数据驱动的网联交通信号多智能体自适应协调控制方法

1.本发明涉及路网信号灯控制领域，尤其涉及一种数据驱动的网联交通信号多智能体自适应协调控制的路网信号灯控制方法。


背景技术：

2.随着汽车保有量的持续增加，我国各大城市都出现了过十字路口时车辆拥堵现象，这严重影响了车辆的通行效率、安全性及驾驶体验，通过对交叉口交通信号灯的优化控制可以有效解决该问题，具有十分重要的实践应用意义。先前技术包括：1.定时控制方法：定时控制方法简单，但不能适应交通流的随机变化，当交通状况发生较大变化或发生突发事件时，难以做出及时应对，在实际的交通状况中应用效果不佳。2.感应控制方法：感应控制的局限性在于信号机中没有运算逻辑，而且没有考虑整个交叉口路网状况，缺乏交通控制的整体性和智能化，而实际交通环境复杂多变，外界干扰因素也较多。3.无模型自适应协调控制方法：该算法属于闭环控制且不依赖数学模型的任何信息，绿灯时间调整策略较为保守，但是该控制方法在减少路口排队车辆数、降低车辆延迟时间等方面仍存在改进空间。4.强化学习信号控制：强化学习是复杂城市交通网络中自适应交通信号控制的一种有前景的数据驱动方法，深度神经网络进一步增强了其学习能力。但是该方法没有考虑到邻居路口的状况，不能进行全局优化。5.pid协调控制：pid是工业控制领域应用最广泛的控制方法之一，在智能交通系统领域，pid归类为数据驱动的方法，可以实现路口信号灯的控制。但是在缩小路口排队车辆数、减少车辆排队时间，降低污染物排放量等方面效果不佳。


技术实现要素：

3.针对城市交通信号控制中大型复杂路网环境下多方向变周期排队车辆平衡问题，提出了一种数据驱动的网联交通信号多智能体自适应协调控制方法，通过交通信号机多智能体系统，网联进行排队长度、绿灯时间的数据交互，提供实时在线的交通数据。该方法将汽车排队长度作为参数输入，绿灯时间作为参数输出，实现了通过信号配时对多向交通流的排队均衡控制，大大降低了传统交叉口信号控制中绿时浪费所导致的延误及排队。这种新的控制方法具有三个新的特点：首先，构建了多智能体系统，实现了协调式控制，更适合应用于交通流随机变化的城市路网。其次，仅利用地磁线圈采集到的排队车辆数据对新周期进行实时调控；最后，通过调节算法参数即可适应不同拥堵状态的城市道路交叉口交通流场景；与现有方法相比，本专利的方法具有最优性。
4.为实现上述目的，本发明采用如下技术方案：
5.数据驱动的网联交通信号多智能体自适应协调控制方法，其特征在于，包括以下
步骤：
6.步骤1：设定路网区域；
7.步骤2：对路网各路口信号灯第一周期绿灯时间赋初值并执行；
8.步骤3：路网各路口检测器获取当前周期各相位排队车辆数；
9.步骤4：依据得到的排队车辆数计算出各路口的排队长度均值与各相位排队长度最大值；
10.步骤5：采用自适应协调控制算法动态自适应地调整下一周期各阶段的绿灯时间；
11.步骤6：信号灯周期更新，将上述新计算出的绿灯时间下发给信号机，信号机下发给红绿灯并执行；
12.步骤7:路网各路口检测器获取当前周期各相位排队车辆数；
13.步骤8：依据得到的排队车辆数计算出各路口的排队长度均值与各相位排队长度最大值；
14.步骤9：判断当前周期各路口排队车辆数是否达到均衡，即是否各相位排队车辆数相等，如果排队车辆数达到均衡，则在下一周期仍对信号机下发当前周期各阶段的绿灯时间，否则，对自适应协调控制算法参数进行调整，继续采用该算法动态自适应地调整下一周期各阶段的绿灯时间；
15.步骤10：信号灯周期更新，将上述新计算出的绿灯时间下发给信号机，信号机下发给红绿灯并执行；
16.步骤11：返回步骤7，重复步骤7到步骤10，以达到实时控制路口信号的目的。
17.本技术方案进一步的优化，所述自适应协调控制算法包括信号控制系统建模，
18.对路网排队强度建模，表达式定义为（1）式：
19.ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）
20.其中，下标m=1,2,3,4是路口的四个相位，代表交叉口i第m个方向上第k+1个周期的排队车辆数，代表交叉口i第m个方向上第k个周期的排队车辆数，表示交叉口i的第k个可变周期，表示交叉口i第m个方向第k个周期的车辆到达率，表示交叉口i第m个方向的饱和流量，表示交叉口i的第m个方向第k个周期的绿灯时间,各交叉口绿灯时间和信号灯周期满足如（2）式约束：
21.ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）
