基于LWR宏观交通流模型的FPGA在线预测控制方法

摘要

本发明公开了一种基于LWR宏观交通流模型的FPGA在线预测控制方法，用于解决现有的FPGA预测控制方法实时性差的技术问题。技术方案是通过对模型近似离散化处理，建立并行处理流程，设计动态数据存储方案，用FPGA实现了基于LWR宏观交通流模型的封闭道路匝口和可变信息牌的预测控制。使得高速公路的交通流密度、行车速度实现了实时有效控制。

主权项

一种基于LWR宏观交通流模型的FPGA在线预测控制方法，其特征在于包括以下步骤：步骤一、根据LWR模型：$\left\{\begin{array}{c}\frac{\partial \rho }{\partial t}+\frac{\partial \left(\mathrm{\rho v}\right)}{\partial x}=\pi [r(x,t),s(x,t)]\\ v(x,t)=V_e\left(\rho (x,t)\right)\end{array}\right.$式中，ρ为车辆的平均密度、v为平均速度、t为时间，x为当前位置与仿真道路起始点的距离，π[r(x,t),s(x,t)]为由于匝口进入或驶出的车流量引起的密度变化率函数，r(x,t)为由匝口进入的车流量，s(x,t)＝s₀(x,t)+s_q(x,t)为由匝口驶出的车流量，s₀(x,t)为由匝口驶出的正常车流量、s_q(x,t)为信息显示牌强制驶出车辆造成的流量增量，V_e(ρ)为等价速度；用差分格式表示微分项并略去高阶项，得到：$\frac{\partial \rho }{\partial t}=\frac{\rho (x,t+\xi )-\rho (x,t)}{\xi }+o\left(\xi \right)=\frac{{\rho }_i^{n+1}-{\rho }_i^n}{\xi }$$\frac{\partial \rho }{\partial x}=\frac{\rho (x+h,t)-\rho (x,t)}{h}+o\left(h\right)=\frac{{\rho }_{i+1}^n-{\rho }_i^n}{h}$$\frac{\partial v}{\partial x}=\frac{v(x+h,t)-v(x,t)}{h}+o\left(h\right)=\frac{v_{i+1}^n-v_i^n}{h}$式中：ξ为对t微分的步长，即采样周期；h为对x的微分步长，即每个路段长度；o(ξ)为ξ的高阶无穷小，o(h)为h的高阶无穷小，ρ(x,t)为t时刻x处车辆的平均密度，v(x,t)为t时刻x处车辆的平均速度，把道路分成多个路段，为第i个路段在[nξ,(n+1)ξ]内车辆的平均密度，为第i个路段在[nξ,(n+1)ξ]内车辆的平均速度；得到LWR模型的差分形式为：$\left\{\begin{array}{c}{\rho }_i^{n+1}=\mathrm{\xi \pi }[r(i,n),s(i,n)]-\frac{\xi }{h}[v_i^n({\rho }_{i+1}^n-{\rho }_i^n)+{\rho }_i^n(v_{i+1}^n-v_i^n)]+{\rho }_i^n\\ v_i^{n+1}=V_e\left({\rho }_i^n\right)\end{array}\right.$式中，r(i,n)表示第i个路段在[nξ,(n+1)ξ]内由匝口进入的车流量，s(i,n)表示第i个路段在[nξ,(n+1)ξ]内由匝口驶出的车流量；步骤二、建立等价速度模型为：式中，v₀，E，均为常数，v_ea为可变信息显示牌指定速度；第i路段：式中，v₀，E，均为常数，v_ea(i)为第i个路段可变信息显示牌指定速度；步骤三、结合LWR模型的差分形式和等价速度模型，在FPGA中设计包含车辆平均密度ρ和平均速度v的计算模块，根据实际道路的长度和匝口信息把高速公路分成多个路段，每个路段对应一个计算模块，根据初始信息和调控信息，在FPGA中同时并行运行这些计算模块，预测出各个路段下一时间段的车辆平均密度和平均速度，然后把车辆平均密度和平均速度存入寄存器，在所有计算模块完成计算后，输出车辆平均密度和平均速度，同时把这些数据回传给计算模块进行下一步的计算；步骤四、以匝口进入封闭道路流量作为模型输入，可变信息牌作为强制速度和匝口强制输出调节量，对于给定控制输入预测每个路段的平均交通流密度和车辆平均速度，如果每个路段都满足最低速度、最大密度要求，则选择该方案以控制封闭道路匝口及可变信息牌，否则调整控制方案。