کنترل پیش‌بین مقاوم صریح مبتنی بر مدل در شبکه ترافیک شهری

بهینه‌سازی زمان چرخه‌های ترافیکی و همچنین کنترل مسیر در تقاطع‌های ترافیک شهری در شرایطی که شبکه با عدم قطعیت مواجه است مساله مهم و پیچیده‌ای است. در این مقاله یک روش جدید برای تعیین بهینه سیگنال ترافیک با استفاده از کنترل پیش بین مقاوم مبتنی بر مدل ارائه شده که یکی از ویژگی‌های مهم آن در نظرگرفتن عدم قطعیت برای جریان ورودی به شبکه ترافیک است. بدین منظور ابتدا از بین مدلسازی‌هایی که تاکنون برای شبکه ترافیک شهری ارائه شده، مدلی همراه با عدم قطعیت انتخاب و کنترل پیش‌بین مقاوم مبتنی بر مدلی برای آن طراحی شده است. علاوه بر آن برای غلبه بر پیچیدگی محاسبات آنلاین، از برنامه‌ریزی چندپارامتریک برای حل آن به صورت آفلاین استفاده شده و با استفاده از داده‌های ترافیکی، کنترلر طراحی شده مورد تجزیه و تحلیل قرار گرفته است. نتایج بدست آمده نشان می‌دهد که روش پیشنهادی ضمن برآورده کردن بسیاری ار نیازهای شبکه، میزان محاسبات آنلاین را کاهش می‌دهد که امکان استفاده عملی از آن در شبکه‌های واقعی ترافیک شهری را مقدور می‌سازد.

Explicit robust model predictive control for urban Traffic network

Traffic cycle times optimization and route control at urban traffic intersections is an important and complex issue in situations where the network is facing uncertainty. In this paper, a new method for obtaining the optimal traffic signal for the urban traffic network is presented which one of the important features of the proposed method is that uncertain traffic demands are taken into account. For this purpose, among all proposed models for the urban traffic network, a model with the uncertainty is selected, and design a robust model predictive control for this. Besides, to overcome the complexity of online computing, multiparametric programming has been used to solve the model offline, and the designed controller has been analyzed using traffic data. The results show that while meeting many of the network needs, the proposed control scheme may reduce the amount of online computing, which makes it possible to use it in real urban traffic networks.