高速公路交通智能化控制研究

董大明

(山西交通職業技術學院交通信息與機電工程系，山西 太原 030031)

?

高速公路交通智能化控制研究

董大明

(山西交通職業技術學院交通信息與機電工程系，山西 太原 030031)

不利條件下高速公路交通流的智能化控制對交通運行的安全具有重要意義.通過建立不利狀況下高速公路的智能控制模型，分析了高速公路中非匝道瓶頸路段、匝道瓶頸路段、非瓶頸路段的自身影響因子以及對其他路段產生的影響，得到了各個路段的車輛控制密度.并結合車輛控制密度與路段車輛實際密度的關系，制定車速控制方案，最終將限速信息及時發布，以達到對高速公路交通流的智能化控制的目的.

高速公路；控制模型；車輛密度；智能化

不利于高速公路正常通行的影響因素通常包括自然條件、公路線形條件和其他不確定性條件[1,2].自然條件通常是大霧大風，雨雪天氣、極端氣溫等因素對駕駛員的駕駛操作能力、汽車穩定性和制動能力、路面摩阻、公路基礎設備、交通量產生不利影響[3].而自然條件因素常常具有復雜性、隨機性、不可預知性.公路線形條件主要是由于公路線形本身的設計缺陷和地形的限制引起的，例如公路地形復雜、行車視距的不足、長下坡路段、道路容量不足等，這些因素極易引起道路交通事故的發生[4].不確定性條件主要是由于一些隨機因素造成的交通堵塞，例如某些車輛車速行駛過慢、貨車占據車道過寬、車輛隨意變道、“幽靈堵車”等[5].智能交通系統的運用和發展，對這些不利交通狀況的交通運行安全控制起到了很好的作用.

智能交通系統是通過將各種控制傳輸技術高效結合成一個系統來運用于交通運輸的控制[6]，具有快速、精確、動態等特點.智能控制系統通常是用知識以及數學模型混合來反映的集成化控制程序.這種控制系統能夠很好地適用于高速公路的交通狀態中所包含的不完全性、模糊性、復雜性、不確定性和不存在已知算法的特征[7].因此，通過將智能化這一概念融入到高速公路的智能交通控制中，特別是在高速公路交通流控制方面，能夠高效地反映高速公路的交通流狀態，控制交通流和提高高速公路的交通控制能力，同時也為優化交通狀態帶來了福音.

1　高速公路車輛控制問題

研究認為，在高速公路的橋隧區域、匝道合流區、霧區、小半徑路段、爬坡路段等瓶頸路段的道路通行能力要明顯低于其他一般路段，因而，極易發生道路擁堵和交通事故[8,9].由于瓶頸路段的通行能力不足所引起的各路段的交通密度不均勻，直接降低了高速公路的交通服務質量.針對這些影響因素引起的問題，首要任務就是判斷高速公路的瓶頸路段發生的位置，若該瓶頸路段發生交通堵塞的現象，則需要提前控制，以確保瓶頸路段車輛的順暢安全.

因此，本文基于高速公路的各路段車輛密度建立交通智能控制模型，通過協調各路段之間的交通密度和出入口匝道的交通流量，確保主線上路段交通密度平衡，車輛快速安全行駛.當瓶頸路段上的實際車輛密度高于該路段可以接受的車輛密度時，則需要采取措施對車輛密度進行調整，對出入口的匝道的交通量進行控制.因此，本文通過對瓶頸路段的密度控制和優化瓶頸路段的交通量，提出了交通密度控制這一概念，使瓶頸路段能夠達到最優的控制密度值.

交通控制密度的概念是指單位時間上順利通過該單位長度路段上的車流量值.當瓶頸路段上發生交通堵塞時，通過對上游路段的交通量的控制，使車輛密度在到達瓶頸路段之前能夠均勻降低，在經過瓶頸路段時正好處于車輛控制密度值.對多個限制條件下的控制密度進行調整，并及時將路段的實際狀況、天氣條件及車輛控制速度等信息及時通告或者廣播信息通知路上駕駛員，來避免車輛的擁堵.

2　不利狀況下高速公路智能控制模型

圖1高速公路基本路段分區

本文按照高速公路管理單元劃分的原則，將高速公路劃分為各個區域路段，如圖1所示，并假定在各個區域路段中布置監控設備，采集各個路段的真實數據，高速公路基本的控制模型如下：

(1)

該交通控制模型的約束條件包括以下幾點:

(2)

(3)

(4)

式(2)表示相鄰兩路段的車輛控制密度限制條件;η為控制密度差值范圍，η>0；式(3)表示相近時間段內的車輛控制密度限制條件；λ為控制密度差值的范圍，λ> 0 ；式(4)表示控制密度自身限制條件；其中，θ為車輛控制密度下限，ω為車輛控制密度上限，θ>0，ω>0.

依據路段劃分原則，將高速公路路段分割為匝道瓶頸路段、非匝道瓶頸路段和非瓶頸路段.

(1)非匝道瓶頸路段

令n為任意非匝道瓶頸路段，n∈[1,N].同時假定瓶頸路段之間為獨立路段，忽略其他路段對該瓶頸路段n的影響，則

(5)

那么可將式1改為：

(6)

即為非匝道瓶頸路段的基本車輛控制模型.

