（系统工程专业论文）基于SWARM1的高速公路入口匝道协调控制研究.pdf

本学位论 授权北京交通 提供阅览服务 同意学校向国 ( 保密的 学位论文 签字日期 1 ， ， 一 中图分类号：u 4 9 1 u d c ：6 2 5 学校代码：1 0 0 0 4 密级：公开 北京交通大学 硕士学位论文 基于s w a r m l 控制算法的高速公路 入口匝道协调控制研究 r e s e a r c ho nc o o r d i n a t e dc o n t r o lo f f r e e w a y o n - - r a m pb a s e do ns w a r m la l g o r i t h m 作者姓名：郝琪学号：0 81 2 1 2 5 0 导师姓名：贾元华 学位类别：工学 学科专业：系统工程 职称：教授博导 学位级别：硕士 研究方向：交通运输系统工程 北京交通大学 2 0 1 0 年6 月 -v7 l k 1 1111_1_ 致谢 本论文的工作是在我的导师贾元华教授的悉心指导下完成的，论文的选题来 源于贾元华教授的8 6 3 项目，在论文选题、结构、方法及修改上都体现出导师严 谨的治学态度和科学的工作方法，凝聚着由导师带领科研团队的心血和智慧。在 攻读硕士学位期间，学习上贾元华教授悉心指导我完成了科研工作，注重培养团 队意识和科研精神，使我受益终身；生活上贾元华教授给予我细致的关怀，组织 丰富业余活动丰富了我的研究生生活。在此向我的导师贾元华教授衷心地感谢和 敬意。 在研究生学习期间，我得到运输学院邵春福、姚恩建等多位教授和老师的指 导与关怀，在这里对他们表示感谢，感谢他们无私奉献的教书育人精神，感谢他 们在科研项目中提出的宝贵意见，感谢他们对我论文的指导。 此外，我要感谢家乡的父母，他们给予我最大的物质和精神支持，使我在校 期间顺利完成学业。 最后，我要感谢同门师兄弟和同班同学。不论是在项目研究学习还是撰写论 文期间，我都得到陈峰师兄、李健师兄、宋惠娟师姐、牛忠海同门、0 9 级师弟妹 等许多同学的热情帮助，并与他们结下了深厚的友谊，情同手足。在此向他们表 达我的感激之情，祝愿他们今后学业有成，前程似锦! r，l，k 11 虫塞摘要 中文摘要 摘要：随着社会经济的发展和机动车数量剧增，城际间中短途出行需求日益增多， 高速公路交通压力增加。而城市规模的发展使得高速公路延伸至城市内部与城市 快速路衔接，承担着城市内部交通压力。高速公路与城市快速路属于不同技术等 级、不同服务水平的道路，由于在高速公路与关联城市快速路“结合部 缺少相 应的控制措施和手段，再加上管理体制分割而造成“交通信息孤岛 ，使得高速公 路应有的服务水平难以发挥，不但是交通管理的盲区，也成为了交通拥堵的多发 地点。实行匝道控制是提高高速公路运行效率和服务水平的有效方法，同样也可 缓解高峰时刻交通拥堵。 论文首先系统总结了国内外交通状态划分、交通预测和匝道控制方面的研究 成果及实际应用情况，对其进行了对比分析，进而确定本文采用的技术路线和研 究方法。然后选取京津塘高速公路部分路段为例，进行交通特征分析，运用更为 优越的模糊竞争凝聚( c a ) 对交通状态进行划分，选取交通量和密度参数利用模 糊推理制定1 6 条推理规则，结合自适应神经网模糊推理系统得到交通拥挤度，以 此来表征交通状态。其次论文基于s w a r m l 控制算法建立匝道控制模型，选取非 参数回归预测模型，加入交通拥挤度预测用来辅助判断匝道控制。改进匝道控制 模型，综合考虑单点控制和多点协调控制的情况。最后建立仿真路段，以历史数 据为基础，运用v c 6 0 编程实现对高速公路匝道协调控制控制进行了仿真分析， 在预测分析中，2 分钟短时预测精度平均在8 5 以上，预测结果较好；在高峰时刻 控制分析中，匝道协调控制在一定程度上降低了交通拥堵，起到平缓交通拥挤和 提高了道路的通行能力的作用。 关键词：高速公路；交通状态划分；交通预测；匝道控制 分类号：u 4 9 1 i l y “jj，一 a bs t r a c t a b s t r a c t ：d e m a n do fs h o r ti n t e r c i t yt r a v e li sp i l i n g 印w i t ht h er a p i dd e v e l o p m e n t o fe c o n o m ya n ds o c i e t ya n dt h ei n c r e a s i n gm o t o rv e h i c l e s ，b u ta sar e s u l to ft h e e n l a r g e m e n to fc i t ys c a l e ，f r e e w a yw h i c hr e a c h e si n s i d eo fc i t ya n dc o m b i n e sw i t h