22.其中，下标m=1,2,3,4是路口的四个相位，表示交叉口i的第k个可变周期，表示交叉口i第m个方向的绿灯时间，表示在任意路口包括黄灯时间状态在内的总损失时间；
23.定义第i个交叉口在第k个周期的排队强度为（3）式：
24.ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）
25.其中，表示交叉口i在第k个周期第m条入口线处的排队强度，代表交叉
口i第m个方向上第k个周期的排队车辆数，表示交叉口i第m条入口线处的车辆存储容量；
26.（1）式两边同除，则可以得到路网可变周期排队强度模型为（4）式：
27.ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）
28.其中，表示交叉口i在第k+1个周期第m条入口线处的排队强度，表示交叉口i在第k个周期第m条入口线处的排队强度，表示交叉口i的第k个可变周期，表示交叉口i第m个方向第k个周期的车辆到达率，表示交叉口i第m条入口线处的车辆存储容量，表示交叉口i第m个方向的饱和流量，表示交叉口i第m个方向的绿灯时间。
29.为了避免浪费绿灯时间，引入时变控制信号周期和新的绿灯时间约束使得排队强度满足，因此，约束条件下的绿灯时间和信号周期为式（5）（6）:
30.ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）
31.ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（6）
32.其中，代表交叉口i第m个方向上第k个周期在约束条件下的绿灯时间，表示交叉口i第m个方向的绿灯时间，代表交叉口i第m个方向上第k个周期的排队车辆数，表示交叉口i的第k个可变周期，表示交叉口i第m个方向第k个周期的车辆到达率，表示交叉口i第m个方向的饱和流量，为最大绿灯时间，为最小绿灯时间，表示在任意路口包括黄灯时间状态在内的总损失时间。
33.因此，（4）式可改写为式（7）：
34.ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（7）
35.其中，表示交叉口i在第k+1个周期第m条入口线处的排队强度，表示交叉口i在第k个周期第m条入口线处的排队强度，表示交叉口i的第k个可变周期，表示交叉口i第m个方向第k个周期的车辆到达率，表示交叉口i第m个方向的饱和
流量，为约束条件下的绿灯时间，表示路口i第m条入口线处的车辆存储容量，为增加的排队强度，为减少的排队强度。
36.本技术方案进一步的优化，所述协调控制问题如下：
37.当路网各路口排队平衡时，期望排队强度可表示为式（8）:
38.ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（8）
39.其中，为第k+1个周期中四个方向的平均排队强度，为第k个周期中四个方向的平均排队强度，和为第k个信号周期中排队强度的平均增减；n为路口个数，m=4代表路口4个方向，表示交叉口i在第k个周期第m条入口线处的排队强度，表示交叉口i的第k个可变周期，表示路口i第h条入口线处的车辆存储容量，表示交叉口i第h个方向第k个周期的车辆到达率，表示交叉口i第h个方向的饱和流量，为约束下的绿灯时间。
40.将交叉口的各个方向排队强度作为一个智能体，其中也包括相邻交叉口的信息，则交叉口i的第m个方向的协调式一致性协调误差为式（9）：
41.ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（9）
42.其中，代表i路口第m个内部协调方向，代表内部邻接矩阵中的元素，表示单路口信号控制器网络拓扑中的内部协调邻接矩阵，表示交叉口i在第n条入口线处的排队强度,表示交叉口i在第m条入口线处的排队强度,表示交叉口i对于交叉口j的外部协调的第m个方向，代表外部邻接矩阵中的元素，表示单路口信号控制器网络拓扑中的外部协调邻接矩阵，表示交叉口j在第n条入口线处的排队强度,表示交叉口i的m方向的排队强度与期望排队强度之间的连接系数，表示期望排队强度即平均排队强度。
43.定义路网控制器智能体内部协调入度矩阵：定义路网控制器智能体内部协调入度矩阵：，
[0044][0045]
其中，代表i路口第m个内部协调方向，和代表邻接矩阵中的元素，和为邻接矩阵的行和，和为入度矩阵，m=4，c为由实际排队强度与期望排队强度的连接系数构成的对角矩阵，为连接系数。
