建立城市交通网络交叉口信号控制模型的方法

摘要

本发明公开了一种建立城市交通网络交叉口信号控制模型的方法，用于解决现有的城市交通网络交叉口信号控制复杂的技术问题。技术方案是根据交通信号控制的需求，通过本路口离散状态方程和相临路口之间的关系，建立城市交通网络交叉口信号控制模型，将整个交通网络模型的关联和制约关系全部体现。本发明根据信号控制的需求建立模型，根据优化指标对单个路口交通信号配时或对整个交通网络信号灯进行统一优化配时，进行城市交通网络动态分析，简化了城市交通网络交叉口信号控制问题。

主权项

1.一种建立城市交通网络十字交叉口信号控制模型的方法，其特征在于包括下述步骤：(a)建立第i个路口在时间(k+1)T的离散状态方程x(k+1，i)＝x(k，i)-g(k，i)+v(k，i)+blockdiag[y_e(kT-t_des，i)I_3*3 y_w(kT-t_dws，i)I_3*3 y_s(kT-t_dss，i)I_3*3 y_n(kT-t_dns，i)I_3*3]p(i)式中，$x(k,i)=$$5{\left[\begin{array}{ccccccccccc}{x}_{\mathrm{es}}(k,i)& x_{\mathrm{er}}(k,i)& x_{\mathrm{el}}(k,i)& x_{\mathrm{ws}}(k,i)& x_{\mathrm{wr}}(k,i)& x_{\mathrm{wl}}(k,i)x_{\mathrm{ss}}(k,i)& x_{\mathrm{sr}}(k,i)& x_{\mathrm{sl}}(k,i)& x_{\mathrm{ns}}(k,i)& x_{\mathrm{nr}}(k,i)& x_{\mathrm{nl}}(k,i)\end{array}\right]}^T$$g(k,i)=\left[\begin{array}{ccc}{g}_{\mathrm{es}}(k,i)\mathrm{sign}[\mathrm{tes}\left(i\right)-\bar{T}]& g_{\mathrm{er}}(k,i)\mathrm{sign}[\mathrm{ter}\left(i\right)-\bar{T}]& g_{\mathrm{el}}(k,i)\mathrm{sign}[\mathrm{tel}\left(i\right)-\bar{T}]\end{array}\right]$$\left[\begin{array}{ccc}{g}_{\mathrm{ws}}(k,i)\mathrm{sign}[\mathrm{tws}\left(i\right)-\bar{T}]& g_{\mathrm{wr}}(k,i)\mathrm{sign}[\mathrm{twr}\left(i\right)-\bar{T}]& g_{\mathrm{wl}}(k,i)\mathrm{sign}[\mathrm{twl}\left(i\right)-\bar{T}]\end{array}\right]$$\left[\begin{array}{ccc}{g}_{\mathrm{ss}}(k,i)\mathrm{sign}[\mathrm{tss}\left(i\right)-\bar{T}]& g_{\mathrm{sr}}(k,i)\mathrm{sign}[\mathrm{tsr}\left(i\right)-\bar{T}]& g_{\mathrm{sl}}(k,i)\mathrm{sign}[\mathrm{tsl}\left(i\right)-\bar{T}]\end{array}\right]$${\left[\begin{array}{ccc}{g}_{\mathrm{ns}}(k,i)\mathrm{sign}[\mathrm{tns}\left(i\right)-\bar{T}]& g_{\mathrm{nr}}(k,i)\mathrm{sign}[\mathrm{tnr}\left(i\right)-\bar{T}]& g_{\mathrm{nl}}(k,i)\mathrm{sign}[\mathrm{tnl}\left(i\right)-\bar{T}]\end{array}\right]}^T$v(k，i)＝[v_es(k，i)v_er(k，i)vX(k，i)v_ws(k，i)v_wr(k，i)v_wl(k，i)v_ss(k，i)v_sr(k，i)v_sl(k，i)v_ns(k，i)v_nr(k，i)v_nl(k，i)]^Tp(i)＝[p_es(i)p_er(i)p_el(i)p_ws(i)p_wr(i)p_wl(i)p_ss(i)p_sr(i)p_sl(i)p_ns(i)p_nr(i)p_nl(i)]^T$\left[\begin{array}{c}{y}_e(k+1,i)\\ y_w(k+1,i)\\ y_s(k+1,i)\\ y_n(k+1,i)\end{array}\right]=\left[\begin{array}{c}{g}_{\mathrm{es}}(k,i)\mathrm{sign}[\mathrm{tes}\left(i\right)-\bar{T}]\\ g_{\mathrm{ws}}(k,i)\mathrm{sign}[\mathrm{tws}\left(i\right)-\bar{T}]\\ g_{\mathrm{ss}}(k,i)\mathrm{sign}[\mathrm{tss}\left(i\right)-\bar{T}]\\ g_{\mathrm{ns}}(k,i)\mathrm{sign}[\mathrm{tns}\left(i\right)-\bar{T}]\end{array}\right]+\left[\begin{array}{c}{g}_{\mathrm{nr}}(k,i)\mathrm{sign}[\mathrm{tnr}\left(i\right)-\bar{T}]\\ g_{\mathrm{sr}}(k,i)\mathrm{sign}[\mathrm{tsr}\left(i\right)-\bar{T}]\\ g_{\mathrm{er}}(k,i)\mathrm{sign}[\mathrm{ter}\left(i\right)-\bar{T}]\\ g_{\mathrm{wr}}(k,i)\mathrm{sign}[\mathrm{twr}\left(i\right)-\bar{T}]\end{array}\right]+\left[\begin{array}{c}{g}_{\mathrm{sl}}(k,i)\mathrm{sign}[\mathrm{tsl}\left(i\right)-\bar{T}]\\ g_{\mathrm{nl}}(k,i)\mathrm{sign}[\mathrm{tnl}\left(i\right)-\bar{T}]\\ g_{\mathrm{wl}}(k,i)\mathrm{sign}[\mathrm{twl}\left(i\right)-\bar{T}]\\ g_{\mathrm{el}}(k,i)\mathrm{sign}[\mathrm{tel}\left(i\right)-\bar{T}]\end{array}\right]$式中，T是离散系统的采样周期，是全部网络的统一时间；下标第一个字母s是自北向南方向，n是自南向北方向，e是自西向东方向，w自东向西方向，下标第二个字母s是直行、r右转、l左转；t_des是上一个交叉路口朝向第i个路口进入东直方向到达该路口的时间；p(i)是上一个交叉路口朝向第i个路口分向该路口直行、右转、左转的概率；表示自西向东方向绿通行符号函数；(b)必选的绿冲突约束为tws(i)tss(i)＝0，可选的绿冲突约束为tsl(i)tws(i)＝0，tnl(i)tes(i)＝0，tel(i)tss(i)＝0，twl(i)tns(i)＝0；(c)周期约束tws(i)＝tes(i)，tss(i)＝tns(i)，tes(i)-T_min＜ter(i)＜tes(i)+T_min    tws(i)-T_min＜twr(i)＜tws(i)+T_mintss(i)-T_min＜tsr(i)＜tss(i)+T_min  tns(i)-T_min＜tnr(i)＜tns(i)+T_minTp(i，k)＝tss(i)+tsl(i)+tws(i)+twl(i)T_pmin＜Tp(i，k)＜T_pmax＝tss(i)+tsl(i)+tws(i)+twl(i)时间$t\left(k\right)=\underset{j=1}{\overset{k}{\Sigma }}\mathrm{Tp}(i,j).$