u r b a ne x p r e s s w a ys h a r e sg r e a tp r e s s u r ef r o mi n n e r - c i t yt r a f f i c f r e e w a ya n du r b a n e x p r e s s w a yd i f f e r s f r o mt e c h n o l o g yc l a s st os e r v i c el e v e l ，s ot h el a c ko fc o n t r o l m e a s u r e sa n dt h et r a f f i ci n f o r m a t i o ni s l a n di nt h ec o n n e c t i n ga r e a so f t w ok i n d so f r o a d s s t r a n g l e dt h es e r v i c el e v e lo ff r e e w a y a n dm a d et h ec o n n e c t i n ga r e an o to n l yt h eb l i n d z o n eo ft r a f f i cm a n a g e m e n t ，b u ta l s ot h es e n i l eo ft r a f f i cj a m s s or a m pc o n t r o lc a nr a i s e o p e r a t i o ne f f i c i e n c ya n ds e r v i c el e v e lo ff r e e w a y , a tt h es a m et i m er e d u c er u s h - h o u r t r a f f i cj a m f i r s t l y , t h ea c h i e v e m e n t sa n da p p l i c a t i o n so f t r a f f i cp r e d i c t i o na n dr a m pc o n t r o li n c h i n aa n da b r o a da l er o u n d l ys u m m a r i z e da n dc o m p a r a t i v ea n a l y z e d ，a f t e rt h i s t e c h n i c a lp r o c e e d i n go ft h er e s e a r c hi sc o n f i r m e d t h e nt a k i n gb e i j i n g - t i a n j i n t a n g g u f r e e w a ya sa ne x a m p l e ，t h et r a f f i cc h a r a c t e r i s t i ci sa n a l y z e da n dt h et r a f f i cs t a t ei s d i v i d e da p p l y i n gc a f u z z yc l u s t e r i n g p a r t i c u l a r l y1 4i n f e r e n c er u l e sa r es e tb yf u z z y r e a s o n i n gc h o o s i n gt r a f f i cv o l u m ea n dd e n s i t y 弱p a r a m e t e r st od i v i d e t h et r a f f i c c r o w d i n gu s i n gt h ea d a p t i v en e u r a ln e t w o r k - f u z z yr e a s o n i n gs y s t e m s e c o n d l y , r a m p c o n t r o lm o d e lb a s e do ns w a r m1 a l g o r i t h mi se s t a b l i s h e da n dt r a f f i cc r o w d i n g g e n e r a t e df r o mt r a f f i cv o l u m ep r e d i c t i o nw h i c hg o tb yn o n p a r a m e t r i cr e g r e s s i o ni su s e d t oh e l pc o n t r o lt h er a m p t a k i n gb o t hs i n g l ep o i n tc o n t r