Distributed MPC-based Coordination of Traffic Perimeter and Signal Control: A Lexicographic Optimization Approach
作者: Viet Hoang Pham, Hyo-Sung Ahn
分类: eess.SY
发布日期: 2025-10-05
💡 一句话要点
提出基于分布式MPC的交通周界与信号协同控制方法，缓解城市交通拥堵。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 交通控制 模型预测控制 分布式优化 ADMM算法 城市交通网络 周界控制 信号控制
📋 核心要点
- 现有交通控制方法难以兼顾城市交通网络整体效率与局部路口优化，易导致拥堵。
- 采用词典式多目标优化，优先控制边界流量，再优化内部信号，兼顾全局与局部。
- 利用分布式MPC与ADMM算法，将复杂问题分解为多个子问题，降低计算复杂度。
📝 摘要（中文）
本文提出了一种综合策略，将交通周界控制与交通信号控制相结合，以缓解城市交通网络（UTN）中的拥堵。该策略被形式化为一个词典式多目标优化问题，首先调节边界路口的交通流入量，以最大化通行能力，同时确保UTN的平稳运行。在此之后，协同优化内部路口的信号配时，以改善受控流入下的整体交通状况。采用模型预测控制（MPC）方法，确保控制方案符合网络内的安全和通行能力约束。为了解决问题的计算复杂性，UTN被划分为子网络，每个子网络由一个本地代理管理。采用基于交替方向乘子法（ADMM）的分布式求解方法，允许每个代理使用来自其子网络和相邻代理的本地信息来确定其最佳控制决策。使用VISSIM和MATLAB的数值模拟证明了所提出的交通控制策略的有效性。
🔬 方法详解
问题定义：城市交通网络拥堵问题，现有方法难以在保证网络整体通行能力的前提下，有效优化各个路口的交通信号配时，容易出现瓶颈路段和交通流不均衡的现象。传统的集中式控制方法计算复杂度高，难以应用于大规模交通网络。
核心思路：采用分层控制策略，首先通过周界控制调节进入网络的总流量，避免网络过饱和；然后，在周界控制的基础上，优化内部路口的信号配时，提高路口通行效率。使用词典式优化方法，保证周界控制的优先级，确保网络整体稳定。
技术框架：整体框架包含两个主要阶段：1) 周界控制阶段：利用MPC控制边界路口的流量，目标是最大化网络通行能力，同时避免拥堵。2) 信号控制阶段：在周界控制提供的流量约束下，优化内部路口的信号配时，目标是最小化车辆延误。整个城市交通网络被划分为多个子网络，每个子网络由一个本地代理管理。
关键创新：1) 词典式多目标优化：将周界控制和信号控制问题分解为两个优先级不同的优化目标，保证了控制策略的有效性和稳定性。2) 分布式MPC与ADMM算法：将大规模优化问题分解为多个小规模子问题，降低了计算复杂度，提高了控制系统的可扩展性。
关键设计：1) MPC模型：采用宏观交通流模型（如LWR模型）预测交通状态，并根据预测结果调整控制策略。2) ADMM算法：设计合适的增广拉格朗日函数，保证算法的收敛性。3) 目标函数：周界控制的目标函数通常包含最大化网络通行能力和最小化拥堵两个方面；信号控制的目标函数通常是最小化车辆延误和停车次数。
🖼️ 关键图片
📊 实验亮点
论文通过VISSIM和MATLAB联合仿真，验证了所提出策略的有效性。仿真结果表明，该方法能够有效降低城市交通网络的拥堵程度，提高车辆通行效率。具体性能提升数据未知，但仿真结果明确展示了该策略在实际应用中的潜力。
🎯 应用场景
该研究成果可应用于城市智能交通管理系统，通过优化交通流量和信号配时，有效缓解交通拥堵，提高道路利用率，减少车辆尾气排放，提升城市居民的出行体验。该方法尤其适用于大规模城市交通网络，具有良好的可扩展性和鲁棒性。
📄 摘要（原文）
This paper introduces a comprehensive strategy that integrates traffic perimeter control with traffic signal control to alleviate congestion in an urban traffic network (UTN). The strategy is formulated as a lexicographic multi-objective optimization problem, starting with the regulation of traffic inflows at boundary junctions to maximize the capacity while ensuring a smooth operation of the UTN. Following this, the signal timings at internal junctions are collaboratively optimized to enhance overall traffic conditions under the regulated inflows. The use of a model predictive control (MPC) approach ensures that the control solution adheres to safety and capacity constraints within the network. To address the computational complexity of the problem, the UTN is divided into subnetworks, each managed by a local agent. A distributed solution method based on the alternating direction method of multipliers (ADMM) algorithm is employed, allowing each agent to determine its optimal control decisions using local information from its subnetwork and neighboring agents. Numerical simulations using VISSIM and MATLAB demonstrate the effectiveness of the proposed traffic control strategy.