[0046]
信号控制器网络拓扑中的拉普拉斯矩阵为；
[0047]
协调式一致性协调误差可以进一步写为式（10）：
[0048]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（10）
[0049]
其中，a为单路口信号控制器网络拓扑中的内部协调邻接矩阵，和为入度矩阵，b表示单路口信号控制器网络拓扑中的外部协调邻接矩阵，c为由实际排队强度与期望排队强度的连接系数构成的对角矩阵，为i路口排队强度，为j路口排队强度，表示期望排队强度即平均排队强度。
[0050]
通过拉普拉斯矩阵变形为式（11）：
[0051]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（11）
[0052]
其中，和为拉普拉斯矩阵，为入度矩阵，c为由实际排队强度与期望排队强度的连接系数构成的对角矩阵，为i路口排队强度，为j路口排队强度，表示期望排队强度即平均排队强度。
[0053]
定义并且满足并且满足，那么式（11）可以进一步写为式（12）和式（13）：
[0054]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（12）
[0055]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（13）
[0056]
其中，和为协调式一致性协调误差，和为拉普拉斯矩阵，为入度矩阵，c为由实际排队强度与期望排队强度的连接系数构成的对角矩阵，为i路口排队强度，为j路口排队强度，表示期望排队强度即平均排队强度。
[0057]
未知非线性参数化函数和满足式（14）
[0058]
ꢀꢀꢀꢀ
（14）
[0059]
其中，表示交叉口i的第k个可变周期，表示路口i第m条入口线处的车辆存储容量，表示交叉口i第m个方向第k个周期的车辆到达率，表示交叉口i第h个方向第k个周期的车辆到达率，表示路口i第h条入口线处的车辆存储容量，代表i路口第m个协调方向.
[0060]
结合参数分离技术，式（14）满足以下不等式条件
[0061]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（15）
[0062]
其中，和为未知非线性参数化函数，代表与车辆到达率相关的未知函数，代表交叉口i的第m个方向的协调式一致性协调误差，式代表与信号周期相关的已知函数，且满足，通过式（14），选择，
[0063]
全局路网和期望的排队强度以及一致性协调误差分别描述如下:
[0064]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（16）
[0065]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（17）
[0066]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（18）
[0067]
其中，和分别为k+1时刻与k时刻实际排队强度与期望排队强度的偏差，、为第k个信号周期中排队强度增减的实际值与期望值（平均值）的差，为增加的排队强度，为第k个信号周期中平均增加的排队强度，为减少的排队强度，为第k个信号周期中平均减少的排队强度。
[0068]
考虑多个相邻交叉口的协调式一致性协调误差的最终形式:
[0069]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（19）
[0070]
其中，为协调式一致性协调误差，和为拉普拉斯矩阵，为入度矩阵，c为由实际排队强度与期望排队强度的连接系数构成的对角矩阵，和为k时刻实际排队强度与期望排队强度的偏差，、为第k个信号周期中排队强度增减的实际值与期望值的差。
[0071]
本技术方案进一步的优化，所述控制器设计：
[0072]
考虑到排队模型（7），构造多智能体单交叉口数据驱动排队协调控制策略如下式:
[0073]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（20）
[0074]
其中，表示lyapunov技术设计的任意控制信号，为设定的参数，为协调控制增益，是路口i的第m个方向在第k-1个周期的绿灯时间，
[0075]
考虑到交通路网中基于排队强度系统（7）和（8）的多智能体，协调式自适应协调控制项选取为式（21）：
