數據驅動的交通誘導實時魯棒預測控制研究

《數據驅動的交通誘導實時魯棒預測控制研究》是依託北京交通大學，由周永華擔任項目負責人的面上項目。

基本介紹

• 中文名：數據驅動的交通誘導實時魯棒預測控制研究
• 項目類別：面上項目
• 項目負責人：周永華
• 依託單位：北京交通大學

項目摘要

將實時交通分配納入到基於預測控制的計算機控制與管理框架下，以滿足實時交通誘導的需求。建立可檢測和可估計數據驅動的、閉環反饋滾動最佳化調節的交通誘導實時魯棒預測控制的理論體系。採用粒子濾波技術，基於新形勢下的交通流可檢測數據（導航車輛位置、速度數據），進行交通流不完全信息估計，解決交通誘導預測控制所需充分數據的獲取問題。採用機會約束規劃和貝葉斯估計解決考慮交通需求、交通傳播和導航車輛隨機擾動的魯棒誘導策略的產生問題。套用Web 服務（Services）技術解決交通誘導預測控制的並行實時最佳化問題。本項目的研究為建立城市現代化的、智慧型的交通指揮調度平台提供一種理論與技術支撐。

結題摘要

目前交通誘導主要採取反應式方法，誘導策略的給出是通過對當前交通狀況的分析而得出的。反應式交通誘導的缺點是如果所有車輛都沿著當前時間最短路徑運行，也可能產生道路擁擠。集中預測型交通誘導通過預測交通流的運行得出最佳誘導方案，能夠提前將擁堵防範於未然。本項目的主要目標是建立交通誘導預測控制的理論和方法，為建立城市交通指揮調度平台提供一種理論與技術支撐。本項目的主要研究成果如下： （1）研究了巨觀、中觀和微觀交通流預測模型。提出了一種中觀交通流模型，在該模型中，車輛速度的更新考慮其前方路段交通流密度和與前方相鄰車輛的距離。將反饋控制（feedback control， FC）行為及其多樣性引入到元胞自動機（cellular automata, CA）交通流模型中，提出了一種新型的微觀交通仿真模型CA-FC。所提出的模型能夠對交通傳播作更加細緻的描述。 （2）研究了基於巨觀和微觀交通流模型的交通流不完全信息估計技術。通過對導航車輛位置和速度的觀測，採用粒子濾波方法辨識非導航交通流信息。提出了基於微觀交通流模型和粒子濾波的交通流不完全信息估計方法，為交通流充分數據的獲取提供一種解決方案。 （3）研究了交通誘導預測控制的體系、最佳化模型和算法。建立了預測型用戶均衡和預測型系統最優模型，建立了道路網路和用戶性能的折衷最佳化模型，提出了結合遺傳算法和交通流模擬運行的求解算法，提出了數據驅動的非解析疊代求解算法。 （4）研究了交通誘導預測控制的多台計算機並行求解算法。設計了集中控制式和分布控制式並行遺傳算法，提出了染色體變異的可行方向法，提高進化求解的效率和效果。 （5）在並行計算平台上，對交通誘導預測控制系統的性能進行了分析和綜合。研究了性能指標、偽給定參數、預測時域和加權因子對控制性能的影響，以及交通誘導預測控制的魯棒性。