城市智能交通系統(tǒng)的交通流協(xié)同優(yōu)化與誘導(dǎo)關(guān)鍵技術(shù)研究.pdf

1、隨著城市化進程的加快和汽車工業(yè)的發(fā)展，現(xiàn)有城市道路的通行能力與不斷增長的交通需求之間的矛盾變得日益尖銳，交通擁擠現(xiàn)象日益突出。通過使用智能交通系統(tǒng)對交通流進行控制和誘導(dǎo)，以緩解交通擁堵，提供暢通和有序的交通環(huán)境，是目前各個國家大力發(fā)展和應(yīng)用的重要手段。本文以大規(guī)模的城市復(fù)雜路網(wǎng)作為研究背景，采用協(xié)同控制與學(xué)習(xí)機制、模糊控制、動態(tài)重規(guī)劃等理論和方法，研究智能交通系統(tǒng)中相序切換、區(qū)域負載均衡、交通流全局優(yōu)化、車載傳感網(wǎng)絡(luò)的信息收集與處理、交

2、通誘導(dǎo)任務(wù)的分解與最優(yōu)路徑選擇等問題，建立一套全面高效的智能交通系統(tǒng)的信息收集、信號控制和自主誘導(dǎo)的管理和通行機制。主要研究工作如下:
　　論文首先針對交通路網(wǎng)的連續(xù)車流和離散交通燈信號建立能夠描述交通車流量的智能交通模型，然后分析了城市智能交通的控制與誘導(dǎo)的技術(shù)難點，針對城市智能交通系統(tǒng)的特點和應(yīng)用背景給出了城市智能交通系統(tǒng)協(xié)同優(yōu)化的控制與誘導(dǎo)設(shè)計方案。在該方案中，車載無線網(wǎng)絡(luò)節(jié)點和道路上安裝的感應(yīng)節(jié)點采集車流和路況信息，若干車

3、載無線網(wǎng)絡(luò)節(jié)點經(jīng)過轉(zhuǎn)發(fā)和中繼收集實時交通信息，送到交叉路口控制器，然后利用收集的數(shù)據(jù)提出基于置信水平的自適應(yīng)粒子濾波算法，對道路交通流量進行預(yù)測，并以此為依據(jù)進行交通信號的協(xié)同控制和自主交通流的協(xié)同誘導(dǎo)。
　　為了給交通控制和交通誘導(dǎo)提供實時、充分和可靠的動態(tài)路況信息和交通車流信息，利用車載無線節(jié)點和感應(yīng)裝置構(gòu)成車載無線傳感器網(wǎng)絡(luò)采集數(shù)據(jù)，針對車載無線網(wǎng)絡(luò)的移動特性并考慮節(jié)點能耗，提出了基于同心均衡分簇的數(shù)據(jù)收集算法，以均衡網(wǎng)絡(luò)負

4、載，減少網(wǎng)絡(luò)延時，降低節(jié)點能耗，提高數(shù)據(jù)傳輸?shù)目煽啃?針對車載傳感器網(wǎng)絡(luò)的感知特性，在自適應(yīng)粒子濾波算法的基礎(chǔ)上，利用置信區(qū)間和估計狀態(tài)的方差，提出一種基于置信水平的自適應(yīng)粒子濾波算法，剔除冗余粒子數(shù)，實時獲得下一時刻的最少粒子數(shù)目，從而降低算法實現(xiàn)的復(fù)雜度和運算量，對交通流量進行在線實時準確的估計，提高車載傳感器網(wǎng)絡(luò)交通流預(yù)測的準確性。
　　為平衡大規(guī)模城市交通的負載，并達到交通通行性能的全局最優(yōu)，提出一種具有智能學(xué)習(xí)能力的交通

5、信號的協(xié)同控制策略。首先考慮車流量密度的非連續(xù)性，給出城市交通道路的分段仿射車流量優(yōu)化指標，利用模糊規(guī)則進行交通信號的相序切換，然后利用系統(tǒng)辨識得到分段線形參數(shù);再利用相鄰交叉路口的流量信息，構(gòu)造協(xié)同控制項，以平衡區(qū)域負載;為實現(xiàn)流量的優(yōu)化，引入模糊Q學(xué)習(xí)機制，根據(jù)交通網(wǎng)絡(luò)的狀態(tài)，同時把粒子濾波得到的狀態(tài)預(yù)測值作為學(xué)習(xí)及時回報，實時調(diào)整協(xié)同控制增益和本地反饋控制增益，由協(xié)同控制得到優(yōu)化的信號燈控制命令，提高交通控制的實時性，得到全局最優(yōu)

6、的交通優(yōu)化指標。具有學(xué)習(xí)能力的協(xié)同控制策略可以通過各個交通控制節(jié)點自身的反饋控制行為和鄰接交通控制節(jié)點之間的協(xié)同控制行為達到路網(wǎng)的流量最優(yōu)。
　　為了提高出行效率，論文研究基于自主形式的智能交通誘導(dǎo)，提出一種動態(tài)不確定環(huán)境下交通誘導(dǎo)分解協(xié)調(diào)和路徑選擇的方法。首先引入時序約束的帶權(quán)與或樹對大規(guī)模交通誘導(dǎo)任務(wù)進行描述，然后將帶權(quán)與或樹修剪轉(zhuǎn)變?yōu)锳OE網(wǎng)，在AOE網(wǎng)的基礎(chǔ)上將復(fù)雜交通誘導(dǎo)任務(wù)分解，并考慮誘導(dǎo)任務(wù)的時序約束，從而增強算法對