[0076]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（21）
[0077]
对于区域信号配时的数据驱动的协调式自适应协调控制策略设计如下：
[0078]
ꢀꢀꢀ
（22）
[0079]
参数学习律设计如下式:
[0080]
ꢀꢀꢀ
（23）
[0081]
其中，为路口i的第m个方向在第k个周期的参数学习律，是路口i的第m
个方向在第k个周期的绿灯时间，为协调控制增益，为设定的参数，为路口i的第m个方向在第k-1个周期的绿灯时间，为参数，代表i路口第m个内部协调方向，代表内部邻接矩阵中的元素，代表i路口m方向排队的协调式一致性协调误差,代表i路口n方向排队的协调式一致性协调误差，代表属于j路口对于i路口第m个外部协调方向，代表外部邻接矩阵中的元素，代表j路口n方向排队的协调式一致性协调误差,为i路口的m方向排队和期望排队之间的连接系数，为与信号周期相关的已知参数，n为路网的所有路口，为参数，为参数，为路口i的第m个方向在第k-1个周期的参数学习律。
[0082]
区别于现有技术，上述技术方案具有如下有益效果：
[0083]
1.该方法不需要交通模型信息，仅利用排队车辆数量、绿灯时间等信息即可实现自适应控制。
[0084]
2.相较于其他方法，该方法能有效避免浪费绿灯时间，减少了排队车辆数量，使路口排队长度达到均衡，提高了道路通行效率。
[0085]
3.该方法的汽车尾气排放量少于其他方法，减少了环境污染，促进节能减排。
[0086]
4.该方法的延误时间较少，优于其他方法，可以在很大程度上缓解交通拥堵问题。
[0087]
5.通过调节算法参数即可适应不同拥堵状态的城市道路交叉口交通流场景。
[0088]
6.该方法能够同时考虑到路网结构中自身路口与邻居路口的交通状态信息，可以进行全局优化。
附图说明
[0089][0090]
图1为数据驱动的网联交通信号多智能体自适应协调控制方法流程图；
[0091]
图2为本发明拓扑结构图及其对应的邻接矩阵；
[0092]
图3为本发明实施例的交叉路口场景图；
[0093]
图4为本发明实施例的通行阶段图。
具体实施方式
[0094][0095]
为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。
[0096]
请参阅图1所示，本发明优选一实施例数据驱动的网联交通信号多智能体自适应协调控制方法流程图，包括以下步骤：
[0097]
步骤1：设定路网区域，路网为在一定区域内，由多条道路组成的相互联络、交织成网状分布的道路系统。
[0098]
步骤2：为路网各路口信号灯第一周期各阶段绿灯时间赋值，例如=40s,表示各阶段的绿灯时间都为40s,执行该周期。
[0099]
步骤3：路网各路口检测器获取当前周期各相位（直行和右转视为同一相位）排队
车辆数。
[0100]
步骤4：在第一周期执行完毕后，依据得到的排队车辆数计算出各路口的排队长度均值与各相位排队长度最大值。
[0101]
步骤5：将上一周期的排队车辆数信息作为输入，采用自适应协调控制算法计算出参数学习率，将参数学习率带入中即可求出下一周期各阶段的绿灯时间并输出。
[0102]
自适应协调控制算法如下：
[0103]
步骤5.1：信号控制系统建模：
[0104]
对路网排队强度建模，表达式定义为（1）式：
[0105]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）
[0106]
其中，下标m=1,2,3,4是路口的四个相位，代表交叉口i第m个方向上第k+1个周期的排队车辆数，代表交叉口i第m个方向上第k个周期的排队车辆数，表示交叉口i的第k个可变周期，表示交叉口i第m个方向第k个周期的车辆到达率，表示交叉口i第m个方向的饱和流量，表示交叉口i的第m个方向第k个周期的绿灯时间。
[0107]
各交叉口绿灯时间和信号灯周期满足如（2）式约束：
[0108]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）
[0109]
其中，下标m=1,2,3,4是路口的四个相位，表示交叉口i的第k个可变周期，表示交叉口i第m个方向的绿灯时间，表示在任意路口包括黄灯时间状态在内的总损失时间；
[0110]
第i个交叉口在第k个周期的排队强度为（3）式：
