高速公路入口匝道智能控制方法的研究.pdf

1、近年來，隨著車輛數(shù)目的急劇增加，高速公路上交通堵塞的現(xiàn)象屢見不鮮，這使得如何采用合理的控制方法，預防或緩解高速公路上的擁擠狀態(tài)顯得尤為重要。入口匝道控制方法是控制高速公路交通狀態(tài)最直接有效的方法之一。本文針對高速公路交通系統(tǒng)的特點，對入口匝道智能控制方法展開研究，主要的研究內容和結論如下： 針對高速公路交通模型難確定的問題以及高速公路交通狀態(tài)具有一定的可重復性的特點，本文采用迭代學習控制(ILC)方法對高速公路的交通密度進行控制

2、。在一階開環(huán)ILC匝道控制算法的基礎之上，設計了一階開閉環(huán)ILC匝道控制算法。嚴格的理論分析證明了此一階開閉環(huán)ILC匝道控制算法的收斂性，仿真分析驗證了此算法的有效性與優(yōu)越性。此一階開閉環(huán)ILC匝道控制算法結構簡單，且不依賴于精確交通模型，能夠有效避免由交通模型難確定而帶來的控制結果難精確問題。與一階開環(huán)ILC匝道控制方法相比，此一階開閉環(huán)方法使系統(tǒng)具有更快的收斂速度以及更好的暫態(tài)性能。 在一階開閉環(huán)ILC匝道控制算法的基礎上，

3、設計了高階開閉環(huán)ILC匝道控制算法，此算法不僅具有一階開閉環(huán)ILC匝道控制算法的優(yōu)點，而且因為其利用了更多的狀態(tài)信息進行控制，系統(tǒng)的穩(wěn)定性更好。嚴格的理論分析證明了此方法的收斂性，仿真分析驗證了它的有效性以及優(yōu)越性。與經典的ALINEA方法相比，此方法使系統(tǒng)擁有更精確的控制結果以及更好的穩(wěn)定性。 針對高速公路交通模型難確定，控制量難自適應交通變化以及難實現(xiàn)多路段協(xié)調控制三個問題，本文設計了一種基于模糊神經網絡方法的匝道控制算法。

4、此算法中，模糊規(guī)則既實現(xiàn)了相鄰路段間的協(xié)調控制，又調整了高速公路干道交通狀態(tài)與匝道排隊長度的大?。簧窠浘W絡的自學習功能使此方法對外界交通變化具有自適應能力。該算法能夠在將高速干道交通密度維持在理想密度附近的同時，保持入口匝道排隊長度盡可能的短。在抑制交通密度波動和排隊長度增長方面比經典的反饋控制方法ALINEA取得了更好的效果。值得提出的是此方法具有一定的協(xié)調控制能力，比單匝道控制方法對道路容量的利用更加充分，這在仿真數(shù)據中也有明確體現(xiàn)