【摘要】：隨著我國城市化進程的不斷加快,交通擁堵已經(jīng)成為了城市管理中一個不容忽視的問題。主干道作為城市的大動脈,往往承擔著主要的交通負荷。因此,提高城市主干道的協(xié)調(diào)控制效果,減少主干道上的交通延誤和停車率,對改善整個城市的交通狀況具有重要的意義�，F(xiàn)有的主干道控制方法已經(jīng)在實際應用中發(fā)揮了較好的效果,但也還存在一些不足。比如計算復雜度隨著路網(wǎng)規(guī)模擴大呈指數(shù)級上升;又如優(yōu)化控制效果嚴重依賴于數(shù)學模型精度,而對于復雜的主干道交通系統(tǒng),精確模型很難獲得。為了解決這些問題,本文將基于迭代學習的數(shù)據(jù)驅(qū)動控制方法引入到了城市主干道控制之中,提出了一種基于去偽策略的城市主干道迭代學習控制方法。仿真結(jié)果表明,這些算法具有較強的自適應性和自學習性,比傳統(tǒng)的主干道控制方法能更有效地解決城市交通擁堵問題。本文的主要工作如下:1.在改進存儲轉(zhuǎn)發(fā)模型基礎(chǔ)上,提出了基于迭代學習的城市單交叉口和主干道協(xié)調(diào)控制方法。根據(jù)交通流優(yōu)化控制的需求,將存儲轉(zhuǎn)發(fā)模型的建模對象由路段進一步細分為交通流向,以交通流向作為控制的基本單元。以此為基礎(chǔ),將迭代學習控制應用到單交叉口和城市主干道的交通信號控制中,通過將上下游交叉口流量的關(guān)聯(lián)性作為單個交叉口的可測干擾,使得復雜多交叉口群控制轉(zhuǎn)化為交叉口組的控制。2.提出了基于去偽策略的自適應迭代學習控制方法,并分析了不同條件下算法的收斂性。將去偽策略引入迭代學習控制中,使其能夠根據(jù)交通需求的實時動態(tài)變化,自適應的調(diào)整閉環(huán)學習率。同時,針對實際運行過程中交通系統(tǒng)會受到的各種外部因素干擾的情況,分析了當系統(tǒng)的初始狀態(tài)和擾動不滿足嚴格重復條件時算法的收斂性。3.利用紹興市柯橋區(qū)真實路網(wǎng)和數(shù)據(jù),結(jié)合matlab和vissim交通仿真軟件對上述成果分別進行仿真實驗,仿真結(jié)果驗證了上述方法的有效性。最后,對本文的研究內(nèi)容作了總結(jié)和分析,并對后續(xù)研究作了展望。
【學位授予單位】：浙江工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U491;TP13
【圖文】：

5.1 引言根據(jù)第三章和第四章所提出的單交叉口控制方法和城市主干道交通信號協(xié)調(diào)控制方法，本章將通過仿真實驗驗證算法的收斂性和有效性。本文使用交通仿真軟件 vissim 來對真實路網(wǎng)進行建模，利用 vissim 軟件自帶的 com 接口連接 matlab，利用 matlab 實現(xiàn)迭代學習算法，實時調(diào)整信號配時方案。5.2 仿真對象說明利用紹興市柯橋區(qū)金柯橋大道早高峰的車流數(shù)據(jù)進行仿真測試。如圖 5-1 所示，測試路段由 5 個交叉口，11 個路段組成組成，其中金柯橋大道為雙向八車道，群賢路，興越路和錢陶公路為雙向六車道，華宇路和裕民路為雙向四車道。

浙江工業(yè)大學碩士學位論文與另外一條橫向主干道裕民路的交點，這個交叉口東西向以及南北向的車流量在早段均達到了接近飽和的程度。利用這個交叉口進行仿真實驗，有利于驗證第三章所基于迭代學習的單交叉口控制方法在交叉口交通流量近飽和狀態(tài)下的控制效果。根據(jù)道路實際情況，利用 vissim 建模如下圖：