[0111]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）
[0112]
其中，表示交叉口i在第k个周期第m条入口线处的排队强度，代表交叉口i第m个方向上第k个周期的排队车辆数，表示交叉口i第m条入口线处的车辆存储容量；
[0113]
（1）式两边同除，则可以得到路网可变周期排队强度模型为（4）式：
[0114]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）
[0115]
其中，表示交叉口i在第k+1个周期第m条入口线处的排队强度，表示交叉口i在第k个周期第m条入口线处的排队强度，表示交叉口i的第k个可变周期，表示交叉口i第m个方向第k个周期的车辆到达率，表示交叉口i第m条入口线处的车辆存储容量，表示交叉口i第m个方向的饱和流量，表示交叉口i第m个方向的绿灯时间。
[0116]
为了避免浪费绿灯时间，引入时变控制信号周期和新的绿灯时间约束使得排队强度满足，因此，约束条件下的绿灯时间和信号周期为式（5）（6）:
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）
[0117]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（6）
[0118]
其中，代表交叉口i第m个方向上第k个周期在约束条件下的绿灯时间，表示交叉口i第m个方向的绿灯时间，代表交叉口i第m个方向上第k个周期的排队车辆数，表示交叉口i的第k个可变周期，表示交叉口i第m个方向第k个周期的车辆到达率，表示交叉口i第m个方向的饱和流量，为最大绿灯时间，为最小绿灯时间，表示在任意路口包括黄灯时间状态在内的总损失时间。
[0119]
因此，（4）式可改写为式（7）：
[0120]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（7）
[0121]
其中，表示交叉口i在第k+1个周期第m条入口线处的排队强度，表示交叉口i在第k个周期第m条入口线处的排队强度，表示交叉口i的第k个可变周期，表示交叉口i第m个方向第k个周期的车辆到达率，表示交叉口i第m个方向的饱和流量，为约束条件下的绿灯时间，表示路口i第m条入口线处的车辆存储容量，为增加的排队强度，为减少的排队强度。
[0122]
步骤5.2：描述协调控制问题：
[0123]
当路网各路口排队平衡时，期望排队强度可表示为式（8）:
[0124]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（8）
[0125]
其中，为第k+1个周期中四个方向的平均排队强度，为第k个周期中四个方向的平均排队强度，和为第k个信号周期中排队强度的平均增减；n为路口个数，m=4代表路口4个方向，表示交叉口i在第k个周期第m条入口线处的排队强度，表示交叉口i的第k个可变周期，表示路口i第h条入口线处的车辆存储容量，
表示交叉口i第h个方向第k个周期的车辆到达率，表示交叉口i第h个方向的饱和流量，为约束下的绿灯时间。
[0126]
将交叉口的各个方向排队强度作为一个智能体，其中也包括相邻交叉口的信息。则交叉口i的第m个方向的协调式一致性协调误差为式（9）：
[0127]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（9）
[0128]
其中，代表i路口第m个内部协调方向，代表内部邻接矩阵中的元素，表示单路口信号控制器网络拓扑中的内部协调邻接矩阵，表示交叉口i在第n条入口线处的排队强度,表示交叉口i在第m条入口线处的排队强度,表示交叉口i对于交叉口j的外部协调的第m个方向，代表外部邻接矩阵中的元素，表示单路口信号控制器网络拓扑中的外部协调邻接矩阵，表示交叉口j在第n条入口线处的排队强度,表示交叉口i的m方向的排队强度与期望排队强度之间的连接系数，表示期望排队强度即平均排队强度。
[0129]
定义路网控制器智能体内部协调入度矩阵：：,
[0130]
其中，代表i路口第m个内部协调方向，和代表邻接矩阵中的元素，和为邻接矩阵的行和，和为入度矩阵，m=4，c为由实际排队强度与期望排队强度的连接系数构成的对角矩阵，为连接系数
[0131]
信号控制器网络拓扑中的拉普拉斯矩阵为。
[0132]
协调式一致性协调误差可以进一步写为式（10）：
[0133]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（10）