o la n dm u l t i - p o i n tc o o r d i n a t e d c o n t r o li n t oc o n s i d e r a t i o nt o i m p r o v et h er a m pc o n t r o lm o d e l f i n a l l y , s i m u l a t i o n a n a l y s i so ff r e e w a yr a m pc o o r d i n a t e dc o n t r o li sa c c o m p l i s h e da p p l y i n gv c 6 0 b o t h r e s u l t sa r es a t i s f i e d ：i np r e d i c t i o n ，t h ep r e c i s i o no f 2m i n u t e st r a f f i cp r e d i c t i o na r ea b o v e a v e r a g e8 5 ；i nc o n t r o l ，i tt u m so u tt ol e s s e nt r a f f i cp r e s s u r ea n de x p a n dt h ec a p a c i t y k e y w o r d s ：f r e e w a y ；t i a m c s t a t u sp a r t i t i o n ；t 】r a 伍cp r e d i c t i o n ；r a m pc o n t r o l c l a s s n o ：6 2 5 ，p 1 1 | 目录 中文摘要v a 】3 s t r a c t v i i l 绪论。1 1 1 依托课题l 1 2 研究的背景及目的1 1 3 研究现状。3 1 3 1 国外研究现状及应用3 1 3 2 国内研究现状及应用6 1 4 主要研究内容。7 1 s 研究技术路线8 2相关理论与方法9 2 1 交通状态划分9 2 2 交通状态短时预测1 2 2 3 高速公路匝道控制理论与方法1 5 2 4 小结。18 3交通特征分析与交通状态划分1 9 3 1 研究对象简介1 9 3 1 1 高速公路概况1 9 3 1 2 检测器介绍一2 0 3 1 3 数据处理2 1 3 2 交通特征分析- 2 3 3 2 1 空间定性分析2 3 3 2 2 时间定性分析2 4 3 2 3 相关性分析3 0 3 3 交通状态划分31 3 3 1 关联规则理论简介3 1 3 3 2 基于c a 算法的交通状态划分3 3 3 4 小结4 0 4高速公路入口匝道协调控制模型的建立4 3 4 1 s w a r m 控制算法介绍4 3 4 1 1s w a r m 控制思想4 3 卜li 4 1 2 基于s w m 蝴l 控制算法改进4 4 4 2 基于非参数回归的预测模型4 5 4 2 1 基于非参数回归的预测模型建立。4 5 4 2 2 基于非参数回归的交通拥挤度预测4 9 4 3 匝道控制影响因素分析4 9 4 4 入口匝道控制模型5l 4 4 1 单点的入口控制5 1 4 4 2 多入口匝道协调控制。5 2 4 4 3 匝道控制实现方式。5 4 4 5 入口匝道控制效果指标5 4 4 6 爿、结5 4 5案例分析5 7 5 1 仿真路段建立5 7 5 2 预测结果分析5 7 5 3 控制对比分析6 5 5 4 小结6 9 6结论与展望7 0 6 1 主要研究成果7 0 6 2 需要进一步研究的问题71 参考文献7 3 作者简历7 7 独创性声明7 9 学位论文数据集8 1 表1 2 北京高速公路与民用汽车增长速度 北京高速公路总里程( 公里)北京民用小汽车保有量( 万辆) 年份 绝对值 年均增长速度绝对值年均增长速度 1 9 9 81 9 8 | 8 9 l 2 0 0 l 3 3 41 9 0 41 1 27 9 6 2 0 0 89 0 01 5 2 l4 0 01 9 9 4 至2 0 0 8 年底，我国汽车保有量6 4 6 7 万辆，其中私人汽车4 1 7 3 万辆占汽车保 有量的6 4 5 3 。2 0 0 8 年，高速公路里程为1 9 9 9 年的3 2 倍；而民用汽车保有量却 是1 9 9 9 年的4 4 倍【l 】。道路修建的增长速度始终赶不上经济和机动车的增长，不 仅会制约经济的发展，还会加剧了交通压力。由于城市快速路环型结构两端距离 遥远弊端，使得城区内的放射型高速公路成为进出城或跨越快速路的主要通道， 城市快速路大量的车流需要汇入到高速公路，增加了高速公路的交通压力。在高 速公路与关联城市快速路这一“结合部 区域，两种不同技术等级和交通特征的 道路相连接，由于管理体制分割而造成缺少相应的控制措施和手段，再加上不同 道路系统之间存在“信息孤岛交通信息不共享、不交互，使得高速公路应 有的服务水平难以发挥，不但成为管理的盲区，也成为了交通拥堵的多发地点。 