一种基于贝叶斯理论的高速公路主动管控策略仿真优化方法和优化系统

本发明涉及高速公路管控技术，特别是涉及一种基于贝叶斯理论的高速公路主动管控策略仿真优化方法和优化系统。

背景技术：

1、近年来，高速公路车流量呈现不断增大趋势，为交通承载能力和道路管理工作带来了巨大挑战。因此，利用主动式、精细化交通管控技术，提升重点路网路段道路通行能力水平与安全水平，实现常态化大流量形势下的高速公路正常有序通行，以及突发事故场景的疏散救援，在当前极具现实意义。

2、为了节约测试的时间与成本，规避道路实测的危险性，提高测试和优化的效率，数字孪生被广泛应用到智能交通领域，以数字孪生为核心的交通仿真也得以快速发展。基于交通仿真技术可以实现路网搭建与交通流复现，从而模拟不同的主动管控策略对交通流产生的影响，为主动管控策略提供科学的量化依据。

3、为了设计出综合性的主动管控协同优化策略，需要对各种策略方案进行最优化求解分析。目前最优化求解算法可以大致分为基于梯度算法与传统非梯度算法。梯度算法受限于交通问题中由求导带来的巨大计算量，传统非梯度算法依赖于全域的大范围搜索，其效率与准确率较为有限。因此，为了更有效地解决实际交通管控问题，目前亟需一种具有较低计算量、高求解效率和准确率的优化方法。

技术实现思路

1、发明目的：本发明的目的是提供一种基于贝叶斯理论的高速公路主动管控策略仿真优化方法和优化系统，该方法和系统适用于复杂的高速公路交通场景，能够确保提出的主动管控策略在保障交通安全的同时，也提高道路的通行效率，而且具有较低的计算需求。

2、技术方案：为实现上述目的，本发明所述的一种基于贝叶斯理论的高速公路主动管控策略仿真优化方法，包括以下步骤：

3、步骤1：搭建能够模拟真实交通流的sumo仿真环境，以动态模拟高速公路交通主动管控策略；

4、步骤2：建立关于交通网络性能的评价指标，包括运行安全和运行效率；

5、步骤3：构建双层规划模型，其中上层模型以评价指标为优化目标，下层模型基于sumo仿真的平衡交通流，以交通主动管控策略为决策变量，并根据上层模型的优化目标来模拟真实的交通流；

6、步骤4：利用贝叶斯优化方法对双层规划模型中的决策变量进行迭代和优化，以找到最佳决策变量组合，基于该最佳决策变量组合能够获得最优的优化目标。

7、其中，步骤1所述搭建模拟真实交通流的sumo仿真环境的方法为：

8、步骤101：将包含实际道路情况的开源地图数据库导入sumo仿真环境，使用sumo的netedit插件根据实际道路情况对sumo仿真环境中的高速公路路段模型进行本地化调整，以确保该模型与实际道路情况相符；

9、步骤102：对etc、门架系统中的包含车辆信息的数据进行预处理后导入步骤101的sumo仿真环境中；

10、步骤103：在sumo仿真环境中，利用sumo的traci接口动态控制高速公路路段模型的道路属性，以模拟高速公路主动管控策略。

11、其中，步骤102所述预处理的方法为：对etc、门架系统中的数据进行车牌匹配，以还原车辆轨迹，并对存在信息缺失、冗余、错乱的数据进行清洗、填充、集计后转换为sumo仿真环境可识别的车流信息。

12、其中，步骤1所述的交通主动管控策略包括：

13、可变限速：根据交通流量和路况动态调整限速标志，以优化车辆运行速度；

14、匝道控制：通过控制匝道的入口和出口，来调节车辆进入高速公路数量或车辆类型；

15、应急车道控制：通过控制应急车道对车辆的开放，以缓解高峰时段的交通拥堵。

16、其中，步骤2所述的运行安全是指以瞬时速度标准差作为衡量路网稳定性、安全性的指标，标准差数值越小表示高速公路上车辆加减速情况越少，即路网稳定性及安全性越好；运行效率是指以平均行程时间作为衡量路网整体运行效率的指标，平均行程时间数值越小表示高速公路上车辆行驶越通畅。

17、其中，步骤2所述建立关于交通网络性能的评价指标的方法为：在评价交通网络性能时，先对不同量级的指标包括瞬时速度标准差和平均行程时间进行标准化，标准化后的各指标值位于处于设定的数值范围内；再将标准化后的各指标值根据设定的权重进行加权求和，获得综合评价值，以衡量各指标之间的重要性。