[0134]
其中，a为单路口信号控制器网络拓扑中的内部协调邻接矩阵，和为入度矩阵，b表示单路口信号控制器网络拓扑中的外部协调邻接矩阵，c为由实际排队强度与期望排队强度的连接系数构成的对角矩阵，为i路口排队强度，为j路口排队强度，表示期望排队强度即平均排队强度。
[0135]
通过拉普拉斯矩阵变形为式（11）：
[0136]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（11）
[0137]
其中，和为拉普拉斯矩阵，为入度矩阵，c为由实际排队强度与期望排队强度的连接系数构成的对角矩阵，为i路口排队强度，为j路口排队强度，表示期望排队强度即平均排队强度。
[0138]
定义 并且满足并且满足，那么式（11）可以进一步写为式（12）和式（13）：
[0139]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（12）
[0140]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（13）
[0141]
其中，和为协调式一致性协调误差，和为拉普拉斯矩阵，为入度矩阵，c为由实际排队强度与期望排队强度的连接系数构成的对角矩阵，为i路口排队强度，为j路口排队强度，表示期望排队强度即平均排队强度。
[0142]
未知非线性参数化函数和满足式（14）
[0143]
ꢀꢀꢀꢀꢀꢀ
（14）
[0144]
其中，表示交叉口i的第k个可变周期，表示路口i第m条入口线处的车辆存储容量，表示交叉口i第m个方向第k个周期的车辆到达率，表示交叉口i第h个方向第k个周期的车辆到达率，表示路口i第h条入口线处的车辆存储容量，代表i路口第m个协调方向.
[0145]
结合参数分离技术，式（14）满足以下不等式条件
[0146]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（15）
[0147]
其中，和为未知非线性参数化函数，代表与车辆到达率相关的未知函数，代表交叉口i的第m个方向的协调式一致性协调误差，式代表与信号周期相关的已知函数，且满足，通过式（14），选择，
[0148]
全局路网和期望的排队强度以及一致性协调误差分别描述如下:
[0149]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（16）
[0150]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（17）
[0151]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（18）
[0152]
其中，和分别为k+1时刻与k时刻实际排队强度与期望排队强度的偏差，、为第k个信号周期中排队强度增减的实际值与期望值（平均值）的差，为增加的排队强度，为第k个信号周期中平均增加的排队强度，为减少的排队强度，为第k个信号周期中平均减少的排队强度。
[0153]
考虑多个相邻交叉口的协调式一致性协调误差的最终形式:
[0154]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（19）
[0155]
其中，为协调式一致性协调误差，和为拉普拉斯矩阵，为入度矩阵，c为由实际排队强度与期望排队强度的连接系数构成的对角矩阵，和为k时刻实际排队强度与期望排队强度的偏差，、为第k个信号周期中排队强度增减的实际值与期望值的差。
[0156]
步骤5.3：控制器设计：
[0157]
考虑到排队模型（7），构造多智能体单交叉口数据驱动排队协调控制策略如下式:
[0158]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（20）
[0159]
其中，表示lyapunov技术设计的任意控制信号，为设定的参数，为协调控制增益，是路口i的第m个方向在第k-1个周期的绿灯时间，
[0160]
考虑到交通路网中基于排队强度系统（7）和（8）的多智能体，协调式自适应协调控制项选取为式（21）：
[0161]
ꢀꢀꢀꢀꢀꢀꢀꢀ
（21）
[0162]
对于区域信号配时的数据驱动的协调式自适应协调控制策略设计如下：
[0163]
ꢀꢀ
（22）
[0164]
参数学习律设计如下式:
[0165]
