[发明专利]一种面向通行效率改善的可变限速优化控制方法

摘要

一种面向通行效率改善的可变限速优化控制方法。在快速道路瓶颈路段合理设置交通流检测器和可变限速控制指示牌，基于反馈算法和实测交通流数据实现对可变限速值的反馈调节，通过判断瓶颈位置通行能力下降现象迅速消除瓶颈位置车辆排队，采用遗传算法挖掘具有最优控制效果的反馈控制参数取值。本发明弥补了之前反馈算法对瓶颈位置通行能力下降现象的考虑不足，同时有效提高了可变限速控制系统的抗干扰能力，通过减少快速道路路段内系统通行时间有效提高了道路的通行效率。

主权项

1.一种面向通行效率改善的可变限速优化控制方法，其特征是包括步骤：1)确定可变限速控制路段及瓶颈路段范围，在瓶颈位置设置交通流检测器1，在可变限速控制路段下游端设置交通流检测器2，上游端设置可变限速指示牌，交通流检测器以30秒为周期检测各路段的交通流数据，包括占有率、交通流量和平均交通流速度；可变限速控制周期在30秒至2分钟范围内依据控制效果选择；2)确定瓶颈通行能力下降幅度及通行能力下降现象发生时对应的占有率阈值；基于历史交通流数据，分别计算交通流检测器1和交通流检测器2的斜累计流量并分别绘制斜累计流量‑时间关系图，同时绘制两个检测器的速度‑时间关系图和占有率‑时间关系图；斜累计流量曲线拐点前后交通流量之差为通行能力下降幅度的标定值，拐点时刻对应的占有率值为通行能力下降现象发生时对应的占有率阈值的标定值3)获取交通流检测器1和交通流检测器2的实时交通流数据，检测器1用于检测瓶颈区实测占有率o(k)，检测器2用于采集可变限速控制区域下游端点位置交通流数据，当瓶颈区域实测占有率o(k)大于通行能力下降发生阈值启动可变限速控制；否则，转入步骤5)；4)当瓶颈区域发生通行能力下降时触发可变限速控制，步骤包括：401)通过瓶颈区上游可变限速控制消除瓶颈区域的车辆排队，采用积分控制器计算可变限速控制值，计算公式如下：其中，K_I为控制参数，为可变限速控制路段的期望流量，q(k)为通行能力下降之后的瓶颈交通流量，a为饥饿参数，0<a<1，确保可变限速控制下瓶颈排队能够尽快消除；402)比较检测器1所采集的瓶颈区实测占有率o(k)与通行能力下降发生阈值当时重复步骤4)；否则，转入步骤5)；5)瓶颈路段排队完全消除后，微调限速值使瓶颈区域交通流维持在通行能力附近且不产生拥堵，步骤如下：501)基于检测器2所采集的实时交通流数据判断可变限速控制区是否有车辆排队，若无车辆排队则转入步骤6)；否则，依据下式采用积分控制器计算可变限速控制值：其中，K′_I为控制参数，oVSL(k)为可变限速控制路段占有率；502)比较检测器2所采集的可变限速控制路段的占有率oVSL(k)与通行能力下降发生阈值当时重复步骤5)；否则转入步骤6)；6)可变限速控制路段排队消散后，可变限速逐渐恢复到默认限速值，公式表达如下：其中，V_default为默认可变限速值；7)采用遗传算法对步骤4)到步骤6)中涉及的可变限速反馈控制系统中的三个关键参数进行优化取值，步骤如下：701)确定用于可变限速优化控制方法的遗传算法优化目标函数；交通控制中普遍采用路段内总通行时间的降低值作为通行效率的衡量指标，因此目标函数如下所示：其中，Fitness为适应度，t_a为无控状态下路段内总通行时间，t_b为当前控制参数取值下路段内总通行时间；702)基于遗传算法和交通流仿真模型间的数据传递和迭代对可变限速优化控制中的关键参数取值进行优化；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)；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)翻译成可变限速控制的三个控制参数的取值；8)将步骤7)中得到的控制参数的优化取值带入步骤4)到步骤6)中作为控制参数的推荐取值，然后依据步骤1)到步骤6)的控制策略对快速道路鼓励瓶颈路段进行可变限速控制。