18、其中，步骤3所述平衡交通流是指在sumo仿真环境中，为每个车辆设定起终点后，将车辆在路网中进行均匀分配放置；

19、所述的决策变量包括连续变量和离散变量；其中连续变量包括道路限速的设定数值，以调节车辆运行速度，离散变量包括车道的限行规定，即通过匝道应及急车道控制来调节车辆进入高速公路数量或车辆类型。

20、其中，步骤4所述利用贝叶斯优化方法对双层规划模型中的决策变量进行迭代和优化，以找到最佳决策变量组合的方法包括：

21、步骤401：基于高斯过程构建目标函数和约束条件的代理模型，其中目标函数是指双层规划模型中上层模型的优化目标，约束条件是指为双层规划模型中下层模型的决策变量；

22、步骤402：通过贝叶斯优化方法对代理模型进行迭代，以优化下层模型的决策变量，从而寻找到一个或多个决策变量的最优值，以最小化目标函数。

23、其中，步骤401所述代理模型的高斯核函数公式如下：

24、

25、其中，σ和l为超参数，i和j代表不同的采样轮次，xi、xj为采样点，即指代决策变量的点。

26、其中，步骤402所述迭代优化过程具体为：

27、步骤4021：在迭代前，利用拉丁超立方抽样法随机选取若干初始采样点进行多起点搜索，以保证抽样在多元参数分布中近似随机，避免落入局部最小值；

28、步骤4022：利用极大高斯过程的对数边缘似然法，对每一次迭代的最优超参数进行估计，以提高代理模型的预测精度，具体过程为：

29、y|σ,l～n(0,kyy(σ,l))；

30、其中，σ和l为高斯模型超参数；y为函数估计值，即该采样点下的综合评价值，服从均值为0，方差为kyy(σ,l)高斯分布；

31、

32、为协方差矩阵，其中，n代表采样轮次，xn代表第n个采样点；

33、

34、其中，l为极大似然估计值，kyy(σ,l)-1为协方差矩阵的逆矩阵；

35、步骤4023：利用采集函数选取新采样点，采集函数基于置信区间上界算法来选取新采样点xn+1，采集函数基于目标函数的估计值及估计误差，并利用权重超参数βn在估计值和估计误差之间进行平衡，以最小化个采集函数h(x)，从而找到能够提高模型精度和减少优化误差的新采样点：

36、

37、步骤4024：将新采样点xn+1设置于sumo仿真环境中运行仿真，并依据评价指标获得该采样点下的函数估计值，即综合评价值yn+1，基于(xn+1,yn+1)更新代理模型；

38、步骤4025：重复步骤4023、4024，直至迭代到终止条件停止，此时获得最优采样点组成最佳决策变量组合。

39、本发明所述的一种基于贝叶斯理论的高速公路主动管控策略仿真优化系统，包括以下模块：

40、仿真环境搭建模块：用于搭建模拟真实交通流的sumo仿真环境，以动态模拟高速公路交通主动管控策略；

41、评价指标建立模块：用于建立关于交通网络性能的评价指标，包括运行安全和运行效率；

42、双层规划模型构建模块：用于构建双层规划模型，其中上层模型以评价指标为优化目标，下层模型基于sumo仿真的平衡交通流，以交通主动管控策略为决策变量，并根据上层模型的优化目标来模拟真实的交通流；

43、最佳决策变量筛选模块：利用贝叶斯优化方法对双层规划模型中的决策变量进行迭代和优化，以找到最佳决策变量组合，基于该最佳决策变量组合能够获得最优的优化目标。

44、有益效果：本发明具有如下优点：1、本发明通过构建高斯过程代理模型以近似复杂优化问题中目标函数，避免了现有梯度算法直接求导带来的巨大计算量的问题，从而有效处理复杂问题，减少计算量；

45、2、本发明利用贝叶斯优化方法搜索最优主动管控策略，在搜索过程中借助采样函数结合先前的采样结果和问题的先验知识，来指导新的采样点选择，从而在探索和利用之间实现良好的平衡，既能够避免在已经探索过的区域浪费资源，又能确保发现更优的解决方案，从而提升了优化过程的效率和结果的精确度，本发明所述方法和系统适合于解决难以建模、变化复杂或者存在很多未知因素的问题；

46、3、本发明基于sumo仿真环境，针对高速公路场景和主动管控策略，构建了一个标准化框架体系，该体系以安全和效率为双重优化目标，通过贝叶斯优化算法寻找最优解，从而为主动管控策略的定性组合与定量分析提供了依据，该方法确保了所提出的主动管控策略既能确保交通流的安全性，又提升高速公路的通行效率，具备实用性强和高度兼容性的优点，适用于管控复杂的高速公路交通场景。