基于VMS发布诱导信息的快速路网动态最优控制

论文摘要

基于可变信息标志(Variable Message Signs, VMS)的交通诱导系统是智能交通系统的组成部分,对改善路网的交通状况有重要的作用。交通诱导系统通过VMS发布诱导信息,可以有效地调节车流在路网各个道路上的分布,从而避免部分道路车流过多而产生拥堵。由于交通诱导系统发布的信息并不是强制的要求,驾驶员对于诱导信息不一定服从,诱导结果是不确定的。这种不确定性给交通诱导信息的发布策略带来了挑战,不恰当的策略可能会使交通拥堵从一个道路转移到另一个道路,甚至加重整个路网的拥堵。因此,诱导信息的发布策略是交通诱导系统的关键。本文应用最优控制理论的方法,研究了交通诱导系统的建模和动态信息发布策略。本文创新性地提出了在驾驶员不确定服从的情况下交通诱导系统的动态最优控制方法,以及多点控制的交通诱导系统中控制点的动态选择方法。此外,相比于大多数现有研究,本文选择VMS在有限状态之间的切换作为控制变量,使得其优化结果具有更好的可操作性。全文的主要研究内容和成果总结如下：(1)假设驾驶员对VMS发布的诱导信息的服从率为固定值,应用宏观交通流模型将基于VMS的交通诱导问题归纳为一种最优控制问题。针对该问题中控制变量只在2个离散点取值的特殊情况,通过变量代换将最优控制问题转化为关于切换时刻的最优参数选择问题,依据离散系统的极小值原理给出了改进的最优梯度条件和相应的数值解法。仿真研究发现,交通诱导对路网的改善作用在准饱和流量需求的情况下最佳。(2)假设驾驶员对VMS发布的诱导信息的服从率为满足正态分布的随机值,研究了含随机变量的交通诱导系统的动态优化控制问题。提出了针对该问题的双层最优控制结构,先求解下层确定的交通流分配问题,再求解上层随机的驾驶员服从问题。随后,在证明系统性能指标为服从率的凸函数的基础上,将上层的随机问题转化为系统性能指标对服从率的灵敏度最小化的确定问题并求解,解决了交通诱导系统的随机最优控制问题难以分析求解的困难。仿真结果证实该动态优化控制方法能够快速地求解出具有较好统计性能的结果,且在参数变化时仍具有稳定的优化效果。(3)假设驾驶员在分岔路口的路径选择概率为与下游各路段旅行时间相关的时变值,以VMS是否发布实时旅行时间信息为控制变量,研究了考虑驾驶员选择行为模型的交通诱导系统的最优控制问题。其中驾驶员的路径选择行为用Logit模型描述,道路上瓶颈点的车辆排队过程用Point Queue模型描述。采用真实路网数据的仿真结果验证了最优控制方法的有效性,而持续性发布旅行时间信息并不是系统的最优策略。(4)在上述工作的基础上,研究了包含多个VMS及入口匝道控制点的路网协调控制问题。针对控制点过多带来的负面效应,以无控制时各控制点的梯度信息作为特征值,将控制点按照对路网性能潜在影响的大小进行K平均聚类,提出了一种快速有效地动态选择控制点的方法。该方法弥补了交通诱导系统中控制点动态选取方面的研究缺失。采用真实路网数据的仿真结果表明,该方法可以根据不同的场景来动态选择最佳控制点,并显著改善路网的通行效率。

