عنوان پایان‌نامه
کنترل جریان ترافیک در شبکه حمل و نقل با استفاده از کنترل پیش بین
- رشته تحصیلی
- مهندسی برق-کنترل
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2240;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 58235
- تاریخ دفاع
- ۱۱ خرداد ۱۳۹۲
- دانشجو
- محمدرضا سعیدمنش
- استاد راهنما
- اشکان رحیمی کیان
- چکیده
- امروزه افزایش چشم گیر تقاضا برای حمل و نقل در مسیرهای درون شهری باعث ایجاد ازدحام و ترافیک در سطح شهر ها شده است. از این رو ارائه راه حل های کوتاه مدت برای حل مشکل ضروری به نظر می رسد. اگرچه وجود جریان منقطع، دینامیک حرکتی پیچیده و غیرخطی، تاخیر حرکتی متغیر و تنوع مسیرها از یک سو و شرایط مختلف ترافیکی مانند حالت زیر اشباع، اشباع و فوق اشباع ترافیکی از سوی دیگر مدل سازی برای شبکه های شهری را به چالشی بزرگ مبدل ساخته است، اما روش های کنترلی بدون مدل به دلیل عدم توانایی در پیش بینی شرایط ترافیکی در افق های زمانی دور و دشواری در انتخاب وضعیت های حالت عملکرد مناسبی از خود نشان نمی دهند . لذا استفاده از روش کنترلی مبنتی بر مدل که توانایی پیش بینی شرایط ترافیکی را داشته و همچنین توانایی انطباق با شرایط ترافیکی فعلی را داشته باشد، امری ضروری به نظر می رسد. در این پایان نامه پس از مرور مقدمات سیستم های حمل و نقل، به ارائه مدلی جدید (مدل سلولی) برای شبکه های ترافیکی شهری پرداخته شده که ضعف مدل‌های دیگر در شرایط فوق‌اشباع را نداشته و کارایی در ساختارهای مختلف را داشته باشند. توانایی عملکرد این مدل در شرایط ترافیکی گوناگون توسط نرم افزار شبیه ساز AIMSUN در مقایسه با دو مدل مورد استفاده دیگر مورد بررسی قرار گرفته است. نتایج شبیه‌سازی‌ها حاکی از برتری مدل ارائه شده نسبت به مدل‌های قبلی است. مدل ارائه شده در این پایان نامه به عنوان مدل در کنترل کننده پیش بین مورد استفاده قرار گرفته و در شرایط ترافیکی گوناگون عملکرد این کنترل کننده با کنترل کننده سازگار با جم ترافیک مقایسه گردیده است. ابتدا عملکرد کنترل کننده پیش بین طراحی شده، در تقاطع‌های ایزوله برای حالت هایی که اغتشاشات قابل پیش بینی و غیرقابل پیش بینی باشند، بررسی شده است و سپس به بررسی عملکرد کنترل کننده برای شریانی متشکل از چندین تقاطع در ساعات پرحجم و کم حجم ترافیکی پرداخته شده است. شبیه‌سازی‌های انجام شده نشان دهنده برتری کنترل کننده پیش بین مبتنی بر مدل سلولی ارائه شده نسبت به کنترل کننده سازگار با حجم ترافیک و کنترل کننده پیش بین مبتنی بر مدل های قبلی است.
- Abstract
- Nowadays, the increasing demand for transportation in urban areas has made the congestion in traffic networks. Consequently, seeking for short-time solutions seems necessary. Interrupted flow, nonlinear and complex dynamic, variable time delay, and different traffic conditions (under-saturated, saturated, and over-saturated) are the main hindrances to model the urban traffic networks; however, lack of the ability of prediction and the problem with selecting proper states decrease the efficiency of non-model based methods that have been utilized to enhance performance of the urban traffic networks. As a consequence, using model-based control methods which can predict the future of the traffic behavior and adapt to current traffic states seems crucial. Model Predictive Control (MPC) is used as a controller in this research as it has the good performance in confrontation with uncertain traffic system information and noisy measurements. In this research, after reviewing the preliminary concepts of transportation systems, a new model (Cell Model) for urban traffic networks is proposed that resolve the previous problems such as making some unreasonable assumptions and having low accuracies in describing the over-saturated conditions. The performance of this model is compared with two highly used models in AIMSUN software under different conditions. The results of the simulation show the superiority of the proposed model over two other models. The proposed model has been used in model predictive control in order to predict future dynamic of urban traffic network. Afterwards, in order to evaluate the performance of controllers, a comparison is made between MPC and actuated controller. The comparison is made in both isolated intersections and arterials in both predictable and unpredictable disturbances. The results show the superiority of model predictive controller based on cell model in comparison to actuated controller and model predictive controller based on previous models.
