城市快速路分层分布式优化控制方法研究

针对城市快速路控制系统对实时道路交通状况不能及时、有效地响应问题，利用时变的交通状态估计与OD矩阵预测信息，基于智能交通控制及分层分布式思想，提出一个新颖的城市快速路匝道控制方法. 采用基于多项式趋势模型的滤波方法对路段总的交通需求进行估计与预测，提前确定道路将来排队长度的上界；对快速路网未来的交通状态进行预测，基于全局最优的思想，提前为路网中各个匝道建立协调约束，为匝道调节率的制定提供依据. 仿真结果表明，分层分布式的快速路控制系统通过协调各个匝道之间的利益，能够有效缓解高峰出行时的拥堵现象，对实现城市快速路网整体性能优化具有现实意义.     

交通网络中动态OD矩阵估计模型研究

动态起点-迄点（OD）矩阵为智能交通系统提供所需的基础数据。为了提高交通网络中动态OD矩阵估计的精度,在最小化路段实际交通量和分配交通量之间差值以及最小化历史OD矩阵和待估计OD矩阵之间差值的基础上,将浮动车采集信息融合到OD矩阵估计过程中;在动态网络加载过程中,OD矩阵估计值如果大于加载车辆数会使网络中的定点问题求解发散。为了避免该情况的发生,基于广义最小二乘模型并引入容量约束,提出1种带不等式约束的动态OD矩阵估计方法。仿真实验表明,该方法对于OD矩阵估计的精度较好,优于带滑动窗的广义最小二乘算法。     

���������ھ�Ľ�ͨ����ģ�Ͳ����궨

为了克服经典速度－密度模型刻画道路交通流动态变化特性的缺陷,将更丰富的路段检测信息运用到交通仿真模型参数的标定过程中.提出在预处理检测器数据后,采用一种基于凝聚层次聚类的局部加权回归算法标定车辆速度.该算法先对训练样本进行聚类,然后用凝聚层次聚类法对每一个约束类生成一棵聚类树;其次用k 最近邻方法将与待估计速度相关的新样本划入适当的类中,最后采用局部加权回归标定车辆速度.利用现场数据对算法进行了大量测试,分别将车流密度,密度与流量作为变量标定车速.结果表明,提出的算法是有效的,适用于基于仿真的动态交通分配系统.     

����ODԤ����Ϣ�ĸ��ٹ�·�Ż�����ϵͳ��������

根据时变的OD预测信息,基于分层递阶的思想,建立了一个新颖的高速公路优化控制系统。控制结构分为三层：网络负荷分配层对长时期内总的交通需求进行预测,提前确定将来排队长度的上界;全局最优控制层预测未来的交通状态,为路网中的各个匝道建立协调约束;局部反馈控制层根据实测的交通条件及全局最优控制层的寻优结果决定匝道调节率。仿真结果表明,控制系统具有良好的动态性能,协调了各个匝道之间的利益,实现了高速路网整体性能的优化。