[发明专利]一种城市道路分层动态协调控制算法及控制方法

摘要

本发明公开了一种城市道路分层动态协调控制算法及控制方法，将城市道路纵向分为三层，横向分为不同的控制子区。根据实时动态交通数据，动态更新不同层的各个子区控制范围和各个子区的控制参数，达到城市道路各层交通流动态协调控制的目的。验算分析表明，城市道路分层协调控制技术使车辆平均车速明显提升，各层车辆能快速驶离各个子区，有效缓解城市道路车流拥堵问题。

主权项

1.一种城市道路分层动态协调控制算法，其特征在于通过以下算法实现：S1、用于匝道子区划分的函数式中：E_N为匝道i的相对排队长度，E_o为入口匝道i下游的占有率与临界占有率的比值，为两者值之和；A(k_c‑1)为修正参数，其值主要受上一周期匝道滞留车辆的影响；为匝道i+u当前排队长度之和与最大排队长度之和的比值，N_i(k_c)为第k_c控制周期内，匝道i的排队长度预测值，为匝道i允许的最大排队长度；是第k_c控制周期匝道i下游动态临界车辆的时间占有率；o_i(k_c)为第k_c控制周期内，匝道i下游的实测占有率；设E_NOS为激活阈值，E_NHs为激活阈值，当大于E_NOS时，匝道i其上游相邻匝道为从匝道；当大于E_NHS时，匝道i+u其上游相邻匝道为从匝道；S2、主匝道子区最终局部调节量调节车辆的排队长度的算法式中：q_i(k_c)为匝道i的最终局部调节量；为第k_c控制周期内入口匝道允许通过的最大调节交通量；为匝道i第k_c控制周期内最大排队控制的调节量；为第k_c控制周期内，匝道i的交通需求预测值；为动态临界占有率；其中，动态临界占有率的值通过BP神经网络训练的方法预测得到，具体如下：将第k_c周期内的时间m等分为{t₁，t₂，…，t_m}，不同时间段采集到的数据为O_im，则O_im＝(o₁，o₂，…，o_m)，(m∈N₊)             (5)将其分为n组，每组M+1个数据，且满足n+M＝m，(n∈N₊，M∈N₊)             (6)对于其中的第p，(p＝1，2，…，n)组，记为：X_P＝[o_p，o_p+1，…，o_p+M]^T            (7)选取X_p的前M项作为BP神经网络的输入，第M+1项作为网络的期望输出，则有对所述分成的n组数据，由其构成的网络的输入矩阵集X和目标输出矩阵集Y分别为X＝[X₁，X₂，…，X_n]              (9)Y＝[Y₁，Y₂，…，Y_n]               (10)选取网络输入层、隐含层和输出层神经元的个数，建立神经网络，然后利用神经网络工具箱进行网络训练得出预测结果；S3、从匝道子区最终局部调节量调节车辆的排队长度的算法式中：q_i+u(k_c)为从匝道i+u的最终局部调节量；为第k_c控制周期从匝道i+u的最小排队控制调节量；K_w为控制参数；为第k_c控制周期，从匝道i+1设置的最小排队长度，协调匝道组{i，i+1，...，i+n_j}；S4、相邻路口关联度的算法式中，D_S(i→j)为i→j方向的路段交通量关联度；D_C(i→j)为路口i与路口j之间的周期关联度：N_E(i→j)为i→j方向路段上已存在的关联车流车辆数，包括排队车辆数与行驶车辆数，可以通过路段设置的磁感应线圈实时获取；N_A(i→j)为i→j方向路段上下一个信号周期内可能出现的最大关联车流车辆增量，需要综合考虑路段交通状况与路口信号控制参数进行实时预测；L_V为平均车辆长度；n_1(i→j)为i→j方向路段上的关联车流占用车道数；L_1(i→j)为i→j方向路段车道总长度；为i→j方向路段车道总长度所对应的路段交通量关联补偿系数；K_N为比例放大系数；T_max与T_min分别为路口i与路口j的独立设计信号周期最大与最小值；K_C为相邻路口信号周期关联权重系数；S5、多路口组合关联度的算法式中，D_{S(i，j，....s，t)}为关联路口(i，j，…s，t)之间总的路段交通量关联度；D_{C(i，j，....s，t)}为关联路口(i，j，…s，t)之间总的路口周期关联度；Π为连乘运算符；n为关联路口对数，即关联路段数；为第k对关联路口之间的路段交通量关联度，由下式(17)确定；为路段交通量关联度组合函数：式中，sort为升序排序函数，表示将n对关联路口之间的路段交通量关联度按从小到大的顺序重新排列，并依次赋以S6、普通道路控制子区划分方法及公共周期、绿信比参数计算方法、相序优化方案，其中，控制子区划分方法为：H1、当相邻路口i与路口j之间的关联度D_(i，j)小于等于相邻路口分离阈值D_TNS时，路口i与路口j不划分在同一控制子区；H2、当相邻路口i与路口j之间的关联度D_(i，j)大于等于相邻路口合并阈值D_TNC时，路口i与路口j划分在同一控制子区；H3当相邻路口i与路口j之间的关联度D_(i，j)处于D_TNS与D_TNC之间时，通过多路口组合关联度是否大于多路口分离阈值D_TMS，决定路口i与路口j是否划分在同一控制子区；公共周期算法为：式中，L为路口一个信号周期内的损失时间，Y为路口各相位流量比之和，n为半个周期运行内左转车道内掉头车辆数(可根据路口监控得到)，t为左转掉头每辆车离开路口所需的时间，r为修正参数；绿信比的算法为：s_it_ip＝C*g_ip(i＝1，2，3...；p＝1，2，3，4)           (20)式中，g_ip为路口i相位p的绿信比，s_it_ip为路口i相位p的绿灯时间，Q_ip为相位的车流量，Q_{ip_z}为路口i相位p驶上匝道车流量，H_ip为相位的车辆占有率，W_ip为相位权重；相序优化：根据普通道路层十字路口的关键程度不同将其分为关键路口和非关键路口，关键路口的公共周期为控制子区的最佳周期，将匝道层与普通道路层相连的十字路口设为关键路口，相序为优化相序方案，其余普通道路层十字路为非关键路口，相序为一般相序方案；S7、将不同层的子区间协调控制，确定关键路口的最佳周期及各相位绿灯时间，计算不同层的引导车速，引导车速计算方法为式中，V_pz为普通道路匝道层的引导车速，V_zk为匝道层的引导车速，假设由路口i到路口i+1之间的路段为子区衔接路段，L_{i_i+1}表示控制子区间隔路段i_i+1之间的距离，L_sx表示单侧相连上下匝道的距离，L_pz表示普通道路到匝道的距离，C_i+1表示路口i+1所在子区的公共周期，C_i表示路口i所在子区的公共周期，t_i表示路口i的上行车道启动时，路口i的已运行时间，p_{i+1_p1}为路口i+1相位1车道的车辆左转掉头排队长度，为路口i相位p驶向匝道时匝道所滞留的车辆，t为每辆车驶离十字路口所需的时间。