一种针对高速公路长距离下游瓶颈路段入口匝道控制方法
技术领域
本发明涉及智能交通技术领域，具体涉及一种针对高速公路长距离下游瓶颈路段入口匝道控制方法。
背景技术
在机动车保有量不断增长，高速公路资源有限的情况下出现了交通拥堵、交通事故等问题，为了提高高速公路通行效率，减少交通事故，高速公路主动交通流控制策略的研究也在日益发展，运用比较广泛的是入口匝道控制。当高速公路上的交通流处于拥堵时，通过匝道调节率来计算信号配时，控制匝道进入主线的交通流，可以避免交通拥堵加剧，快速消除拥堵，降低延误。
近年来对于高速公路瓶颈路段的研究较多，主要是针对入口匝道与主线汇合处交通流特性进行研究，但是针对高速公路长距离下游瓶颈的研究较少。高速公路长距离下游瓶颈是指在许多实际的场景中，由于入口匝道有一定距离的下游存在上坡、弯道、隧道、桥梁以及车道减少等瓶颈，下游通行能力较小制约着路段交通流效率。此情况下，在汇合处控制区域的动作及其对长距离下游瓶颈位置处的交通流动力学的影响之间存在不可忽略的时间延迟，带延迟特性的被控系统的控制难度随滞后程度的增加而加大。这种情况对控制策略应对时间延迟的能力具有较高要求，在高速公路主动交通流控制中值得重点关注。目前研究的交通流控制策略是把控制区域作为主要的考量，难以消除因为时间延迟带来的控制效果降低。
发明内容
[技术问题]
现有高速公路长距离下游瓶颈交通流量控制方法为考虑时间延迟带来的影响，控制效果降低。
[技术方案]
本发明提供一种针对高速公路长距离下游瓶颈路段入口匝道控制方法，包括如下步骤：
步骤一：设置交通流检测器，在长距离下游瓶颈的高速公路上等距离设置交通流检测器，按照从下游到上游的方向记录每个检测器的桩号，采集高速公路路段内的交通流数据；
步骤二：基于交通流检测器采集的交通流量数据，选取反馈控制；根据长距离下游瓶颈的迟滞性，搭建模糊自适应PID控制系统，获取交通流检测器采集高速公路路段内的交通流数据，输入至模糊自适应PID控制系统；
步骤三：模糊自适应PID控制系统的输入信号为k时刻的预期流量密度ρd(k)，即输入信号rin(k)＝ρd(k)；系统的的输出信号是实际流量密度ρ(k+1)，即输出信号yout(k+1)＝ρ(k+1)，系统的控制变量为匝道调节率r(k)，通过匝道调节率来控制匝道进入主线的交通流量，r(k)由以下公式确定：
其中kp、ki、kd分别为由模糊控制确定的参数，e(k)＝rin(k)-yout(k+1)是误差信号,T为信号周期。
步骤四：通过交通流检测器监测路段各断面的实时交通流数据，当相邻两桩号的交通流检测器对应的占有率斜累计曲线均出现拐点时，则高速公路路段出现拥堵排队现象，模糊自适应PID控制系统检测到占有率累计曲线出现拐点时，调整入口匝道控制器中的参数kp、ki、kd，从而输出匝道调节率，通过匝道的信号灯调节来控制匝道车辆进入主线的流量。
在本发明的一种实施方式中，所述等距设置交通流检测器的相邻两个间距不大于300米。
在本发明的一种实施方式中，所述交通流数据包括：各断面交通流流量、密度、速度、排队长度以及占有率数据。
在本发明的一种实施方式中，所述步骤三还包括：从交警部门获取自交通流检测器安装以后该高速公路长距离下游瓶颈的历史交通拥堵数据，所述历史交通拥堵数据用于确定模糊自适应PID控制逻辑模糊规则；所述历史交通拥堵数据包括拥堵路段的流量、密度、速度以及占有率数据。
在本发明的一种实施方式中，还包括：通过模糊自适应PID控制系统在参数kp，ki，kd和e(k)，ec之间找到模糊逻辑规则，所述e(k)是是预期流量密度与实际流量密度之间的差值，ec是误差率，PID控制在运行期间连续检测e(k)和ec，使用实际流量密度ρ(k+1)作为PID控制系统的输出，r(k)作为控制变量。
在本发明的一种实施方式中，通过在e、ec和kp、ki、kd之间建立模糊规则，使用模糊自适应控制器中的模糊推理来调整kp、ki、kd的值；调整过程中考虑kp、ki、kd在不同时间的变化，基于在线实时模糊自适应PID控制，通过计算e和ec来使用模糊逻辑规则。
