FreewayTrafficModelingandControlina

First-OrderHybridPetriNetFramework一階混雜佩特里網框架內的高速公路交通建模和控制MariaPiaFanti,SeniorMember,IEEEGiorgioIacobellis,AgostinoMarcelloMangini,andWalterUkovich,Member,IEEE報告人：xxxx小組成員：xxxx2022年12月8日IEEETransactionsonAutomationScienceandEngineeringPublicationYear:2013第一部分原論文結構2022年12月8日I.IntroductionII.BasicofFirst-OrderHybridPetriNetsIII.TheFreewayTrafficModelIV.TheFreewayDynamicsV.OptimalControlVI.TheCaseStudyVII.Conclusion第二部分交通控制策略2022年12月8日第一類別：離線或開環(huán)控制策略第二類別：依賴流量傳感器的實時閉環(huán)控制策略第三類別：模型預測控制策略(MPC)

通過采取坡道計量、可變限速、聯(lián)合坡道計量和變速極限控制等方法，同時使用在線和離線信息來預測未來狀態(tài)和實現(xiàn)系統(tǒng)管理。

缺點：計算復雜，不利于在線應用一階混雜佩特里網框架內的高速公路交通流模型2022年12月8日與其他文獻中的現(xiàn)有模型比較的顯著優(yōu)勢：

ⅰ采用圖形特征，建模方法簡單

ⅱ采取有效的數(shù)學方法，允許系統(tǒng)進行模擬和優(yōu)化

ⅲ

能夠描述車道變化、不可預知的事故和車道堵塞等特殊情況該模型是基于MPC策略的FOHPN框架內的一個一階宏觀、時變的交通流狀態(tài)的模型。

它通過FOHPN動態(tài)添加新的宏事件來描述交通流且允許我們定義一個在線的以車流密度最大化為目標的最優(yōu)限速控制。第三部分一階混雜佩特里網基礎2022年12月8日3.1FOHPN的結構和標識3.2FOHPN的動態(tài)模型FOHPN的結構和標識2022年12月8日1.FOHPN的元素：

+庫所集P：連續(xù)庫所集（）；離散庫所（）；

+變遷集T：

連續(xù)變遷集（）；離散變遷；

其中，離散變遷分為：

瞬時變遷（）；隨機變遷（）；確定時延變遷（）

+令牌（·）是庫所中的動態(tài)對象，可以從一個庫所移動到另一個庫所

+有向弧是庫所和變遷之間的有向弧

一個FOHPN是由六元組描述的有向圖2.弧關聯(lián)矩陣及關聯(lián)變遷集其中，C對約束為2022年12月8日3.函數(shù)

恒定激發(fā)時延：其中F為連續(xù)變遷的激發(fā)速度，表示為：為變遷最?。ㄗ畲螅┘ぐl(fā)速度FOHPN的結構和標識離散時延變遷的時延：其中為變遷平均激發(fā)速率。平均激發(fā)時延：2022年12月8日FOHPN的結構和標識4.標識

一個標識分別表示每個離散庫所分配非負托肯數(shù)(用小黑點表示)和每個連續(xù)庫所分配實數(shù)；表示庫所的標識。時刻的標識記為。5.使能

，則離散變遷t在m使能；

，則連續(xù)變遷t在m使能。

，則使能的連續(xù)變遷t是強使能；

，則使能的連續(xù)變遷t是弱使能。2022年12月8日FOHPN的結構和標識

ⅰ瞬時激發(fā)速度與使能關系在FOHPN系統(tǒng)中的連續(xù)變遷滿足：若不使能，則；若強使能，則；若弱使能，則。其中，且此由進入的空輸入連續(xù)庫所數(shù)量決定。ⅱ時刻在m下IFS矢量的是下列線性不等式組的可行解S(PN,m)：（1）

