《一種基於模型預測的城市交通魯棒控制系統》是依託東南大學，由郭建華擔任項目負責人的面上項目。
基本介紹
- 中文名：一種基於模型預測的城市交通魯棒控制系統
- 項目類別：面上項目
- 項目負責人：郭建華
- 依託單位：東南大學
中文摘要,結題摘要,
中文摘要
隨著我國城市機動車保有量的迅猛提高，城市交通擁堵日益嚴重，同時伴生高能耗、高排放等多種負面影響，已引起了社會各界的廣泛關注。城市交通控制系統是應對城市交通擁堵問題的有效手段之一。為了適應城市交通系統的複雜性和隨機性，整合多種控制手段、實現主動和魯棒控制的城市交通控制系統是未來發展的重要趨勢。針對該要求，本項目以城市交通控制系統為研究對象，套用元胞傳輸模型構建網路交通流模型，套用統計分析及數學規劃方法，揭示城市交通需求矩陣的隨機分布特徵，闡明交通信號控制和動態交通分配之間的相互作用機理，建立雙層耦合最佳化模型和整體求解方法，並採用模型預測控制方法建立基於模型預測的城市交通魯棒控制系統模型。在建立控制系統模型基礎上，套用滾動時域法建立原型系統，並採用實際交通檢測數據進行仿真分析和驗證。本項目的研究將有助於建立有效的城市交通控制系統，理論和實際意義顯著，套用前景廣泛。
結題摘要
隨著我國城市機動車保有量的迅猛提高，城市交通擁堵日益嚴重，同時伴生高能耗、高排放等多種負面影響，已引起了社會各界的廣泛關注。城市交通控制系統是應對城市交通擁堵問題的有效手段之一。為了適應城市交通系統的複雜性和隨機性，整合多種控制手段、實現主動控制的城市交通控制系統是未來發展的重要趨勢。據此，本項目從城市交通網路數據處理、交通流均值預測、交通流不確定性預測與分布分析、城市交通網路信號控制四個方面對城市交通控制系統進行了研究。首先，在城市交通網路數據處理方面，分別定義了射頻識別（RFID）數據的錯誤、缺失及冗餘三類異常數據，分析了錯誤數據、缺失數據及冗餘數據的特徵，建立了錯誤數據、缺失數據的識別及修正方法，研究了出行時間數據的時間覆蓋率特徵。其次，在交通流均值預測方面，基於有效數據集，將K近鄰算法、BP神經網路、RBF神經網路、廣義回歸神經網路及Elman神經網路等理論與交通流預測的SARIMA模型相結合，構建了短時交通流混合預測模型，並研究了不同時間匯集度對預測模型精度的影響。再次，在交通流不確定性預測與分布分析方面，基於交通流均值預測及實際流量分布，獲取了交通流預測殘差，分析了不同時間匯集度下的殘差特徵，發現了交通流預測殘差的“尖峰厚尾”特性，推翻了傳統的交通流殘差正態性假設，並基於最優擬合分布對交通流的不確定性進行了預測；套用多種分布模型，分析了城市交通系統中出行時間的分布特徵，給出了最優擬合分布。最後，在城市交通網路信號控制方面，以城市交通網路的交通分配和信號控制為對象，藉助博弈論、模糊理論等方法，對用戶均衡、系統均衡條件下的區域交通信號控制進行了研究，構建了多種區域信號協調耦合最佳化模型。綜上所述，本項目從交通數據處理、交通流均值預測、交通流不確定性預測、信號控制與誘導耦合最佳化等方面，形成了一套完整的城市交通控制系統理論模型，對提升交通運行效率、改善交通運行狀況有著積極的作用，可為城市交通規劃、管理措施的制定提供參考。