尤其在早晚高峰期交通量远远超过了道路通行能力，再加上频发的事故，严重的 道路拥堵已成为制约交通的新“瓶颈 。交通拥挤已经成为备受关注的世界性问题， 几乎所有的城市都在不同程度地受这一问题的困扰【2 1 ，不但给社会经济带来严重的 损失，同时也带来大量的安全和环境问题。以美国为例，美国交通运输部于2 0 0 6 年5 月中旬公布的一份报告称，高速公路交通运输拥堵造成直接经济损失年均达 到2 0 0 0 亿美元。根据( 2 0 0 8 北京市交通发展年度报告，与2 0 0 6 年相比，2 0 0 7 年早高峰北京市路网严重拥堵里程增加了0 4 ，晚高峰增加了0 7 1 ；全日严重 拥堵持续时间增加了1 5 r a i n 。据中国社科院数量经济与技术经济研究所测算，北京 市每天因为堵车造成的社会成本达到4 0 0 0 万元，相当于每年损失1 4 6 亿元，人均 上下班拥堵成本每月为3 7 5 元。 一般解决交通拥挤有两种办法：修建新的道路和实施交通管控。就北京来说， 单纯依靠加快道路建设来缓解城市交通压力，不但经济造价高、时间长、而且并 不一种可持续的方法。国内外的研究和实践证明了依靠先进的交通管理和控制措 施不但造价低，其中建立高速公路监控系统，其成本仅占公路全部投资的5 1 0 【3 】，而且是缓解交通压力、提高道路通行能力有效措施。随着我国交通控制技 术、i t s 技术的发展和不断完善，交通管控系统在道路系统中运用已成为必然。交 通控制有主线控制和匝道控制两种，主线控制多用于城市道路，即采取信号灯控 制。目前大量国外学者研究发现采取高速公路匝道控制，尤采取入口匝道控制是 一种较为有效的缓解道路拥挤的交通控制形式。它是指利用匝道信号灯调节车辆 进入高速道路主线的流率，以提升高速道路的整体或局部使用效能，减少拥塞情 形或缩短拥塞时间，增加主线的交通量【3 8 】。 ( 1 ) 减轻或消除交通拥堵； ( 2 ) 通过匝道控制可以改善高速公路车流、交通安全、空气质量； ( 3 ) 减少总的行程时间和高峰时刻事故数； 2 ，rj， 但有助于缓解交通拥挤，提高交通服务效率、减少交通事故，也是顺应社会经济 发展的要求。本文以北京市京津塘高速公路局部路段为例，通过历史交通检测数 据分析研究高速公路交通特征和进行交通状态划分，在此基础上进行预测，以预 测值作为匝道控制依据，研究建立适用于该地区的匝道控制方法，通过仿真验证 其有效性，为匝道控制实际应用提供理论方法参考。 1 3研究现状 1 3 1国外研究现状及应用 国外对高速公路匝道控制研究较早，根据不同的分类方法，匝道控制的分类 也不同。依据控制范围，匝道控制分为单点控制与协调控制；依据对实时信息响 应的不同，可分为静态控制和动态控制【9 1 。本文就控制范围对控制理论进行阐述。 ( 1 ) 单点型匝道控制的目的是通过控制某一匝道，利用匝道及其相邻路段的 实时检测或预测的交通流数据作为基础来确定入口匝道的调节率，解决高速公路 交通拥挤。单点型匝道控制具有相对的简单性，很大的灵活性，技术复杂性简单， 实际实现简单，投资费用低等特点。但由于其考虑范围仅限于某个匝道而不考虑 各匝道之间的协调，因此无法达到系统最优的目标。与协调型控制相比，且在很 多情况下，高速公路的单点问题远比系统问题要严重，故单点控制领域仍有相当 大的研究和发展空间。较为经典的单点控制算法有tz o n e 、a l i n e a 和神经网络 控制。 z o n e 控制算法将高速公路路段划分为几段，将每段定义为一个z o n e 区域，每 个匝道都属于下游路段。其基本思想是：通过计算入口匝道调节率，平衡每个z o n e 的进出匝道车辆的总数而维护相应路段流入和流出的平衡性。z o n e 控制算法的关 键在于路段的划分、瓶颈处通行能力估计的精确性以及各个路段流出流量检测的 精确性。算法优点是算法灵活能同时考虑交通事故、天气状况及车道建设所 引起的堵塞、排队等情况，可根据上述情况及所检测的交通量来综合确定调节率。 该缺点是由于系统控制目标不明确，适应单点交通和高速公路特性的算法参数调 3 ( 2 ) 协调型匝道控制的目的是通过单点控制和系统范围内控制，根据控制目 标确定匝道调解率，分为等同型、竞争型和一体化型。 在等同型匝道控制算法中，代表的有h e l p e r 控制算法【3 】和l i n k e d r a m p 算法。 1 9 8 1 年h e l p e r 控制算法首次应用于美国丹佛市高速公路。该算法主要思想是：在 单点层面，根据单点上游主线的占有率在多个调节率中选择一个调节率；在协调 层面，只要出现某个匝道形成了长的排队，把该匝道视为关键匝道，将多余交通 量有序的分配给上游其它匝道，直到所有匝道没有关键匝道的状态，此时结束协 调控制，转为单点控制。