计算机工程

作者：褚跃跃, 闫飞, 李浦

单位：太原理工大学 电气与动力工程学院, 太原 030024

关键词：交通流模型,模型预测控制,迭代学习,扰动补偿,交通信号控制

基金：国家自然科学基金(61703300); 中国博士后科学基金(2019M651082); 山西省应用基础研究计划(201801D221191)

城市交通流具有随机性，导致存在诸多未知干扰，在一定程度上影响了交通流模型的质量，使得基于交通流模型的城市交通信号预测控制效果受到限制。已有城市交通信号预测控制方法大多是对控制目标和控制方法进行改进，忽略了模型建立过程中由于城市交通流随机性而带来的扰动。针对该问题，在宏观交通流模型的基础上建立路网路段模型，通过模型预测控制对交叉口的排队长度进行控制，同时利用城市路网交通流的周期性特征，通过迭代学习对交通流预测模型中的未知重复扰动进行补偿，以减少扰动对所建立路网路段模型的影响。在此基础上，提出一种含扰动迭代学习补偿的城市交通信号预测控制方法，有效结合迭代学习和模型预测控制的优势，通过改变路口信号时长使路网内的车辆分布更加均匀，提高路网最大通行能力。数学分析结果验证了该方法的收敛性。仿真结果表明，相比固定配时和不含迭代补偿的模型预测控制2种方案，在该方法下路网中车辆的平均停车次数分别减少23%和10%，车辆平均延误时间分别缩短16%和8%，车辆平均速度分别提高14%和5%。

来源：2023年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第7期