[論文レビュー] Online set-point estimation for feedback-based traffic control applications

Farzam Tajdari, Claudio Roncoli|arXiv (Cornell University)|Jul 27, 2022

Traffic control and management被引用数 6

ひとこと要約

本稿では、未知で変化する基本図（FD）に起因するボトルneckのスループットを最大化するため、フィードバックベースの自動車専用道路の発進制御において、時間変動する臨界密度（設定値）をオンラインで追跡する、モデル参照適応制御（MRAC）に基づく推定器を提案する。この手法は、ラプラス解析を用いてグローバル漸近的安定性を保証し、シミュレーションにおいても高いロバスト性を示し、初期推定値が著しく不正確であっても、最大で3.5％の旅行時間スコア（TTS）の向上を達成する。

ABSTRACT

This paper deals with traffic control at motorway bottlenecks assuming the existence of an unknown, time-varying, Fundamental Diagram (FD). The FD may change over time due to different traffic compositions, e.g., light and heavy vehicles, as well as in the presence of connected and automated vehicles equipped with different technologies at varying penetration rates, leading to inconstant and uncertain driving characteristics. A novel methodology, based on Model Reference Adaptive Control, is proposed to robustly estimate in real-time the time-varying set-points that maximise the bottleneck throughput, particularly useful when the traffic is regulated via a feedback-based controller. Furthermore, we demonstrate the global asymptotic stability of the proposed controller through a Lyapunov analysis. The effectiveness of the proposed approach is evaluated via simulation experiments, where the estimator is integrated into a feedback ramp-metering control strategy, employing a second-order multi-lane macroscopic traffic flow model, modified to account for time-varying FDs.

研究の動機と目的

• 自動車専用道路のボトルneck制御において、未知で時間変動する基本図（FD）がスループットと遅延に与える影響を解消する。
• 最適な発進制御のため、時間変動する臨界密度を動的に追跡するオンラインで適応可能な設定値推定器を開発する。
• 時間変動する交通状況下でも、ラプラス解析を用いて推定プロセスのグローバル漸近的安定性を保証する。
• 初期推定値のばらつきやパラメータ感度にさらされる現実的なシミュレーションシナリオにおいて、推定器のロバスト性と性能を評価する。
• 時間変動する交通構成とコネクテッドビークルの浸透率に応じて、旅行遅延を低減する点で、固定設定値制御戦略に比して優位性を示すことを実証する。

提案手法

• リアルタイムの局所的交通測定値（密度とフロー）を用いて、時間変動する臨界密度の設定値を推定するために、モデル参照適応制御（MRAC）を採用する。
• パラメータ推定プロセスのグローバル漸近的安定性を数学的に証明するために、ラプラス関数を用いる。
• 適応推定器をALINEA発進制御器に統合し、時間変動するFDを有する修正された2次元多路線マクロスコピックMETANETモデルを用いる。
• 推定器のパラメータ収束性と安定性を向上させるために、最小二乗法を適用する。
• 推定速度と追跡精度を最適化するために、参照モデルパラメータ $K_r$ と $C_r$ を調整し、最適値は $K_r=10$, $C_r=2$ の範囲で特定された。
• 初期設定値のばらつきやパラメータ感度にさらされる広範なシミュレーション実験を通じて、手法の有効性を検証する。

実験結果

リサーチクエスチョン

• RQ1 未知で時間変動する基本図（FD）のもとで、オンラインで適応可能な推定器が、自動車専用道路のボトルneckにおける時間変動する臨界密度を信頼性高く追跡できるか？
• RQ2 提案されたMRACに基づく推定器が、動的交通状況下でもグローバル漸近的安定性を保証するか？
• RQ3 初期推定値が著しく不正確な場合、推定器の性能はどの程度か？
• RQ4 推定器の性能が、参照モデルパラメータ $K_r$ と $C_r$ の選定にどれほど感度を示すか？
• RQ5 固定設定値制御戦略に比べて、適応的推定器が交通性能をどの程度向上させるか？

主な発見

• ラプラス解析により、グローバル漸近的安定性が保証され、初期条件にかかわらず真の臨界密度に収束することが確認された。
• 真の臨界密度（33 veh/km）から20または40 veh/kmも離れた初期推定値であっても、推定器は約25分で正しい値に収束した。
• 適応的推定器を備えた制御器は、制御なしのケースに比べ、旅行時間スコア（TTS）を最大3.5％向上させ、固定設定値Alineaを上回る性能を示した。
• パラメータ変動に対してもロバストであり、$K_r$ と $C_r$ の広い範囲でTTS向上が得られ、ピークは $1 \leq K_r \leq 20$, $1 \leq C_r \leq 9$ の範囲で観察された。
• 最大流出量（$q^\star$）はリアルタイムで正確に推定され、収束段階で真値と一致し、有効なスループット最大化が実現されたことを確認した。
• 感度解析により、実用的な範囲内では推定器の性能がパラメータ選定にあまり敏感でないことが確認され、実用的導入の可能性が高まった。