优点该算法的两层结构使得它能灵活有效的解决严重拥 挤；当没有给控制器提供准确o d 信息和交通流模型时，该算法是一个具有很强 鲁棒性的策略。缺点此类算法不进行系统状态预测和实时最优求解。l i i l k e d r a m p 1 。7 】算法自1 9 6 8 年一直应用于圣地亚哥市。其基本思想是：在单点层面，该算 法基于需求容量理论，用每个位置所检测到的上游流量来决定调节率；在协调层 面，原理类似于h e l p e r 算法，即当一个调节率是最低三个调节率之一，则上游匝 道需用同一个或者更小的调节率来控制。该算法与h e l p e r 算法的优缺点大致相同， 4 但该算法的单点控制逻辑对于拥挤时的交通情况并不适合。等同型匝道控制算法 模型简洁易于实现和求解；对检测数据要求低，一般为实时检测到的数据，并不 依赖于实时预测的o d 信息和状态信息；由于缺少预测部分，实时性不高。 在竞争型砸到控制算法中，代表的有b o t t l e n e c k 8 1 算法、s w a r m 1 7 1 9 】算法。 1 9 8 1 年，b o t t l e n e c k 算法应用于西雅图高速公路。该算法的主要思想：在单点层面， 采用占有率控制方法得到每个匝道的调节率；在协调层面，首先检测并确定主线 交通瓶颈；然后利用流量守恒原理计算上游各入口匝道调节总量，根据其影响范 围内，按照经验权重将降低量分配到关联的各个入口匝道；最后在每个匝道，将 两个得出的调节率对比，取其小值作为该匝道最终的调节率。 19 9 7 年，由gp a e s a n i ，j k e r r ，ep e r o v i c h ，a n de k h o s r a v i 提出“s y s t e mw i d e a d a p t i v er a m pm e t e r i n g ”该算法包含两种相互独立的匝道控制算法，用于预测及 系统分配算法s w a r m l 和传统的局部交通感应算法s w a r m 2 。其中，s w a r m l 是基于交通流密度的算法，其目标是使得每个路段的交通密度都低于事先确定的 饱和交通流密度。在每个时间控制间隔内，以检测到的交通流数据应用线性叠加 及卡尔曼滤波来预测未来时段的交通流密度，通过预测，得到超过饱和交通流密 度的量，系统将其分配到上游每个控制的匝道。s w a r m 2 是局部交通感应算法， 利用检测器检得到的交通流的车头时距来确定匝道调节率，其通过线性转换将交 通密度转换为匝道调节率。s w a r m l 和s w a r m 2 同时运行，系统选择最具有约 束力的匝道调节率，以防止系统对交通流的频繁控制。s w a r m 算法联合失败管理 系统及数据增进系统来预防车辆检测器检测失败，同时消除检测数据的噪声特点， 加强了算法的鲁棒性。另外，该算法依据预测的交通条件而不是测得的交通条件 来识别瓶颈，因此有能力在萌芽阶段消除拥挤。 在一体型匝道控制算法中，根据实时检测、预测的状态信息和o d 信息，同 时考虑一系列的约束条件，通过最优化目标函数求解各匝道调节率。在1 9 8 9 年华 盛顿大学开始对模糊逻辑算法【2 0 】进行研究，后在美国一条高速公路上实施。该算 法主要思想：应用上游交通量，汇合处交通量、速度，下游交通量、速度，排队 车辆检测等六个输入变量，然后将变量模糊的分为不同值，通过i f t h e n 逻辑关系 来确定调节率，像前述的许多算法一样， 下的调节率和瓶颈调节率之间进行选择。 该算法运行于两种水平，需在单点层面 使总行程距离最大化、总行程时间和车 辆延误最小化、保持可接受的匝道队长。优点：不需要精确数学模型、数据，能 有效地克服原始数据的误差问题，同时可借鉴专家的经验。缺点：鲁棒性对控制 规则依赖性较高，控制规则校正参数周期长，当交通条件改变时适应效果差。线 性规划算法【2 i 】最早在1 9 7 0 年应用于日本神户地区的h a n s h i n 高速公路上。它是基 于线性规划公式而建立的匝道控制算法，其控制目标是使系统中某项指标达到最 - t y 、 大或最小，以达到优化系统的效果。该算法基于高速公路和匝道的大量实时和历 史的交通流数据求得调节率。由于数据巨大且线性规划的约束条件较多，因此该 程序运行时需要数台计算机同时共享数据来进行批处理计算。d m c s 2 2 】有四个因 素：局部感应控制、区域最优控制、状态估计和o d 预测，该算法是最复杂综合 性最强的算法。它基本上包含了理想匝道控制算法所有的因素。由研究者的仿真 表明，单点和区域范围控制模型的结合比单独运行每一控制模型更有效。它的有 效性主要依靠状态估计模型和o d 预测模型的准确性。从上可见，此类算法从概 念上看最具吸引力，因为有可靠的理论基础，且有能力处理各种类型控制和建模 限制；从理论上讲，可使高速公路交通流始终运行在最优状态。