智能网联环境下城市快速路突发事件韧性控制方法
本发明涉及智能网联交通控制,更具体地说,涉及一种智能网联环境下城市快速路突发事件韧性控制方法。
背景技术:
1、城市快速路是城市交通的主动脉,其运行状态直接影响整个路网的效率与安全,在实际运营中,快速路经常面临交通事故、临时施工、恶劣天气等突发事件,而这些事件会直接打破路网交通流的平衡状态,从而会导致通行能力下降、拥堵快速蔓延,甚至引发二次事故,造成严重的效率损失与安全隐患。
2、现有的方法缺乏以韧性损失指数为目标的系统性优化,而且还缺少利用cav网联自动驾驶汽车(connected and autonomous vehicle)车辆的协同能力来提升系统对突发事件的韧性,在人机混驾场景下cav网联自动驾驶汽车(connected and autonomousvehicle)渗透率是动态变化的,进一步增加了控制的复杂性。
技术实现思路
1、本发明要解决的技术问题在于,提供一种智能网联环境下城市快速路突发事件韧性控制方法,其能够实现对事件的快速检测、响应与恢复,从而提升快速路在突发事件下的抗干扰能力和恢复速度。
2、本发明解决其技术问题所采用的技术方案是:构造一种智能网联环境下城市快速路突发事件韧性控制方法,包括以下步骤:
3、s1、将快速路下匝道与主线离散为元胞序列,并抽象为有向网络图;
4、s2、建立考虑cav渗透率的动态元胞传输模型;
5、s3、建立以韧性损失指数最小化为目标,基于可变限速和动态匝道调节率的韧性控制模型;
6、s4、建立基于mpc-遗传算法的协同优化模型,得到最优参数组合;
7、s5、求解得到最优行驶方案,通过车路协同系统下发控制指令,并量化韧性提升效果。
8、按上述方案,所述步骤s1中,抽象为有向网络图的方法包括以下步骤:
9、s101、将车道主线、上下匝道抽象为网络图中的单向边,其中每条车道包括横向位置、纵向位置两个属性;
10、s102、将匝道与车道,车道与车道之间的连接段抽象为网络图中的双向边;
11、s103、将快速路的起点、终点、上下匝道与车道基本路段的交点抽象为网络图中的节点,将所述的节点和边连接起来,组成有向网络图。
12、按上述方案,所述步骤s2中,建立考虑cav渗透率的动态元胞传输模型的方法包括以下步骤:
13、s201、将快速路干线划分为n个等长的元胞,每个元胞长度为,车道数为,时间步长为;
14、s202、定义cav渗透率为元胞i在时刻k的cav数量占总车辆数的比例,并建立自由流速度、最大通行能力和拥堵波速关于的动态函数;
15、s203、分别追踪cav和hdv车辆的密度,建立双流独立更新方程;
16、s204、采用发送-接收模型计算元胞间流量,动态更新密度和速度。该模型输出的状态量将直接输入mpc预测模型。
17、发送能力与接收能力分别为:
18、
19、其中,为元胞i在时刻k的密度,为阻塞密度。
20、按上述方案,所述步骤s202中,建立的自由流速度、最大通行能力和拥堵波速关于的动态函数为:
21、
22、
23、
24、其中,、、为纯人工驾驶车辆的自由流速度、通行能力、拥堵波速,为纯网联车辆自由流速度,k、、分别为s型曲线形状参数、半增长渗透率、通行能力最大提升系数、指数增长速率、拥堵波速增强系数;
25、按上述方案,所述步骤s203中,建立双流独立更新方程为:
26、
27、
28、其中,、分别为cav、hdv在元胞i在时刻k的密度,、分别为cav、hdv在元胞i在时刻k的流量,、和、分别为cav、hdv在元胞i在时刻k的接收能力和发送能力,,,总流量由发送-接收模型决定:
29、。
30、按上述方案,所述步骤s204中,发送能力与接收能力分别为:
31、
32、其中,为元胞i在时刻k的密度,为阻塞密度。
33、按上述方案,所述步骤s3中,建立韧性控制模型的方法包括以下步骤:
34、s301、定义韧性损失指数,作为控制方法的总目标:
35、
36、其中为韧性损失指数,为实际总行程时间,为理想总行程时间;
37、s302、利用网联车辆上报的车辆位置、速度数据,提取主线各元胞的实时密度和速度,定义事件检测指标;
38、
39、其中,为事件检测指标,为临界密度,为密度超调阈值,为速度下降阈值,当=1且连续两个时间步成立时判定事件发生,定义事件严重程度因子:
40、
41、其中,为事件严重程度因子,为事件期间元胞的有效通行能力与正常状态下通行能力之比,满足;
42、s303、事件发生后0-秒内,提高mpc目标函数中的排队惩罚和速度方差权重,匝道调节率上限降至正常的0.3-0.5倍;
43、s304、事件持续缓解阶段实施级联可变限速和动态匝道限流,同时通过路侧单元广播事件信息,引导网联车辆按统一的速度行驶,计算式如下:
44、
45、
46、