(2)匝道瓶頸路段

該匝道控制模型(如圖2)是通過對匝道瓶頸路段實時監測數據，來計算最優的匝道調節率，即通過車輛實測密度值與車輛控制密度值之差來確定匝道的調節率.該匝道控制模型是一種局部閉環的自動控制模型，其中m為任意非匝道瓶頸路段，m∈[l，N].

圖2　匝道瓶頸路段模型

(7)

(3)非瓶頸路段

j為任意非瓶頸路段，j∈[l，N].假設每個瓶頸路段的影響路段之間處于獨立狀態，即忽略多個瓶頸路段對于同一非瓶頸路段的影響.如圖3所示，定義變量d作為瓶頸路段n的影響范圍，當j∈[n-d，n+d]且j≠n時，表示該路段j處于瓶頸路段n的影響范圍內.反之，若j?[n-d，n+d],則路段j不受瓶頸路段n的影響.

圖3　非匝道瓶頸路段影響范圍

令αj為任意非瓶頸路段j的自身影響因子.

1)當j∈[n-d，n+d]且j≠n時

(8)

(9)

在式8，式9 中， t(βj)為其他路段對路段j產生影響的影響因子函數.

f(αj,βj)=min(g(αj),t(βj))

(10)

其中min為最小取值函數.

f(αj,βj)=t(βj)

(11)

f(αj,βj)=g(αj)

(12)

f(αj,βj)=min(g(αj),t(βj))

(13)

2)當j?[n-d，n+d]時，f(αj,βj)=g(αj)

綜合上述分析結果，將該路段車輛實際密度與車輛控制密度的變化關系按照一定比例控制車輛速度，制定出相應的車輛速度控制方案，然后將最終車輛限速方案及時發布在交通信息板上，車輛速度求解如式14表達.

(14)

μ≤vi(k)≤ξ

(15)

式(14)中，vi(k)表示k時該路段i上的觀測速度(km/h)；式(15)表示為速度自身限制條件.其中，μ為速度下限值μ>0，ξ為速度上限值ξ>0.

3　交通智能控制模型計算流程圖

根據上述模型的控制理論，在不利狀況下的交通智能控制模型計算流程如圖4所示.

圖4　交通智能控制模型的計算流程

4　結語

通過結合智能化的高速公路交通流控制的基本理念，建立了不利狀況條件下高速公路基本控制模型，將高速公路整個路段劃分不同性質的路段.通過分析各個路段自身影響因子及對該路段產生影響的其他影響因子，得到了各個路段車輛控制密度.最終通過路段車輛實際密度與車輛控制密度的變化，按比例進行車速控制，制定出對應的車速控制方案，將限速信息及時發布在高速公路信息板上，以實現對高速公路交通流密度的智能化控制，為交通量的優化提供了理論基礎.

[1]楊中良,林瑜,高霄.惡劣天氣條件下城市快速路通行能力研究[J].交通信息與安全,2010,(1):75-78.

[2]余凱.不利條件下高速公路動態限速方法研究[D].武漢:武漢理工大學博士學位論文,2010.

[3]馬艷.不利氣候條件下高速公路行車安全保障系統的研究[D].西安:長安大學碩士學位論文,2005.

[4]盧凱,徐建閩.高速公路交通流密度的主線速度控制設計方法[J].公路,2008,(4):114-119.

[5]包左軍,湯筠筠,李長城.公路交通安全與氣象影響[M].北京:人民交通出版社,2008.

[6]馮民學.高速公路交通氣象智能化監測預警系統研究[D].南京:南京信息工程大學博士學位論文,2005.

[7]羅霞,劉瀾.交通管理與控制[M].北京:人民教育出版社,2008.

[8]王興舉,高桂鳳,宮城俊彥.高速公路單點入口匝道RLRM控制方法[J].交通運輸工程學報,2012,(3):101-107.

[9]馬壯林.高速公路隧道交通事故分析及預防對策[D].西安:長安大學碩士學位論文,2006.

(責任編校：晴川)

Research on Intelligent Control of Highway Traffic

DONG Daming

(Department of Traffic Information and Mechanical Electrical Engineering,Shanxi Traffic Vocational and Technical College, Taiyuan Shanxi 030031, China)

Intelligent control of highway traffic flow is of important significance for traffic safety under unfavorable conditions. By setting up the intelligent control model of highway under unfavorable conditions, the impact factors of non-ramp bottleneck, ramp bottleneck, and non-bottleneck road section, and the impact on other road sections are analyzed. The vehicle control density of each road section is obtained. Combined with the relation of vehicle control density and actual density, we could make speed control scheme, and timely release speed limit information in final, so as to realize the intelligent control of traffic flow in highway.

highway; control model; vehicle density; intelligent

2016-04-04

董大明(1983— )，男，黑龍江綏化人，山西交通職業技術學院交通信息與機電工程系講師，碩士.研究方向：交通安全與智能控制.

U412.6

A

1008-4681(2016)05-0074-03