其缺点也比较明 显：模型过于复杂，求解过程较为繁琐，并可能产生无最优解或无法收敛的情形； 对于实时预测的o d 信息和状态信息的依赖性很强且不具备反馈机制。 1 3 2国内研究现状及应用 随着国外交通控制的广泛应用，我国也开始对道路控制方法的研究，虽然起 步较晚处于理论研究阶段，但正积极地将匝道控制方法运用到实际道路控制中。 姜紫峰、荆便顺【2 3 。2 5 】等是较早一批研究高速公路入e l 匝道控制的专家学者。姜紫 峰按照高速公路不同密度情况下的分类进行了高速公路控制研究，并针对不同密 度等级分别建立了基于宏观交通流模型的入口匝道控制最优模型，并仿真验证于 1 9 9 7 年又建立入口匝道协调控制模型。荆便顺系统总结了国内外学者在交通控制 领域的研究和应用成果，研究了高速公路和城市交通中的最优控制问题【引。1 9 9 9 年，谭满春将模糊逻辑控制应用到高速公路入口匝道中，建立了模糊逻辑控制器 【2 6 1 。谭满春、徐建闽等针对p a p a g e o r g i o u 建立的宏观交通流模型进了改进使其高 速公路某路段发生阻塞现象时能反映路段交通流真实状态，对流量动态函数进行 了修正，建立了入口匝道最优控制模型【2 。丌。张洋分析了交通流的构成设计了基于 模糊控制的匝道自动控制系统的基本结构，同时自然条件对交通的影响【2 引。徐建 闽对模糊控制器重新设计，选用不同的参数如上、下游时间占有率、车速及排队 长度等五个模糊量为输入量，根据实际情况分别采用三角形和梯形隶属度函数， 建立了包含1 2 条模糊控制规则的规则库，仿真结果表明该控制器用在高速公路入 口匝道控制中具有良好的效果【2 9 1 。张燕以速度、占有率、匝道排队长度等因素为 模糊输入量，以控制周期为输出变量，制定了1 2 条模糊规则对控制信号灯周期做 出决策，确定了信号灯变换的转换函数，使其构成了一个完整的匝道模糊控制器 3 0 1 。温凯歌等结合模糊逻辑理论，改进传统a l i n e a 算法在需求交通流出现大幅 变化时的局限性，以入口匝道下游的流量偏差和流量变化量作为输入，以交通流 6 |1一 论、关联理论等，研究了高速公路交通流特点，总结现有预测模型和匝道控制模 型的优缺点，提出适合该地区匝道控制方法，并仿真验证模型效果。论文共分为7 章，具体内容如下： 第l 章为绪论。本章节介绍论文研究的背景、研究目的，综述国内外研究现 状及应用情况，论文研究的主要内容和主要技术路线。 第2 章为相关方法与理论。本章节分为三部分介绍：一是高速公路交通状态 划分，主要包括状态划分的依据和等级，这部分是进行交通流状态预测的前提； 二是预测，主要阐述并对比预测方法的优缺点，这部分是进行交通控制的基础： 三是高速公路匝道控制理论与方法，对比分析匝道控制的优缺点和实用性。 第3 章为交通特征分析与交通状态划分。本章节分为三部分介绍：一是高速 公路简介，主要介绍论文研究的对象和范围，数据来源和数据处理方法；二是交 通特征分析，通过实际交通流数据分析找出交通状态的时空变化特性，时空相关 性；三是交通状态划分，阐述模糊聚类理论，对比模糊聚类方法的优缺点，利用 c a 模糊聚类对交通参数进行聚类，结合模糊推理用交通拥挤度表征交通状态。 第4 章为高速公路入口匝道协调控制模型的建立。本章节分为五部分介绍： 一是s w a r m 控制算法简介，介绍基于s w a r m l 控制改进的思路；二是介绍非参 数回归预测模型，通过文中前面分析，选取非参数预测模型，以占有率进行预测 为主，添加交通量预测为辅生成交通拥挤度预测辅助判断控制；三是介绍匝道控 制影响因素分析，分别从主线状态、入口匝道需求等几个方面分析对匝道交通状 态的影响。四是入口匝道控制模型，建立了根据不同的道路状态实施不同的入口 匝道控制策略；五是确定了入口匝道效果指标。 第5 章为案例分析。本章节利用v c 6 0 软件对第4 章建立的匝道协调控制模 型进行仿真，针对仿真结果说明，对比无控制效果。 第6 章为总结与展望。本章节对论文的研究成果进行总结，提出进一步需要 研究的问题。 7 1 5 研究技术路线 本文研究的技术路线如图1 1 所示。 | l 。一 i m l u t - i 仿襄验证 i 彳罨出钼篾缩论 l 图1 - 1 论文研究的技术路线 f i g u r e1 - 1t 托h i l i c a lp r o c e e d i n go ft l l er e s e 砌l 8 ltiiill_tlil 一 炎分骨 一 一 栩忭韵 一 n 吲u 2 相关理论与方法 2 1交通状态划分 关于交通状态的定义，国内外的对其研究结论未统一。k o o p m a n nj 和w a s s i m ( i n 【3 2 】认为交通状态有两层含义：一是指用交通特征参数如流量、速度、密度等 表征交通流的状态，随着交通状态的改变，交通参数也随之变化，客观的反映了 交通实时运行；二是取决于驾驶员的心理感觉，对于不同的道路状况等条件，驾 驶员对交通状态的尺度也是不一样的。