详情

原文传递基于空间-相位-时间网络的信号优化与路径诱导协同化研究

论文题名：	基于空间-相位-时间网络的信号优化与路径诱导协同化研究
关键词：	智能交通;路径诱导;信号优化;动态规划
摘要：	随着大数据时代的到来，交通行业对于海量数据的挖掘和运用，是交通发展的挑战与机遇，预示着交通管理与控制方式的转型，解决城市交通问题的重心就是要实现城市交通的智能化。通过计算机收集交通网络中的信息，对交通流进行分配调节，对交通信号进行优化，疏导交通保障交通安全与通畅是智能交通控制的目标之一。　　智能交通系统的快速发展，使得充分利用车辆与系统的交互信息成为可能，从而能够更有效的引导车流和优化信号，促进交通诱导和信号控制系统的进一步协同，减少车辆延误，缓解道路拥挤。在智能交通系统领域内，部分交通信息是已知的，“根据这些已知信息对网络中的每辆车进行路径诱导，与此同时协调优化交通信号，使得网络中所有车辆的行程时间最小化”是协同问题的研究目标。　　传统的交通路径诱导和交通信号控制之间的协同是通过采集实时交通信息，对交通流进行预测，然后被动的调整信号配时使之适应变化的交通流;或者是路径诱导系统根据信号配时的情况对网络中的车辆提供动态交通信息，驾驶员接受信息建议后变换路径，但是在路径变换的过程中却容易受信号控制的限制;路径诱导和信号优化的协同力度不够强。在Allsop提出协同研究的构想以来，很多学者对路段的通行能力，车辆延误以及信号优化等模型进行了研究，并分析了这些因素对协同模型的影响，增强了交通诱导与信号控制问题的联系，建立了许多数学模型并且有不错的成效。在这些模型中，信号优化问题的解被提供给交通分配，而交通分配的解又返回给信号优化问题，如此重复迭代，两个问题之间的耦合基本是点对点的。　　大部分公式化的协同模型都是非线性的，可行域为非凸的，因此得到的解很大程度上是局部最优解，这对模型的可靠性和实用性有一定的影响。虽然经过分析，路径诱导和信号优化模型的解不具有唯一性，但是随着新兴技术与算法的发展，结合现代优化算法与软件技术找到的近似最优解成为了可能。由于协同问题是一个组合优化的过程，如果在原问题中减少一些约束，就可以使得原问题的求解难度大大降低，因此，考虑使用拉格朗日松弛算法。它是通过将目标函数中造成问题难的约束吸收到目标函数中，并保持目标函数的线性关系，使得问题容易求解。算法有两个用途，一个可以提供给数学模型计算值的下界，另一个就是拉格朗日松弛启发式算法，进行次梯度优化计算并对次梯度优化得到的解改进使其可行。　　本文研究的“路径诱导问题”相对于“动态交通分配”而言，是将交通网络中的车辆由整体看作个体，从本质上说，“路径诱导问题”是基于个体的“动态交通分配问题”。通过分析交通诱导模型和信号优化模型的关系，发现它们都隐含着交通流演化模型，协同问题实质上是路段流量和交叉口延误指标之间的依赖关系，对车辆的路径诱导是基于路径上造成车辆的延误进行的，这些延误大部分是信号控制的策略导致的，信号控制策略又是根据路段的集计的车辆轨迹得到的。先前的许多信号优化基本模型都隐含着“信号配时范围内的流量是定值”的假设，因此，很多交叉口的信号控制都是基于需求响应的周期配时，模型优化过程中没有考虑灵活的相位相序，信号配时安排无法反映随着时间变化路网车流的重分布。　　CTM（元胞运输模型）是对宏观连续交通流模型（LWR模型）的离散化近似，基于CTM的动态网络交通流传播模型可以成功捕捉信号交叉口车辆排队消散的动态过程。以CTM以及“储存-传送”网络为启发，考虑将空间、相位、时间离散化，分析车辆在空间上随时间的变化和信号相位在离散化时间下的变化。提出建立空间-时间网络，相位-时间网络，将协同模型以网络的形式表示，直观的反映时变的车辆轨迹和相位相序变化。空间-时间网络将节点按照时间离散化，反映出车辆在路网中的运行轨迹，明确车辆在节点的等待时间;相位-时间网络将交叉口信号配时的离散化，可以反映出随着时间变化的信号相位对车辆重分布的影响。两个网络可以显性的反应时变的车辆路径和交通信号控制相位。　　考虑到该协同问题是一个组合优化问题，提出一个拉格朗日松弛算法框架，通过引入拉格朗日乘子，将原问题分解成一系列的子问题。路径诱导和交通信号优化协同问题被分解成两个子问题:给定起讫点和分离时刻的多辆车的路径诱导问题和交通信号优化问题。在路径诱导子问题中，为每辆车提供的路径取决于时变路段容量，容量取决于信号优化子问题的解;在信号优化子问题中，配时的优化是以每个时刻集计的车辆轨迹得到路段需求为基础，需求又以路径诱导问题的解为前提;也就是说，路径诱导的对偶变量（罚因子）为信号优化提供搜索方向。信号优化过程中的各交叉口相位采用灵活八相位方式，可以充分考虑各相位在离散化时间下车流量重分布。　　将路径诱导和信号优化两个子问题放置于空间-时间网络和相位-时间网络中，就可以使用搜寻网络最短路的方式求解。利用MATLAB编程求解最短路，得到两个子问题的解，从而得到基于拉格朗日松弛的数学模型计算值的下界。再通过基于主体的交通仿真软件Nexta-DTAlite得到协同问题的上界，在迭代过程中，下界不断逼近上界，数值实验表明系统最优解可以在较小的上下界间隙快速达成。
作者：	姚昱
专业：	交通运输工程
导师：	程琳
授予学位：	硕士
授予学位单位：	东南大学
学位年度：	2018
正文语种：	中文