【正文】 性，就必須對交通流的參數(shù)進行研究，參數(shù)可以讓交通流的控制得到及時的更新，讓其狀態(tài)趨向最佳，并且在實際應用中，交通流參數(shù)的控制對其效果明顯。本文的研究具有重要的實際意義，在實際的交通流量變化中，現(xiàn)代的交通狀態(tài)變化迅速和交通流的增長，原本的交通流量已經不能滿足現(xiàn)在實際情況的需求，并且對高速公路的具體情況缺乏研究，對車流量的控制不能得到及時的同步，造成了高速公路的擁堵的現(xiàn)象頻繁，已經發(fā)揮不出預期高速的公路的作用。文獻2 針對高速公路流量數(shù)據(jù)等參量呈現(xiàn)出的非線性、隨機性強和高度不確定性問題，本文嘗試使用PID的控制方法進行控制，調節(jié)參數(shù)的變化來嘗試控制匝道的車流量變化，使得高速公路運行的狀態(tài)可以最佳。并且利用有效差分法對元胞傳輸模型進行改善，元胞傳輸模型更加擁有動態(tài)性，讓元胞傳輸模型能夠模擬交通流的一些典型的動力學特性。文獻7 詳細的解釋了元胞傳輸模型的基本原理，并且根據(jù)LNCTM數(shù)學模型，在MATLAB環(huán)境下建立交通流計算機仿真流程，LNCTM是一個動態(tài)模型，它在模擬交通事件對交通流的影響有著很好的準確性，在運用MATLAB仿真時，用連接路段的密度和流量來描述交通路網上的交通流的狀況，并且詳盡的解釋了仿真的流程和步驟。第2章 介紹了匝道控制的定義進行說明，舉例說明匝道的重要作用，也對研究匝道控制的方法進行一個探究。 最后對整篇文章進行總結，并闡述設計相關的經歷。 入口匝道控制入口匝道控制在全國的情況來看，運用于高速公路的例子最多，并且其效果也是相對于多種方法較為突出的。另一個方面是考慮整體協(xié)調控制，以高速公路和匝道最為一個整體，作一個連帶關系，從其關聯(lián)的地方切入，從而達到控制整個交通流。從實用這一個方面來看，該研究只能局限于單點控制。在當代控制之中，比較常用的有需求容量差額控制和占有率控制以及反饋控制三種方法。其公式為： （21） 公式21： qc匝道下游的高速公路路段的飽和容量； qu匝道上游的路段流量； oout匝道下游的車輛占有率； ocr臨界占有率，即一個控制閾值，在達到臨界占有率情況下，交通流達到最大； rmin預設的匝道最小流入量。 占有率控制該方法是通過測量占有率，用經驗公式來估算下游剩余容量。 反饋控制其基本公式為： （24）公式24：0為調節(jié)器的參數(shù)， 匝道下游期望的占有率值，一般取。由于車輛密度在實際中難于直接測量，常用時間占有率用o(t)代之。第3章 PID控制器 概述在工業(yè)生產的過程中，在生產裝置的溫度、壓力、流量、液位等關鍵點經常會要求維持在一定的數(shù)值上，并且有時候還要按照一定的規(guī)律來變化，以滿足生產工藝的要求。其原理圖如圖31所示：圖31 PID控制原理圖其本質是一個反饋回路的部件，將收集到的數(shù)據(jù)的數(shù)據(jù)和一個原始數(shù)據(jù)進行比較，然后在控制器中得出一個新的數(shù)值，這樣可以比較出來原始數(shù)值和新的數(shù)值的差別，從而進行修改，這種方法的主要目的是讓系統(tǒng)的數(shù)值保持在參考值，這樣系統(tǒng)不斷運行的出新的數(shù)據(jù)，從而改變系統(tǒng)的參數(shù)，這樣可以讓系統(tǒng)更加穩(wěn)定和準確。增量算法為相鄰量詞采樣時刻所計算的位置之差。那么相對應的系統(tǒng)響應速度越快，其調節(jié)的精度就越高，但是難以避免超調的發(fā)生，超調產生那么系統(tǒng)穩(wěn)定性就降低。根據(jù)各個參數(shù)的調節(jié)關系和性能指標關系可以得出如表31的關系。如圖41所示的一段道路模型，在一個含有匝道匯流或者分流的道路上，將該道路分成若干個元胞，定義n為元胞傳輸?shù)募稀?本章小結本章解說了元胞傳輸模型的原理和改善方法，也設計了元胞傳輸模型的參數(shù)的設定，還有如何結合元胞傳輸模型設計PID控制器，讓PID控制的參數(shù)進行自行調節(jié)，建立模型，最后得出相關的思路來設計程序。