论文目录

• 致谢
• 摘要
• Abstract
• 第1章 绪论
• 摘要
• 1.1 课题研究背景
• 1.1.1 智能交通系统
• 1.1.2 高速公路和城市快速路的管理和控制
• 1.1.3 本文的研究课题及选题缘由
• 1.2 基于VMS的交通诱导问题分析
• 1.2.1 交通诱导系统的相关研究内容
• 1.2.2 交通诱导问题研究的难点
• 1.3 动态交通诱导问题的研究现状
• 1.3.1 交通流模型
• 1.3.2 驾驶员路径选择行为模型
• 1.3.3 交通诱导系统的优化控制
• 1.4 本文的主要工作与内容安排
• 第2章 基本的VMS诱导系统的最优控制问题
• 摘要
• 2.1 最优控制问题
• 2.1.1 最优控制理论基础
• 2.1.2 基于VMS的交通诱导系统的最优控制问题
• 2.2 METANET二阶交通流模型
• 2.2.1 模型简介及变量定义
• 2.2.2 路段模型
• 2.2.3 连接点模型
• 2.2.4 匝道排队模型
• 2.2.5 路径选择模型
• 2.2.6 路网评价模型
• 2.2.7 最优控制模型
• 2.3 VMS诱导问题的最优控制模型及求解方法
• 2.3.1 基于极小值原理的最优梯度条件
• 2.3.2 变量代换及改进最优梯度条件
• 2.3.3 基于梯度的优化求解方法
• 2.4 仿真结果及分析
• 2.4.1 仿真场景描述
• 2.4.2 仿真结果
• 2.4.3 单场景具体分析
• 2.5 本章小结
• 第3章 考虑驾驶员对VMS建议随机服从的双层最优控制
• 摘要
• 3.1 驾驶员对VMS随机服从的交通诱导问题
• 3.1.1 驾驶员的不确定服从问题
• 3.1.2 包含随机变量的性能指标和约束
• 3.1.3 VMS诱导的随机最优控制问题
• 3.2 随机的VMS诱导问题的双层最优控制模型
• 3.2.1 双层最优控制介绍
• 3.2.2 下层最优控制：确定的交通流分配问题
• 3.2.3 上层最优控制：随机的驾驶员服从问题
• 3.3 去随机化方法
• 3.3.1 约束去随机化
• 3.3.2 目标函数去随机化
• 3.3.3 目标函数对服从率的凸性证明
• 3.3.4 去随机化后新的双层最优控制问题
• 3.4 求解方法
• 3.5 仿真结果及分析
• 3.5.1 仿真场景描述
• 3.5.2 仿真结果概述
• 3.5.3 具体案例：下层最优控制效果
• 3.5.4 具体案例：上层最优控制效果
• 3.5.5 参数分析
• 3.6 本章小结
• 第4章 考虑驾驶员选择行为的VMS最优信息发布策略
• 摘要
• 4.1 驾驶员的选择行为与用户均衡问题
• 4.1.1 驾驶员的路径选择与交通分配
• 4.1.2 静态系统最优和用户均衡
• 4.1.3 动态系统最优和用户均衡
• 4.2 考虑驾驶员选择行为的最优控制模型
• 4.2.1 基于Logit模型的驾驶员选择行为模型
• 4.2.2 基于Point Queue模型的道路排队模型
• 4.2.3 VMS最优信息发布问题的最优控制模型及求解
• 4.3 仿真结果及分析
• 4.3.1 仿真路网介绍
• 4.3.2 同步流量分布时的优化结果
• 4.3.3 不同步流量分布时的优化结果
• 4.3.4 参数分析
• 4.4 本章小结
• 第5章 多VMS和入口匝道的控制点选择及协调控制
• 摘要
• 5.1 多VMS诱导问题的控制点选择
• 5.1.1 静态VMS选址问题
• 5.1.2 动态VMS选址问题
• 5.1.3 基于数据特征的聚类方法
• 5.2 VMS和入口匝道的协调控制
• 5.2.1 交通诱导与匝道控制的协调控制问题
• 5.2.2 基于METANET模型的协调控制模型
• 5.3 多VMS和入口匝道的控制点选择及协调控制问题求解
• 5.3.1 计算梯度信息
• 5.3.2 基于K平均法的控制点选择
• 5.3.3 最优解的数值求解方法
• 5.4 仿真结果及分析
• 5.4.1 仿真路网介绍
• 5.4.2 单场景的控制效果分析
• 5.5 本章小结
• 第6章 结论
• 6.1 本文研究工作总结
• 6.2 未来研究展望
• 参考文献
• 作者攻读博士学位期间取得的科研成果