其中，是在標識m的連續(xù)使能(不使能)變遷的子集；

是連續(xù)空庫所的子集。使用線性不等式來描述所有的瞬時激發(fā)速度向量集S，對于任一IFS矢量v∈S代表系統(tǒng)一種特定的運行模式，再根據目標函數(shù)從所有可行的IFS矢量集S中選取最佳運作模式，即進行優(yōu)化。。6.瞬時激發(fā)速度（IFS）2022年12月8日FOHPN的動態(tài)模型FOHPN的動態(tài)包含時間驅動動態(tài)和事件驅動動態(tài)。FOHPN的動態(tài)模型

在宏周期系統(tǒng)行為描述如下：

（2）其中矩陣，向量的元素是0或1，并由采樣時間的宏事件是否發(fā)生決定。時延變遷在計時矢量滿足：

不使能，；

使能，，；

當不使能或激發(fā)，計時器清0。2022年年12月8日FOHPN的動態(tài)模型POHPN舉例

由（2）得：第四部分高高速公公路交通模模型2022年年12月8日4.1一般高速路路延伸模型型4.2入口匝道和和出口匝道道模型4.3車流量中斷斷4.4事故后的恢恢復程序4.5車輛換用備備用路線4.6車輛從高速速公路反向向車道通過過4.7某車道內的的車流量增增速減緩2022年12月8日日一般高速速路延伸伸模型兩車道路路線的FOHPN模型

2022年12月8日日入口匝道道和出口口匝道模模型入口匝道道的FOHPN模型出口匝道道的FOHPN模型2022年12月8日車流量中斷車流中斷的FOHPN模型2022年12月8日事故后的恢復復程序事故后的恢復復程序由同時時運用的兩種種行為組成：：行為a：車輛在事故發(fā)發(fā)生地上游的的第一個出口口匝道排隊，，并且他們成成功地通過備備用路線在事事故發(fā)生地下下游重新進入入第一個入口口匝道。行為b：在事故上游排排隊的車輛通通過砍掉護欄欄從反向車道道分流。兩種行為的目的均是移走困在在事故發(fā)生地地和上游的最最近出口匝道道之間的車輛輛。2022年12月8日車輛換用備用用路線（行為為a）換備用路線情情況的FOHPN模型2022年12月8日車輛從高速公公路反向車道道通過（行為為b）通過反向車道道情況的FOHPN模型2022年12月8日某車道內的車車流量增速減減緩某車道增速減減緩的FOHPN模型第五部分高高速公路動動態(tài)模型及優(yōu)優(yōu)化控制2022年12月8日高速公路動態(tài)態(tài)模型代入參數(shù)：

（4）定義新的宏事件，發(fā)生條件：（5）本文定義閾值：（6）輸出車流的IFS：

（3）定義新的宏事件的目的是通過來近似（3）中求。車道內車輛數(shù)未超過閾值，IFS由（3）式決定；若超過，新的宏事件就發(fā)生，的IFS就被更新。（3）中瞬時激發(fā)速度最大誤差：

（7）2022年12月8日FOHPN框架內的交通通模型固定流密度關系圖

2022年年12月8日優(yōu)化控控制（（Opt）條件件（8）為變遷的IFS元素集：

（9）J為性能指標函數(shù)：

（10）第六部部分案案例分分析及及結論論2022年年12月8日案例是是在意大利利東北北部Portogruaro和SanStino的高速路分分支。仿真真所用用數(shù)據據由AutoviaVenete公司（（高速速公路路的管管理方方）提提供。。模型路線的的參數(shù):模型入口匝道的的參數(shù):模型2022年12月8日日案例研究究

，與S0誤差：

S0：采用真實數(shù)據的系統(tǒng)S1、S2：比S0稍擁擠的系統(tǒng)S3：非常擁擠的系統(tǒng)NV：高速公路平均車輛數(shù)Nl：成熟系統(tǒng)的路線li8的平均車輛數(shù)Na：最終發(fā)生事故的li4的平均車輛數(shù)2022年年12月8日案例研研究

N：不采用恢復程序(RP)和優(yōu)化控制(Opt)RP：只采用RPRP＆Opt：同時采用RP和OptOpt：只采用Opt2022年年12月8日案例研究2022年年12月8日結論仿真結果驗驗證了FOHPN框架內的高高速公路交交通狀況的的評估、控控制模型并顯示示了本文提出的基于于限速的控制方