【相似文獻】

相關(guān)期刊論文 前10條

1 劉超;;迭代學習控制原理淺述[J];智慧工廠;2017年12期

2 付子義;袁海國;王藝龍;;基于迭代學習控制的橋式起重機定位及防擺[J];實驗室研究與探索;2017年02期

3 池榮虎;劉宇;張瑞坤;;離散時間系統(tǒng)自適應迭代學習控制的研究進展[J];青島科技大學學報(自然科學版);2015年06期

4 苗靜;;迭代學習控制理論[J];西安工業(yè)大學學報;2013年11期

5 苗靜;;迭代學習控制理論[J];西安工業(yè)大學學報;2014年02期

6 苗靜;;迭代學習控制理論[J];西安工業(yè)大學學報;2012年09期

7 苗靜;;迭代學習控制理論[J];西安工業(yè)大學學報;2011年05期

8 孫云平;李俊民;王元亮;;二階系統(tǒng)非一致目標跟蹤混合自適應迭代學習控制[J];工程數(shù)學學報;2008年01期

9 李俊民;孫云平;劉峗;;非一致目標跟蹤的混合自適應迭代學習控制[J];控制理論與應用;2008年01期

10 李麗娜;雷升印;;迭代學習控制在伺服系統(tǒng)中的應用[J];中國科技信息;2006年04期

相關(guān)會議論文 前10條

1 師佳;江青茵;曹志凱;周華;;一種基于2維魯棒預測控制的迭代學習控制方案[A];第二十九屆中國控制會議論文集[C];2010年

2 蘭永紅;;基于二維模型的魯棒D型迭代學習控制[A];中國自動化學會控制理論專業(yè)委員會C卷[C];2011年

3 畢勝;王福根;鄢達來;吳懷宇;章剛?cè)A;熊沈蜀;周兆英;;功能性電刺激P型迭代學習控制方法的研究[A];中國康復醫(yī)學會第四屆會員代表大會暨第三屆中國康復醫(yī)學學術(shù)大會論文匯編[C];2001年

4 翟侖;段培永;李俊青;李巖;田國會;黃尚鋒;;閉環(huán)迭代學習控制在切換軌跡精確跟蹤中的應用[A];2018中國自動化大會(CAC2018)論文集[C];2018年

5 任佳;王向東;徐進學;;一類非線性系統(tǒng)的迭代學習控制[A];第二十屆中國控制會議論文集（上）[C];2001年

6 白小軍;陳力;;漂浮基空間機器人基于邊界層的自適應切換迭代學習控制[A];第十屆全國多體動力學與控制暨第五屆全國航天動力學與控制學術(shù)會議論文摘要集[C];2017年

7 孫明軒;張杰;畢宏博;;時變非線性系統(tǒng)的特征模型與自適應迭代學習控制[A];第26屆中國控制與決策會議論文集[C];2014年

8 劉萍;郭毓;胡彥;向崢嶸;;一類二階不確定非線性系統(tǒng)的魯棒自適應迭代學習控制[A];第二十七屆中國控制會議論文集[C];2008年

9 黃秋霞;何熊熊;李大鵬;;基于特征模型的自適應迭代學習控制[A];第25屆中國控制與決策會議論文集[C];2013年

10 樸鳳賢;張慶靈;;非線性迭代學習控制系統(tǒng)的改進算法[A];數(shù)學·力學·物理學·高新技術(shù)研究進展——2006（11）卷——中國數(shù)學力學物理學高新技術(shù)交叉研究會第11屆學術(shù)研討會論文集[C];2006年

相關(guān)博士學位論文 前10條

1 洪英東;軌跡更新的點對點2D綜合預測迭代學習控制研究[D];清華大學;2017年

2 孫麗麗;互聯(lián)系統(tǒng)的分散式自適應迭代學習控制及應用研究[D];浙江大學;2014年

3 楊勝躍;迭代學習控制算法設(shè)計與優(yōu)化研究[D];中南大學;2004年

4 謝振東;非線性迭代學習控制理論及其在機器人控制中的應用[D];華南理工大學;2000年

5 徐敏;基于迭代學習控制理論的勵磁控制研究[D];西北工業(yè)大學;2005年

6 池榮虎;非線性離散時間系統(tǒng)的自適應迭代學習控制及應用[D];北京交通大學;2006年

7 張瑞坤;受限非線性參數(shù)化系統(tǒng)的自適應迭代學習控制[D];北京交通大學;2016年

8 張春麗;幾類非線性系統(tǒng)的自適應迭代學習控制研究[D];西安電子科技大學;2014年

9 吉鴻海;自適應迭代學習控制和卡爾曼一致性濾波及在高速列車運行控制中的應用[D];北京交通大學;2017年

10 李金沙;多智能體系統(tǒng)一致性學習協(xié)議的設(shè)計與分析[D];西安電子科技大學;2015年

相關(guān)碩士學位論文 前10條

1 陳文峰;基于去偽策略的城市主干道迭代學習控制方法研究[D];浙江工業(yè)大學;2018年

2 杜莉莉;幾類廣義大型互聯(lián)線性系統(tǒng)的分散迭代學習控制[D];蘇州科技大學;2018年

3 陳倩云;工業(yè)機器人迭代學習控制研究[D];哈爾濱工業(yè)大學;2018年

4 王藍菁;批次變長度下連續(xù)非線性系統(tǒng)的采樣迭代學習控制[D];北京化工大學;2018年

5 梁成斌;二階時滯微分系統(tǒng)穩(wěn)定性及其學習控制問題[D];貴州大學;2018年

6 邱騫;時滯拋物型分布參數(shù)系統(tǒng)的迭代學習控制[D];廣西科技大學;2014年

7 杜如珍;基于迭代學習控制的磨漿過程輸出纖維形態(tài)隨機分布控制研究[D];東北大學;2017年

8 夏洋X;基于DSP的擺鏡伺服系統(tǒng)設(shè)計[D];河南科技大學;2017年

9 徐靜;基于自適應迭代學習控制的軌跡跟蹤研究[D];東北大學;2017年

10 馬丙華;機載光電穩(wěn)定平臺擾動的自適應補償[D];中國科學院大學(中國科學院長春光學精密機械與物理研究所);2018年

本文編號：2739730