论文部分内容阅读
城市的交通拥堵问题，特别是大城市的交通拥堵问题，是一个急需解决并具有挑战性的问题。该问题的挑战性不仅体现在交通路网控制的复杂性上，而且还体现在不断增长的城市路网规模上。对于这样的复杂大规模问题的控制与优化，出现了新的问题和新的挑战:1）大规模问题:由于控制问题的复杂度会随着路网规模的扩大而急剧增大，因此无法在一定的时间内解这么复杂的问题。2）高维度问题:城市路网的结构很复杂，优化变量很多，因此模型计算与优化就面临着高维度的问题。3）多控制要求:城市交通的控制要求并不是唯一的，因此有必要整合多个控制性能指标。4）不确定问题:虽然有很多有效的模型，但是模型与实际的偏差以及一些无法确定的扰动依然存在。要解决这些问题，我们需要研究先进的控制和优化算法，并保证适应复杂大规模路网控制问题的需要。
模型预测控制(MPC)是一种能够控制大规模的城市路网，协调多种交通控制手段，能满足大部分的实际控制需求的先进控制方法。它是一种基于优化控制的方法，可以优化和控制多输入多输出的，线性或者非线性的，多约束系统。MPC具有几个用于控制和协调大规模的城市交通路网的优势，即:MPC可以控制多输入多输出系统，具有协调各种交通控制手段，实现多种控制目标的能力;MPC是基于预测模型，可以根据预测结果做长期决策的控制器;MPC对实际路网的扰动及模型的不确定性具有一定的鲁棒性;MPC适合模块化设计，使根据需求选择不同模型可行。因此，在本论文中，我们主要研究针对复杂大规模城市路网的模型预测控制算法。
虽然MPC有很多优点，但在实践中，由于路网规模大，MPC的在线计算量大，使其在实际中的应用遇到困难。因为，在使用MPC时，我们需要在每一个控制时间步，在有限时间内求解一个复杂的优化问题。如果MPC控制算法的在线优化问题是非线性、非凸的，本身就比较难解，在加之优化问题的规模非常大，则更加耗时，虽然该优化问题是理论上可解的，但在有限时间内的不到问题的解，造成该优化问题实时不可行。因此，MPC的在线计算效率是在解决复杂大规模路网控制问题中的关键。
因此，我们在这篇论文中，在设计城市路网MPC协调控制策略的基础上，主要从以下几个方面解决MPC的在线计算量的问题。
模型简化:由于，本论文提出的城市路网交通机理模型是非线性的，基于该模型MPC控制器的在线优化问题是一个非线性、非凸的优化问题。用数值方法求解分线性、非凸优化问题时，需要大量正向计算该模型，以得到性能指标可能下降的方向，支持优化算法的进一步搜索。因此，如果城市路网预测模型越复杂，计算时间越长，那么求解在线优化问题的时间就越长。所以，我们可以采用降低预测模型的复杂度，提高预测模型的计算效率的方法，来提高大规模路网MPC控制器的在线可行性。
MPC在线优化问题的改进:鉴于MPC在线优化问题的非线性、非凸性质，求解优化问题的计算复杂度，在城市路网规模增加时，几乎是随路网的被控变量数目的增长呈指数增长的。即使MPC控制器在线的计算效率可以通过模型简化来提高，其效果对于庞大的交通路网仍然是有限的。因此，为了避免这种情况，MPC控制器的在线计算效率，也可以通过对原非线性非凸MPC优化问题进行近似和调整，使其能够用更加高效的优化算法来求解，从而提高计算效率。
递阶控制结构:为了减少计算一个复杂大规模的集中MPC控制问题计算量，我们可以将大规模城市交通路网划分为若干个较小的子路网，使整个路网的优化求解计算负担可以并行分配。再设计多层递阶控制结构，实现这些交通子路网之间的协调，以逼近整个路网集中控制的性能。
另外，本论文还进一步定性和定量的分析了模型预测控制策略对城市路网中的拥堵现象的抑制作用。