基于BP神经网络的高速公路匝道协同控制方法文献综述

 2022-10-22 04:10
  1. 文献综述（或调研报告）：

依据入口匝道的控制范围可以分为单点控制与协调控制。

单点型匝道控制算法不考虑周围相邻匝道只考虑单个匝道，根据高速公路主线上下游的实测数据或预测数据作为依据来确定入口匝道的调节率。ALINEA算法是一种单点反馈算法，该算法把交通流作为控制过程，匝道调节率作为控制变量，试图通过调节匝道调节率使该匝道对应的高速公路主线下游的交通密度达或车辆占有率维持在理想状态附近。在巴黎、阿姆斯特丹、美国的部分地区都采用ALINEA算法进行入口匝道控制【1-2】。该算法原理简单，易于实现，但没有考虑入口匝道处因排队而引起的车流回溢现象。Zone算法最早应用于1970年美国明尼苏达州保罗地区的I-35高速公路上，将长3至6英里不等的高速公路定义为一个Zone【3】。该算法的控制思想是通过计算入口匝道调节率来平衡每个Zone进出匝道的车辆总数，以使得每个Zone的交通流密度保持为常量。

与单点型算法相比，协调型算法具有明确的系统优化目标函数，并一般取为各入口匝道的总流入量最大、系统总通过量最大或系统总行程时间最小【4】。具体地方法是根据实时或预测的状态信息以及OD信息，结合约束条件再联系目标函数来求取各匝道的调节率【5】。另外，多匝道协同控制实际的工程应用对硬件设备和数据处理要求较高，且要求协同控制的多匝道之间有较明显的时空影响，因此研究区域不宜过大，匝道间距不宜过长，如果匝道较为分散，间距较长，可选择若干关键匝道转为独立单匝道控制，不必进行协同，否则成本过高且效果也并不明显【6】。动态最优控制一般采用确定的宏观流体交通流模型，常用的有Papageorgiou等人的离散化宏观交通流模型【7】。取速度、密度及入口匝道排队长对作为状态变量，以匝道入口调节率为控制变量，以主线上游交通需求和匝道入口交通需求作为扰动变量，性能指标取为高速公路总时间花费，在给定的状态变量初值和慢变扰动的历史或预测信息条件下，利用实时的交通状态信息，确定最优匝道调节率，实现动态最优控制。METALINE算法使用主线上一系列位置处的测量数据来求得每个匝道的调解率，该算法可以看做是ALINEA算法的拓展，在方程中引入前一周期的调节率来计算下一周期的调节率，防止了在连续时间周期内，调节率大的波动【8】。以上方法都是对一个或多个入口匝道进行静态或动态调节，没有考虑整个路网系统的全局控制。Kotsialos等人对大规模快速路系统匝道联动控制作了研究，还设计了系统最优集成控制系统软件工具【9】。该方法建立了一个二阶宏观交通流模型来描述快速路系统的交通动态变化。模型包括基本路段模型、进入路段模型以及进出口和交叉口的节点模型。该系统同时考虑了路径引导和匝道调节两类控制策略，而不是仅仅使用匝道进行控制。

