考虑通行能力可靠度和系统稳定性的分散式和路网边界混合控制模型与方法

Saturation flow rate is one of the key parameters in traffic signal optimization. It is intrinsically stochastic due to a lot of static and dynamic factors. However, the intersection capacity reliability is not sufficiently considered in signal control problems, which leads to the lack of reliability consideration in designing signal optimization plans. Besides, in literature there remains no theoretical proof of stability of signal control approaches for large scale networks. This project aims to quantify the influence of different factors on the reliability of saturation flow rates, to develop a capacity reliability model which can be incorporated in signal control optimization, and to set up new models and improved methodologies of traffic signal control considering reliability and stability. Different theories and technologies are applied in this research, including exploring saturation flow rate stochasticity aimed data collection and statistical analysis, Lyaponuv stability theory, Macroscopic Fundamental Diagram theory and Back-pressure control scheme, to explore the mechanism of capacity reliability at intersections, to analyze and optimize the stability region of the system, and to establish a hybrid framework of combining decentralized control and perimeter control for large scale networks considering intersection capacity reliability and system stability. Finally, the developed signal control optimization approach will be evaluated and validated with a real urban network — a CBD area in Changsha city. This research contributes to the state-of- the-art of traffic control methods and theory for large scale networks considering reliability, stability, computation efficiency and scalability.

交叉口饱和流率是交通控制优化的重要参数之一，由于受到各种因素影响，具有动态随机特性。但目前的交通控制研究中往往没有充分考虑交叉口通行能力可靠性，使得控制方案的构建缺乏对交通系统可靠性的考虑。此外，大规模路网交通控制方法研究中往往很少从理论上证实其满足系统稳定性的要求。本项目拟在量化分析各类影响因素对交叉口饱和流率随机性的影响，揭示交叉口通行能力可靠度机理，提出通行能力可靠度模型，构建考虑可靠度和稳定性的交通控制新模型和新方法。研究以揭示饱和流率随机特性为目标的数据采集方法和统计分析方法，利用李雅普诺夫稳定性理论、宏观交通流基本图理论和反压式控制技术，开展交叉口通行能力可靠度机理解析、系统最大稳定域分析与优化，构建考虑通行能力可靠度和系统稳定性的分散式控制与路网边界控制相结合的混合控制模型与方法，并开展实证研究与模型验证。预期成果可为建立高效、可靠、稳定的大规模路网交通控制方法提供理论支撑。

交通流系统中由于驾驶行为的随机性和异质性，使得交通流存在显著不稳定性，因此对制定可靠、有效的交通管控措施提出了挑战。.本项目从实际观测的驾驶行为数据出发，分析了车辆在城市道路和交叉口的行驶特性并计算交叉口的饱和流率，建立了饱和流率概率分析模型；并分析城市道路随机交通需求、随机饱和流率（通行能力）、车辆随机到达和离开以及交通信号控制等对城市道路行程时间可靠性的影响，建立了城市道路行程时间概率分布的解析模型，提出了可靠性指标，应用在长沙市采集的GPS车辆轨迹数据对模型的有效性进行分析和验证。.通过分析人工驾驶行为的随机性和异质性，建立了随机拉格朗日交通流模型，将其与卡尔曼滤波技术相结合，提出了可靠交通状态估计模型与算法，并应用VISSIM仿真数据和NGSIM实际车辆轨迹数据对模型和估计算法的有效性进行验证。本项目进一步将随机拉格朗日交通流模型扩展至考虑未来智能网联环境的混合交通流系统，建立了混合交通流环境下的拉格朗日交通流模型。利用李雅普诺夫理论分析混合交通流系统稳定域，提出了交通流稳定性和不确定性评价指标，分析自动车对混合交通流不确定性和稳定性的影响，构建了混合交通流稳定性控制模型与算法，并通过数值案例对稳定性控制方法的效果进行仿真分析与对比验证。.考虑到传统的交通控制方法主要将延误、平均行程时间、排队长度等作为优化评价目标，本项目中引入可靠性指标，将行程时间可靠性作为优化目标之一，建立了多目标的城市路网交通信号控制模型与算法，并将其与传统的信号控制优化软件TRANSYT和实际采集的GPS数据进行对比分析，进而验证了本项目提出的控制优化模型的有效性。.本项目的研究成果为建立高效、可靠和稳定的交通管控系统提供了理论方法和技术支撑，同时也为未来智能网联交通系统的管控提供了前期理论研究基础和技术方法支持。