在美国的道路通行能力手册( h i g h w a y c a p a c i t ym a n u a l ) 中提出的道路交通服务水平( l e v e lo f s e r v i e e ) 得到广泛使用。 l o s 是描述车辆之间的运行条件及其驾驶员和乘客的主观感觉的质量测定标准， 是描述道路在某种交通条件下所提供的运行服务的质量水平，将服务水平分为a 到f 六级，每级依次递减。其中a 级服务水平代表最佳运行条件，而f 级服务水 平则是最差的。在我国公安部2 0 0 2 年公布的城市交通管理评价指标体系中规 定，用城市主干路上机动车的平均行程速度来描述其交通拥挤程度。例，城市主 干路上机动车的平均行程速度不低于3 0 k m h 代表畅通；平均行程速度低于1 0k m h 代表严重拥挤p 引。 交通状态具有层次性、动态性、差异性【8 】等，其中层次性是指道路交通状态与 城市路网等级层次性相对应，具有明显的层次性；动态性是指交通状态随着交通 系统的动态变化而变化，与时间空间紧密联系，具体表现为短时间内或不同道路 交通状态的随机性，长时间尺度内的规律性如：一天内的早晚高峰，一周内工作 日交通状态要比非工作日差，一年内春夏季交通量大于秋冬季节等；差异性是道 路交通状态与天气、路况、社会活动等环境有关，不同交通环境下的交通状态的 描述与划分不同，不同的描述方法对于交通状态的划分也不尽相同。交通状态的 变化本质上是交通流的时空变化，交通状态实时地反应路网的服务水平，反映了 交通流客观运行状态，可以向交通管理者准确地提供交通运行状况信息，并作为 交通控制系统的输入参数优化区域路网运行。同时，交通状态能够反映出行者的 心理，为制定合理有效地诱导策略及发布交通信息提供科学依据和支撑。 交通状态划分可按宏观、中观和微观交通进行划分。微观层面，b s k e r n e r 提出的著名三相位交通流理论，将交通流定性划分为自由流、同步流和宽移动阻 塞三个相位f 3 4 】，认为交通之所以阻塞是发生了自由流一宽移动阻塞相的相变或者 是自由流一同步流一宽移动阻塞相的相变。根据c e d e re 等一些学者将交通流分为 2 相：拥挤和非拥挤，b a s s a ns 将8 0k m h 作为交通流“b r e a k d o w n ”的速度阈值p 引。 9 后期研究都是基于此进行改进。 中观交通状态分析最具代表性的研究为道路交通事件自动判别算法( a c i ) ， 它也是智能交通系统的基础理论，国内外进行了大量研究并开发了大量模型，这 些模型和算法主要关注于路段或交叉e l 的交通状态【3 6 1 。各种自动判别算法可以分 为五类：基于模式识别的算法、基于统计技术的算法、基于动态交通模型的算法、 基于人工智能的算法【3 7 4 2 】。基于模式识别的算法有利福尼亚( c a l i f o m i a ) 算法、 莫尼卡( m o n i c a ) 算法。其中，加利福尼亚算法开发于六七十年代最初用于洛杉 矶公路管理控制中心，是根据时刻前后占有率的差值判别突发交通事件为主要功 能的。随后在加利福尼亚算法的基础上，又出现了一系列改进的算法，其中效果 比较好的是c a l i f o m i a # 7 和c a l i f o r n i a # 8 算法。基于统计技术的算法有：标准正态 偏差算法、指数平滑算法、非参数回归算法、变点统计算法、卡尔曼滤波算法和 贝叶斯算法。都是应用数学统计进行判断。基于动态交通流模型的有：m c m a s t e r 算法和低流量算法。其中m c m a s t e r 算法基于突变理论对交通拥挤的判别过程包括 两个阶段：判别拥挤的存在和判别拥挤的类型。这种算法将获得的流量占有率二 维图形划分为四个区域，每个区域代表一种交通状态。通过检查实测数据点在四 个区域中的分布情况，可对某个检测站点下游交通拥挤状态的开始、持续和结束 时刻进行判别。与c a l i f o r n i a # 8 算法相比，m c m a s t e r 算法有很多明显的优点：下游 检测器的故障不会影响事件检测；在验证可能的事件时使用流量作为输入；平均 检测时间为3 0 s 比c a l i f o m i a # 8 要快；由于m c m a s t e r 算法在验证事件时，考虑了 偶发性拥挤，所以可以降低误警率。其缺点是：该算法需要对不同的地点和不同 的数据集重新定义；预定的阻塞与非阻塞边界不不具备动态性；可移植性较差等。 国外许多研究人员对交通拥挤的自动判别进行改进。基于人工智能的检测算法有： c h a n g 和w a n g 提出了交通事件检测的模糊算法，是基于模糊逻辑的检测算，其主 要思想是模糊规则形式的模糊知识库，知识库通过推理系统区分相应的交通状态。 基于模糊逻辑的检测算法，其主要优点是采用了模糊逻辑，消除了传统算法由于 采用阈值而引起的临界决策区；检测时间短，如果隶属函数恰当，检测率和误报 率都比较理想。