47、其中,为元胞i的限速值,为最低限速值,为事件期间的限速值,为事件严重程度因子,为速度恢复梯度,为事件点元胞编号;为事件期间第个入口匝道允许的最大汇入流量,为正常状态下第个入口匝道允许的最大汇入流量,为引导车速;
48、s305、当事件结束信号触发后,定义排队消散指数:
49、
50、其中,为排队消散指数,时,进入恢复阶段,直至降低至可接受阈值。该三阶段机制的具体控制参数将由s4的遗传算法优化确定。
51、按上述方案,所述步骤s4中,建立协同优化模型的方法包括以下步骤:
52、s401、预测模型采用步骤s2建立的动态元胞传输模型,预测时域为步,控制时域为步,时间步长t秒;
53、s402、控制变量为入口匝道调节率向量和可变限速向量,约束包括:
54、
55、
56、
57、其中,为第i个入口匝道在时刻k的最大允许汇入流量,为第j个控制点所在元胞当前cav渗透率对应的自由流速度,为单步最大允许限速变化量;
58、s403、韧性模式目标函数:
59、
60、其中,时刻k的总行程时间ttt(k)=,为入口匝道i在时刻k的排队长度,为元胞i在时刻k的平均速度,为期望密度,为基于当前状态预测的恢复时间,、、、分别为总行程时间、匝道排队、速度方差、超密度恢复、恢复时间的权重系数;
61、s404、遗传算法离线参数优化,将目标函数中的权重系数组合以及匝道调节率上限系数、vsl恢复梯度等参数编码为染色体,每个基因采用实数编码;适应度函数为多个典型事件场景下平均韧性损失指数的负值;随机生成p个个体,采用锦标赛选择法,保留适应度排名前20%的个体直接进入下一代;对选中的父代个体采用模拟二进制交叉,交叉概率为;变异概率为,迭代至收敛,输出最优参数组合;
62、s405、在线控制应用,将最优参数组合固定到mpc中,每个控制周期基于步骤s2模型预测当前状态,求解二次规划问题,得到最优控制序列,并且仅执行第一步控制量。
63、按上述方案,所述步骤s5中,得到最优行驶方案的方法包括以下步骤:
64、s501、将步骤s4求解得到的最优可变限速值通过路侧单元广播至网联车辆以及可变情报板;
65、s502、将匝道调节率转化为入口匝道信号灯的红绿灯时长,并下发至入口匝道信号控制器,转化公式为:
66、
67、其中,为绿灯时间,为信号周期,为饱和流率;
68、s503、通过路测单元向网联车辆发送建议的汇入时刻或延迟指令,延迟时间满足:
69、
70、其中,为汇入点距当前距离,为主线当前车速,为车辆按当前速度到达汇入点的时间;
71、s504、在控制实施后,基于实际检测数据或仿真输出,计算s3定义的韧性损失指数,量化韧性提升效果。
72、本发明还提供一种智能网联环境下城市快速路突发事件韧性控制系统,包括:
73、有向网络图模块,用于将快速路下匝道与主线离散为元胞序列,并抽象为有向网络图;
74、动态元胞传输模型模块,用于建立考虑cav渗透率的动态元胞传输模型;
75、韧性控制模型,用于建立以韧性损失指数最小化为目标,基于可变限速和动态匝道调节率的韧性控制模型;
76、最优参数组合模块,用于建立基于mpc-遗传算法的协同优化模型,得到最优参数组合;
77、最优行驶方案模块,用于求解得到最优行驶方案,通过车路协同系统下发控制指令,并量化韧性提升效果。
78、实施本发明的智能网联环境下城市快速路突发事件韧性控制方法,具有以下有益效果:
79、1、本发明在预测模型中引入cav渗透率动态函数,采用cav与hdv双流独立追踪与耦合更新机制,使交通流模型能够准确刻画不同渗透率水平下混合交通流的演化特征,为韧性控制策略提供状态预测基础。
80、2、本发明把韧性损失指数作为统一控制目标,将行程时间损失、排队长度增加、速度波动等多维性能下降量化为单一指标,并直接嵌入mpc目标函数,使控制器能够以最小化韧性损失为直接导向生成最优控制策略,实现了韧性评价与控制优化的一体化融合;
81、3、本发明构建“检测-响应-恢复”三阶段闭环韧性控制机制,通过事件检测指标实时识别突发事件,并根据事件演化阶段自动切换控制模式;在优化层面,建立了mpc-ga双层优化框架,外层遗传算法在典型事件场景下以平均韧性损失指数为适应度全局搜索最优权重组合与控制参数,内层mpc将优化后的参数固化并基于实时状态快速求解最优vsl与匝道调节率指令,仅执行第一步控制量实现滚动优化,既通过离线全局优化保障控制策略的最优性,又通过在线滚动求解保障控制的实时性;
82、4、本发明通过路侧单元将控制指令下发至网联车辆及可变情报板,并在控制实施后计算韧性损失指数量化提升效果,形成“建模-控制-下发-评价-反馈”的完整技术链条,为城市快速路突发事件韧性控制提供了一套系统、完整且可量化的技术方案。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com