12、大规模多区域城市道路网络的控制策略

大规模多区域城市道路网络的控制策略

在城市交通系统中，不同规模的交通网络面临着不同的控制挑战。小型单区域和中型双区域城市交通系统中，车辆主要在受控区域内行驶，无需考虑区域间的车辆路线引导问题。然而，对于大规模多区域城市交通系统（MRUTS），当某区域车辆的目的地位于非相邻区域时，车辆需要穿越其他区域才能到达目的地，这就需要在各区域实施边界控制的同时，为车辆提供区域间的路线引导，以充分利用各区域的交通资源，提高整个城市交通网络的服务水平。

主要贡献

为解决大规模多区域城市交通系统的路线引导和边界控制问题，提出了分散式单步无模型自适应预测学习控制方法和集中式多步无模型自适应预测学习控制策略。其主要贡献如下：
1. 数据驱动的控制方法 ：首次将两种新颖的数据驱动无模型自适应预测学习控制（MFAPLC）方法应用于大规模MRUTS的边界控制和路线引导。仅使用城市交通系统的边界控制和路线引导输入以及系统输出数据来设计控制策略，以处理模型不匹配问题。
2. 简化网络划分 ：无需O - D表、绝对均匀区域和明确的MFD。只需根据几何特征或其他因素简单划分大规模城市交通网络，因为不再需要精确的模型。
3. 实时控制能力 ：所提出方法的CPU时间远小于交通信号周期，可实现实时控制。

单步无模型自适应预测学习边界控制

该方法利用数据驱动的MFAPLC方法进行大规模多区域城市交通系统的边界控制，通过单步预测控制机制获得各区域间的最优边界控制比率。

大规模多区域城市道路网络的动态特性

假设存在一个