在本发明的一种实施方式中，基于e和ec的范围，得到kp、ki、kd的增量变化，e和ec隶属度函数，分别被描述为较大负值(NB)，中等负值(NM)，较小负值(NS)，零值(Z)，较小正值(PS)，中等正值(PM)，较大正值(PB)。
在本发明的一种实施方式中，所述拐点确定方法如下：拐点前后三分钟以内，以该拐点为交点分别绘制的两条占有率斜累计曲线的线性拟合直线，使得斜累计曲线上偏离该两条直线的所有的占有率偏离值的总方差和最小。
在本发明的一种实施方式中，所述线性拟合直线以最小二乘法确定。
本发明所述方法应用于交通流量控制装置。
[有益效果]
在许多实际的高速公路场景中，距离入口匝道一定距离的下游可能存在上游、弯道、隧道、桥梁以及车道减少等现象，本发明是针对高速公路长距离下游瓶颈的入口匝道控制，对具有迟滞性、非线性、高阶大惯性的受控对象有良好的控制效果。
在高速公路上等距离设置多个交通流检测器，基于实时自动检测获取的高速公路各路段交通流数据，判断高速公路各路段拥堵情况，基于模糊自适应PID入口匝道控制策略，实时控制匝道进入主线的交通流量，对于缓解高速公路拥堵、提高通行效率、保障通行安全具有十分重要的现实意义。
附图说明
图1为实施例1的高速公路长距离下游瓶颈入口匝道控制流程图；
图2为实施例1的长距离下游瓶颈交通流检测器和入口匝道信号控制的设置方法示意图；
图3为实施例1的模糊自适应PID入口匝道控制器的结构图。
图4为实施例2的无控制情况下交通流示意图。
图5为实施例2的在模糊自适应PID入口匝道控制下交通流示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。
实施例1
如图1-3所示，本实施例提供一种针对高速公路长距离下游瓶颈路段入口匝道控制方法，包括以下几个步骤：
步骤一：设置交通流检测器，采集高速公路路段内的交通流数据，具体步骤为：
a1、在长距离下游瓶颈的高速公路上等距离设置交通流检测器，前后两个交通流检测器的间距不大于300米，按照从下游到上游的方向记录每个检测器的桩号；
a2、交通流检测器每30秒同时检测一次各断面交通流流量、密度、速度、排队长度以及占有率等数据，并且输出至控制平台；
a3、从交警部门获取自交通流检测器安装以后该高速公路长距离下游瓶颈的历史交通拥堵数据，拥堵路段的流量、密度、速度以及占有率等数据。
步骤二：模糊自适应PID入口匝道控制算法的搭建，具体步骤为：
a1、在高速公路长距离下游瓶颈的控制中，入口匝道的最优求解算法主要针对局部区域，因此选取反馈控制，是基于交通流检测器的测量值，保持高速公路交通状况接近预先的设定值；
a2、根据长距离下游瓶颈的迟滞性，选择可以适应非线性、迟滞性的模糊自适应PID控制，并将其运用至入口匝道控制策略；
a3、确定PID控制器的结构，将给定输入与实际输出的偏差的比例(P)，积分(I)和微分(D)线性组合，然后通过组合的控制量来控制对象。
a4、确定模糊自适应PID控制器的控制策略，所述控制策略中，包括以下几个参数：μ是控制对象的控制变量，e是误差信号，ec是误差率，kp，ki，kd是PID参数。模糊自适应PID控制器在参数kp，ki，kd和e，ec之间找到模糊逻辑规则。它在运行期间连续检测e和ec，并使用PID的增量Δkp,Δki和Δkd作为控制器的输出，并将u输出到对象。在确定模糊逻辑规则时，还需要定义模糊集合：在从域U到[0,1]区间的任何图形映射到μA上，
μA:U→[0，1]
A是U的模糊子集，μA是A的隶属函数，μA(x)称为x与A的隶属关系。μA(x)表示集合U中的元素x属于模糊子集A的程度或水平。它可以在[0,1]闭合区间内连续获取值。μA(x)的值越接近1，则x属于A的程度越高；μA(x)越接近0，则属于A的程度越低。
