,t}(FI=1)}{M}$$I_{i,t}(FI=1)=\left\{\begin{array}{cc}{P}_{i,t}(FI=1),& if{P}_{i,t}(crash=1)\&GreaterEqual;threshold\\ 0,& else\end{array}\right.$其中，K为总仿真时间；N为路段个数；threshold为判断事故发生的阈值；M为事故风险超过阈值的时间长度；I_i,t(FI＝1)为死亡/受伤事故概率，依据第二步构建的实时事故风险预测模型计算得到；6)基于步骤2)到步骤4)构建交通流仿真模型，基于遗传算法和交通流仿真模型间的数据传递和迭代对步骤5)中的四个关键参数在其取值范围内对其取值进行优化。在遗传算法中四个关键参数的取值如下：种群大小M为20,、最大代数T为100、交叉概率Pc为0.9、变异概率Pm为0.1。初始化设置进化代数计数器为t＝0，设置最大进化代数T，设置遗传算法中交叉概率Pc和变异概率Pm；随机生成M个个体作为初始群体P(0)，第m个个体中包含各可变限速控制参数取值信息编码m(x₁,x₂,x₃,x₄)；将群体P(t)中的个体参数值输入交通流仿真模型，依据仿真输出结果计算每个个体的适应度；从群体中选择优胜的个体，个体被选择的概率为个体适应度在整个群体适应度综合中所占比例，被选择后的个体随机组成交配对；以一定概率在个体串中随机设定一个交叉点，实行交叉时该点前或后的两个个体部分结构进行互换，并生成两个新个体；按照变异概率选取群体中部分个体改动其部分参数值；群体P(t)经过选择、交叉、变异运算之后，得到下一代群体P(t+1)；当迭代次数达到最大代数T时，遗传算法终止；否则，重复初始化以后的各步骤直至终止条件满足；将具有最大适应度的个体对应的最优解(x₁,x₂,x₃,x₄)翻译成可变限速控制的四个核心参数的取值；7)将步骤6)中得到的可变限速控制周期T、上下游速度平滑指数a、限速值改变幅度ΔV和相邻路段最大限速值差ΔV′的优化取值带入步骤3)和步骤4)中作为各关键参数的推荐取值，然后依据步骤1)到步骤4)的控制策略对快速道路鼓励瓶颈路段进行可变限速控制。