% 各元胞初始密度值p1(1)=。 % 擁擠路段p5(1)=。 % 仿真時間步長為20秒，仿真步數(shù)為180步，總仿真時長為1 hour L=1。 % 擁擠密度為km90veh/km/lane lane=2。 % 出口分流系數(shù) delt_t=20/3600。q3(1)=min([v*p3(1) qmax w*(pjamp3(1))])。q7(1)=min([v*p7(1) qmax w*(pjamp7(1))])。 % 期望密度值,單位為veh/km/lane x=30。 % PI控制的積分參數(shù)ki for k=1:x pd2(k)=p2(1)+(pdp2(1))*(k1)/(x1)。endfor k=(x+y+1):180 pd6(k)=pd。 f3(k)=min([v*p3(k) w*(pjamp3(k)) qmax])。 f7(k)=min([v*p7(k) w*(pjamp7(k)) qmax])。 % 密度計算公式 單位：veh/km/lane q1(k+1)=min([v*p1(k+1) qmax w*(pjamp1(k+1))])。 q3(k+1)=min([v*p3(k+1) qmax w*(pjamp3(k+1))])。 q5(k+1)=min([v*p5(k+1) qmax w*(pjamp5(k+1))])。 q7(k+1)=min([v*p7(k+1) qmax w*(pjamp7(k+1))])。 dr2(k+1)=kp*(e2(k+1)e2(k))+ki*e2(k+1)。 dr6(k+1)=kp*(e6(k+1)e6(k))+ki*e6(k+1)。)。subplot(3,3,2),plot(time,p2)xlabel(39。p2(veh/km/lane)39。)。subplot(3,3,4),plot(time,p4)xlabel(39。p4(veh/km/lane)39。)。subplot(3,3,6),plot(time,p6)xlabel(39。p6(veh/km/lane)39。)。 figure(2)plot(time,r2)xlabel(39。Entering flow in onramp 239。)。ylabel(39。第6個路段匝道調節(jié)率39。)。xlabel(39。Density in section 2/veh per km per lane)39。,39。第2個路段的密度跟蹤曲線39。hold onplot(time,pd6,39。time/min39。)。density demand in section 639。) figure(6)x(1)=1。x(5)=5。z=[p1。p5。xlabel(39。路段 (個)39。)。 figure(7)x(1)=1。x(5)=5。z=[q1。q5。xlabel(39。路段 (個)39。)。 仿真結果圖51中表明了各個路段的元胞密度的變化曲線圖，圖中表明了從q1到q7路段的變化最終都趨向期望密度，并且達到預期效果的變化曲線時間短，表明了具有很好的魯棒性和穩(wěn)定性：圖51 元胞密度變化曲線圖 圖52，53中表明的為在第二個元胞和第六個元胞的匝道的調節(jié)率，變化的時間：圖52 第二路段調節(jié)率圖圖53 第六路段調節(jié)率圖圖54，55中表示為第二個元胞和第六個元胞密度跟蹤曲線，從側面描述了第二個元胞和第六個元胞中匯入車流量和駛出車流量的變化：圖54 第二路段的密度跟蹤曲線圖圖55 第六路段的密度跟蹤曲線圖為了更好的體現(xiàn)七個路段的密度和流量的變化，使其有個明確的對比，使用三維密度流量圖來體現(xiàn)，其中在p4擁堵路段體現(xiàn)出來其變化，從擁堵變?yōu)椴粨矶?，體現(xiàn)出來了PID控制的調節(jié)：圖56 元胞密度三維圖圖57 元胞流量三維圖在MATLAB中運行所得出的各個參數(shù)變化為：q2 = +003 * Columns 1 through 12 Columns 13 through 24 Columns 25 through 36 Columns