a5、确定模糊自适应PID入口匝道控制的整体结构，系统的输入信号为预期流量密度ρd(k)，即rin(k)＝ρd(k)。它的输出信号是实际流量密度ρ(k+1)，yout(k+1)＝ρ(k+1)，系统的控制变量为匝道调节率r(k)(即控制对象的控制变量μ)，通过匝道调节率来控制匝道进入主线的交通流量，其中r(k)由以下公式确定：
其中kp、ki、kd分别为由模糊控制确定的参数，e(k)＝rin-yout是误差信号。
预期交通密度ρd(k)是输入，而e是期望密度与实际密度之间的差值。e和ec的隶属度函数被描述为较大负值(NB)，中等负值(NM)，较小负值(NS)，零值(Z)，较小正值(PS)，中等正值(PM)，较大正值(PB)。模糊集的使用为处理模糊和不精确的概念提供了系统的方法。特别是，模糊集可以用来表示语言变量。模糊逻辑规则的指定是基于专家经验，操作经验和系统知识的；分别被描述为较大负值(NB)，中等负值(NM)，较小负值(NS)，零值(Z)，较小正值(PS)，中等正值(PM)，较大正值(PB)。kp，ki，kd的模糊逻辑规则如表一所示。
表一
a6、通过与交通流检测器数据平台的交互来实时调整入口匝道控制参数，从而为之后制定控制策略提供平台支撑。
步骤三：监测路段各断面的实时交通流数据，当相邻两桩号的交通流检测器对应的占有率斜累计曲线均出现拐点时，则高速公路路段出现拥堵排队现象；否则继续监测；
步骤四：步骤三中若出现拥堵排队现象，立刻反馈至控制平台，调整入口匝道控制器中的参数，从而输出匝道调节率，通过信号灯调节来控制匝道车辆进入主线的流量。
可选地，在Matlab中实现模糊自适应PID控制器的设计，利用模糊规则对PID控制器的参数Kp、Ki和Kd进行自适应整定。
实施例2
首先，在元胞传输模型中对本技术进行了实时仿真，首先使用真实高速公路上收集的环路检测器数据来校准元胞传输模型中的参数，从而使仿真结果接近实际情况。经过校准，元胞传输模型中自由流的速度为105千米/小时，拥堵密度为137辆/千米/车道，临界密度为16.63辆/千米/车道。
预期交通密度ρd(k)是输入，而e是期望密度与实际密度之间的差值。在实例中，拥堵密度为137辆/千米/车道。为了控制密度并简化计算，e和ec都选择-69至+69辆/千米/车道的值。e和ec的隶属度函数被描述为较大负值(NB)，中等负值(NM)，较小负值(NS)，零值(Z)，较小正值(PS)，中等正值(PM)，较大正值(PB)。
在基于入口匝道控制的模糊自适应PID控制中，通过在e、ec和kp、ki、kd之间建立模糊规则，使用模糊自适应控制器中的模糊推理来调整kp、ki、kd的值。调整过程应考虑kp、ki、kd在不同时间的变化，基于在线实时模糊自适应PID控制，可以通过计算当前系统误差e和ec来使用模糊逻辑规则。
根据规则，基于e和ec的范围，可以得到kp、ki、kd的增量变化，介于-510到+510之间，它们的隶属度函数被描述为“NB”，“NM”，“NS”，“Z”，“PS”和”PB“。
拥堵情况通过占有率累计曲线来判定，基于k与k+1交通流检测器获取的占有率数据绘制曲线，拐点按照以下原则来确定：拐点前后三分钟以内，以该拐点为交点分别绘制的两条占有率斜累计曲线的线性拟合直线，使得斜累计曲线上偏离该两条直线的所有的占有率偏离值的总方差和最小，所述线性拟合直线以最小二乘法确定。
当拥堵出现时，反馈至模糊自适应PID入口匝道控制平台，根据e和ec的范围，确定kp、ki、kd每次增量的变化，调整迭代参数，计算匝道调节率，通过在入口匝道设置信号灯，控制匝道进入主线的交通流量。
在高速公路下游距离汇合处1.6千米处设置了车道减少，进行了2小时的仿真，仿真结果如图4-5所示。在无控制情况下出现了拥堵，而在模糊自适应PID入口匝道控制下交通流稳定运行。
本发明的保护范围并不仅局限于上述实施例，凡是在本发明构思的精神和原则之内，本领域的专业人员能够做出的任何修改、等同替换和改进等均应包含在本发明的保护范围之内。
