数据驱动的交通诱导实时鲁棒预测控制研究

将实时交通分配纳入到基于预测控制的计算机控制与管理框架下，以满足实时交通诱导的需求。建立可检测和可估计数据驱动的、闭环反馈滚动优化调节的交通诱导实时鲁棒预测控制的理论体系。采用粒子滤波技术，基于新形势下的交通流可检测数据（导航车辆位置、速度数据），进行交通流不完全信息估计，解决交通诱导预测控制所需充分数据的获取问题。采用机会约束规划和贝叶斯估计解决考虑交通需求、交通传播和导航车辆随机扰动的鲁棒诱导策略的产生问题。应用Web 服务（Services）技术解决交通诱导预测控制的并行实时优化问题。本项目的研究为建立城市现代化的、智能的交通指挥调度平台提供一种理论与技术支撑。

目前交通诱导主要采取反应式方法，诱导策略的给出是通过对当前交通状况的分析而得出的。反应式交通诱导的缺点是如果所有车辆都沿着当前时间最短路径运行，也可能产生道路拥挤。集中预测型交通诱导通过预测交通流的运行得出最佳诱导方案，能够提前将拥堵防范于未然。本项目的主要目标是建立交通诱导预测控制的理论和方法，为建立城市交通指挥调度平台提供一种理论与技术支撑。本项目的主要研究成果如下：.（1）研究了宏观、中观和微观交通流预测模型。提出了一种中观交通流模型，在该模型中，车辆速度的更新考虑其前方路段交通流密度和与前方相邻车辆的距离。将反馈控制（feedback control， FC）行为及其多样性引入到元胞自动机（cellular automata, CA）交通流模型中，提出了一种新型的微观交通仿真模型CA-FC。所提出的模型能够对交通传播作更加细致的描述。.（2）研究了基于宏观和微观交通流模型的交通流不完全信息估计技术。通过对导航车辆位置和速度的观测，采用粒子滤波方法辨识非导航交通流信息。提出了基于微观交通流模型和粒子滤波的交通流不完全信息估计方法，为交通流充分数据的获取提供一种解决方案。.（3）研究了交通诱导预测控制的体系、优化模型和算法。建立了预测型用户均衡和预测型系统最优模型，建立了道路网络和用户性能的折衷优化模型，提出了结合遗传算法和交通流模拟运行的求解算法，提出了数据驱动的非解析迭代求解算法。.（4）研究了交通诱导预测控制的多台计算机并行求解算法。设计了集中控制式和分布控制式并行遗传算法，提出了染色体变异的可行方向法，提高进化求解的效率和效果。.（5）在并行计算平台上，对交通诱导预测控制系统的性能进行了分析和综合。研究了性能指标、伪给定参数、预测时域和加权因子对控制性能的影响，以及交通诱导预测控制的鲁棒性。