10、城市交通区域边界控制的一步无模型自适应预测学习方法

城市交通区域边界控制的一步无模型自适应预测学习方法

1. 引言

城市交通拥堵是现代城市面临的重要问题之一，对于中等规模的双区域城市交通系统，区域边界控制是缓解交通拥堵的有效手段。为了解决这一问题，提出了一种新的数据驱动的输入输出约束无模型自适应预测学习控制（IOC - MFAPLC）方法。该方法不仅能解决中等规模双区域城市交通系统的边界控制问题，还能根据各区域的交通状况进一步优化边界控制，而无需详细了解城市交通系统的具体信息和建立精确的数学模型。

2. 中等规模双区域城市交通系统概述

中等规模双区域城市道路网络系统可看作一个多输入多输出（MIMO）非线性系统，有两个边界控制输入和两个系统输出。控制输入为两个区域之间的边界控制比率，输出为两个区域内的车辆累积量。相关变量定义如下表所示：
| 符号 | 描述 |
| ---- | ---- |
| i, j = 1, 2 | 区域标签 |
| ni(t) | t 时刻区域 i 内行驶的车辆总数 |
| nij(t) | t 时刻区域 i 内目的地为区域 j 的车辆数量 |
| nii(t) | t 时刻区域 i 内目的地为自身的车辆数量 |
| ncr | 每个区域的临界累积量 |
| njam | 每个区域的拥堵累积量 |
| q◁ij(t) | t 时刻区域 i 内产生的目的地为区域 j 的外部交通需求 |
| q◁ii(t) | t 时刻区域 i 内产生的内部交通需求 |
| G◁i(ni(t)) | t 时刻区域 i 的行程完成流量 |
| M◁ij(t) | t 时刻从区域 i 到区域 j 的转移流量