神经网络是一种模拟人脑的神经网络，以期能够实现实现类人工智能的机器学习技术【10】。

人工神经网络是近几年来发展起来的十分热门的交叉科学，它涉及生物、电子、计算机、数学和物理等科学，有着非常广泛的应用背景。从人脑结构来看，它是由大量神经细胞组合而成的，这些神经细胞相互连接，每个细胞仅完成某一种基本功能，从整体看，它们互相整合完成复杂的计算机思维活动，这些工作是并行的、有机的关联在一起。而人工神经网络就是采用物理可实现的系统来模仿人脑神经细胞的结构和功能的系统，它是由很多人工形式神经单元有机地联系起来，进行并行的工作，它的处理单元十分简单，其工作则是“集体”进行的，它的信息传播、存储方式、处理方式与脑神经网络相似【11】。人工神经网络可用来模拟、运算和推理复杂的非线性系统，具有很强的自适应、学习能力。高速公路交通系统是强非线性的，包括很多随机因素，由于人工神经网络不依赖于精确的数学模型，有逻辑推理和数值计算的功能，并具有较强的非线性函数近似能力，因此可以将其应用于高速公路入口匝道控制中，以提高控制效果，增强控制的鲁棒性和灵活性。2002年撒元功，徐建闽利用递阶结构和神经网络来进行高速公路入口匝道控制【12】,其基本思想是:把高速公路作为一个大系统问题,子系统为高速公路的路段,协调控制层负责计算各路段的期望轨线,应用神经网络对各路段交通状态进行预测,并根据预测结果实施控制.给出了控制器的构造方法并进行了仿真实验,实验结果表明,该方法能够有效地消除交通拥挤和维持主线车流稳定.2006年叶永刚建立了一个包含神经网络的无模型的高速公路入口匝道控制系统【13】。神经网络输出为入口匝道的放行率（即控制变量），其中训练算法采用了SPSA（simultaneous perturbation stochastic approximation）方法，任黎立, 彭其渊利用BP神经网络对高速公路单个入口匝道进行控制，并将仿真结果与车道、需求-容量控制的效果进行了比较【14】。2010年孙宝对国内外典型的匝道调节算法进行了总结，并根据高速公路交通系统时变、随机、复杂的特点，指出智能控制是解决高速公路交通问题的重要途径，选择模糊神经网络控制器对匝道进行控制，设计以交通流密度误差及其误差变化率为控制器输入量，匝道调节率变化率为输出量的动态模糊神经网络控制器【15】。2011年王昊将BP神经网络算法结合PID控制引入到高速公路入口匝道控制中，在理论上分析BP算法特点以及仿真结果实际意义的基础上，提出了用RBF神经网络整定PID控制器参数的方法来对入口匝道实行控制【16】。2013年高祥云，柴干为了实施高速公路路网交通流的优化控制，采用MATANET模型进行路网交通流建模，应用非线性最优控制方法，构造路网入口匝道的协调控制模型【17】。该模型应用全局实时交通数据，以总费用时间与密度控制的组合构建性能指标，能够提高交通运行效率，并有效处理交通拥挤。针对模型的非线性，应用遗传算法对性能指标进行优化，探究TTS-密度控制指标的优化对路网交通拥挤状况的控制效果，并以南京市周边高速公路路网作为应用实例，验证了所研究模型与优化方法的可行性。2015年熊健利用新的群智能混合算法——遗传蚁群算法，优化高速公路中各个匝道PI控制器的参数来进行高速公路多匝道协调控制，用来控制进入高速公路的车辆数量【18】。

参考文献：

  1. Papageorgiou, M．，Hadj—Salem，H．and BlosseviIle，J．M．ALINEA：A Iocal feedback control 1aw for on-ramp metering. Transpn Res．Record 1320. 199l：58-64
  2. Habib H Salem，Philippe Poirier，Jean—Franqois Heylliard．ALINEA：a local Traffic Responsive Strategy for Ramp Metering：Field Results on A6 Motorway in Paris．IEEE Intelligent Transportation Systems Conference Proceedings，Oakland(CA)，USA， 2001：25—29．
  3. Y Stephanedes．Imp lementation of on—line Zone Control Strategies for optimal ramp metering in theMinneapolis Ring Road．7th International Conference on Road Traffic Monitoring and Control，London，1994：181—184
  4. 王昊. 高速公路入口匝道单点控制方法的研究[D].大连海事大学,2011.
  5. 任黎立．高速道路入口匝道控制方法综述．交通标准化，2006，153(5)：146—149．
  6. 李健. 结合部路网匝道系统结构分解与协同控制方法研究[D].北京交通大学,2012.
  7. Papamichail I , Papageorgiou M , Wang Y . Motorway Traffic Surveillance and Control[J]. European Journal of Control, 2007, 13(2-3):297-319.
  8. Markos Papageorgiou．Review of Road Traffic Control Strategies．Proceedings of the IEEE，2003，91(12)：2043—2067
  9. Kotsialos A , Papageorgiou M . A hierarchical ramp metering control scheme for freeway networks[C]// American Control Conference. IEEE, 2005.
  10. Tariq Rashid. Python神经网络编程.人民邮电出版社.2018年
  11. 任黎立. 基于BP神经网络技术的高速公路入口匝道控制研究[D]. 西南交通大学, 2005.
  12. 撒元功, 徐建闽. 基于神经网络预测模型的高速公路递阶控制[J]. 暨南大学学报(自然科学与医学版), 2002, 23(5).
  13. 叶永刚. 高速公路入口匝道神经网络控制[D]. 哈尔滨工业大学, 2006.
  14. 任黎立, 彭其渊. 基于人工神经网络的高速公路入口匝道控制算法[J]. 交通信息与安全, 2006, 24(2):89-93.
  15. 孙宝. 高速公路入口匝道智能控制算法研究[D]. 东南大学, 2010.
  16. 王昊. 高速公路入口匝道单点控制方法的研究[D]. 大连海事大学, 2011.
  17. 高祥云, 柴干. 高速公路入口匝道的协调优化控制[J]. 交通运输工程与信息学报, 2013(3):106-112.
  18. 熊健. 基于遗传蚁群算法优化的高速公路匝道协调控制[J]. 科技传播, 2015, 7(6).

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章