缺点是确定各个模糊集的隶属函数比较难确定，隶属函数合适与 否直接影响到检测率和误报率。在人工神经网络神型主要有：多层感知器( m l p ) 网络模型、概率神经网络( p n n ) 模型和模糊神经网络等。 在宏观交通状态分析方面，关伟等将城市快速路交通流的状态划分为4 个： 自由流、谐动流、同步流和堵塞流。对城市快速路而言，自由流和谐动流相位处 于交通“畅通 状态，而同步流和堵塞相位则处于交通“拥挤状态。自由流的 流密关系可以表示为一条近似线性、顶端略有弯曲的曲线。谐动流在流密平面中 表现为一个二维区域。同步流一般出现在白天交通高峰时段，此时交通流处于“拥 1 0 挤 状态，表现为各车道车辆以相近的速度缓慢行驶，并频繁出现走停现象。同 步流的最大流量小于谐动流的最大流量，但大于自由流的最大流量。堵塞流量应 近似等于零，并且该相位只能出现在同步流之中，其产生原因是同步流具有自压 缩效应【4 2 】。郝嫒等以上海市快速路实测数据分析的基础上，提出了6 状态的划分 方法，并对每种状态进行了描述：状态1 为稳定自由流，车辆自由行驶，流量很 低；状态2 为准自由流，流量可达到通行能力附近，但当受到扰动时容易破坏其 平衡；这两个状态均为畅通流，密度小于临界密度。大于临界密度的一侧称为拥 挤流区域，可细分为4 个状态：状态3 为临界流，即流量经过通行能力后开始下 降的阶段，流量很高，该种状态不易保持；状态4 为拥挤流，交通流波动性大， 平均速度在2 0 k m h 以下；状态5 为严重拥挤区，车队时停时走，平均速度1 0 k m h 以下；状态6 比较少见，它可能对应这样的情况：前后路段拥挤，不以正常状态 行驶的情况【4 引。于春全从宏观层面论证了进行交通状态评估的必要性，并以北京 市路网为例，初步探讨了宏观评价指标体系。姜桂艳构建了3 层道路交通状态指 标体系，其中城市道路交通状态分别对主干路、次干路、快速路采用拥挤率进行 评价。动态的交通状态是如a t m s 、a t i s 等先进的在线交通管理与控制系统的重 要输入变量。然而，通过可利用的测量技术估计静态的交通状态变量是十分困难 的，更何况是动态的交通状态估计。国外尝试开发了新的基于实际可利用的检测 器数据的动态交通状态估计和o d 需求估计的框架，该框架采用新开发的滤波技 术，即u n s c e n t e dk a l m a nf i l t e r ( u k f ) ，并通过交通仿真来实现【4 4 1 。 不同层面的选取参数要求不同。宏观交通参数主要描述交通路网的网络特性 和整体状态的演变过程；中观参数主要指路口与路段的交通状态；微观参数主要 是指车辆运行状态与相互影响关系m 】。描述交通状态的参数比较多。l o m a xt 提 出了一系列量化交通阻塞的指标【4 5 】，如：出行速率( t r a v e lr a t e ) 、延误率( d e l a yr a t e ) 、 总延误( t o t a ld e l a y ) 、相对延误率( r e l a t i v ed e l a yr a t e ) 、阻塞行程( c o n g e s t e dt r a v e l ) 、 可达性( a c c e s s i b i l i t y ) 等。另外，英国运输研究所( t r a n s p o r tr e s e a r c hl a b o r a t o r y ， t r l ) 的w o o dk 等人提出了用通行能力损失来判断城市交通阻塞的思路【8 】。我国 公安部2 0 0 7 年公布的城市道路交通管理评价指标体系中规定，用平均行车延 误、主干道平均车速以及交叉路口阻塞率来表征交通通行状况【3 3 】。 一般来说，表征交通状态的交通参数都是可通过检测器直接或间接获得，如 主要有流量、速度、密度、占有率、流量比、平均延误时间、平均行程时间、排 队长度等。针对不同道路特点，其交通状态划分也不尽相同。 2 2交通状态短时预测 交通状态预测按照时段可以分为日交通状态预测、小时交通状态预测、短时 交通状态预测等。交通状态短时变化不仅与本路段过去几个时段的交通状态有关， 还受上下游的交通状态及交通环境等因素影响。随着时段的缩短，交通状态变化 的波动性越来越强。短时预测要解决的问题就是从带有随机性和不确定性的交通 状态变化中，根据检测器得到的交通状态参数，结合其它影响因素，找出其中规 律性，建立预测方法和模型，以预测未来几个时段的交通状态变化。短时交通预 测理想的模型要具备精确性、实时性、动态反馈性，即准确性要求短时交通的预 测结果要满足精度要求，才能具备实用和应用价值；实时性要求模型计算不能过 于复杂，满足短时预测的要求，这样才能及时地获得交通状态信息；动态反馈性 要求能够根据实际情况，当交通状态改变时，动态反馈到计算模型中进行调整； 可移植性即建立的模型能够通过参数调整而具有时间和空间可移植性。