ꢀꢀ
（23）
[0166]
其中，为路口i的第m个方向在第k个周期的参数学习律，是路口i的第m个方向在第k个周期的绿灯时间，为协调控制增益，为设定的参数，为路口i的第m个方向在第k-1个周期的绿灯时间，为参数，代表i路口第m个内部协调方向，代表内部邻接矩阵中的元素，代表i路口m方向排队的协调式一致性协调误差,代表i路口n方向排队的协调式一致性协调误差，代表属于j路口对于i路口第m个外部协调方向，代表外部邻接矩阵中的元素，代表j路口n方向排队的协调式一致性协调误差,为i路口的m方向排队和期望排队之间的连接系数，为与信号周期相关的已知参数，n为路网的所有路口，为参数，为参数，为路口i的第m个方向在第k-1个周期的参数学习律。
[0167]
步骤6：信号灯周期更新，将上述新计算出的绿灯时间下发给信号机，信号机向红绿灯下发新的绿灯时间并执行；
[0168]
步骤7:路网各路口检测器获取当前周期各相位排队车辆数；
[0169]
步骤8：依据得到的排队车辆数计算出各路口的排队长度均值与各相位排队长度最大值；
[0170]
步骤9：判断当前周期各路口排队车辆数是否达到均衡，即是否各相位排队车辆数相等，如果排队车辆数达到均衡，则在下一周期仍对信号机下发当前周期各阶段的绿灯时间，否则，对算法参数进行调整，继续采用自适应协调控制算法计算出参数学习率，将参数学习率带入中计算出下一周期各阶段的绿灯时间；
[0171]
步骤10：信号灯周期更新，将上述新计算出的绿灯时间下发给信号机，信号机向红绿灯下发新的绿灯时间并执行；
[0172]
步骤11：返回第7步，重复第7步到第10步,以达到实时控制路口信号的目的。
[0173]
本发明解决了如下问题：1.不依赖传统的交通流机理建模，仅依据交通系统的排队长度、绿灯时间等i/o数据来进行控制器设计。2.构建了网联交通多智能体系统，通过网络互联，设计协调式的感应控制策略，实现路网各路口间的协调控制效果。3.大大降低了传统交叉口信号控制中绿时浪费所导致的延误及排队。
[0174]
本发明创新点如下：
[0175]
1、传统的控制方法不能适应交通流的随机变化，而本方法仅利用排队长度、绿灯时间等数据就能实现自适应动态调整信号灯绿灯时间，使得各方向排队长度达到均衡。
[0176]
2、传统的控制方法缺乏控制的整体性与智能性，而本方法构建了多智能体系统，通过交通信号机多智能体系统，网联进行排队长度、绿灯时间的数据交互，提供实时在线的交通数据，能够同时考虑到路网结构中自身路口与邻居路口的交通状态信息，实现了协调式控制，兼具整体性与智能性。
[0177]
3、其他方法的信号配时通常是有限的，不能完全兼容欠饱和、临界饱和、过饱和条件，本方法通过引入时变控制信号周期和绿灯时间约束，避免浪费绿灯时间。
[0178]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
或“包含
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的要素。此外，在本文中，“大于”、“小于”、“超过”等理解为不包括本数；“以上”、“以下”、“以内”等理解为包括本数。
[0179]
尽管已经对上述各实施例进行了描述，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改，所以以上所述仅为本发明的实施例，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围之内。

技术特征：
1.数据驱动的网联交通信号多智能体自适应协调控制方法，其特征在于，包括以下步骤：步骤1：设定路网区域；步骤2：对路网各路口信号灯第一周期绿灯时间赋初值并执行；步骤3：路网各路口检测器获取当前周期各相位排队车辆数；步骤4：依据得到的排队车辆数计算出各路口的排队长度均值与各相位排队长度最大值；步骤5：采用自适应协调控制算法动态自适应地调整下一周期各阶段的绿灯时间；步骤6：信号灯周期更新，将上述新计算出的绿灯时间下发给信号机，信号机下发给红绿灯并执行；步骤7:路网各路口检测器获取当前周期各相位排队车辆数；步骤8：依据得到的排队车辆数计算出各路口的排队长度均值与各相位排队长度最大值；步骤9：判断当前周期各路口排队车辆数是否达到均衡，即是否各相位排队车辆数相等，如果排队车辆数达到均衡，则在下一周期仍对信号机下发当前周期各阶段的绿灯时间，否则，对自适应协调控制算法参数进行调整，继续采用该算法动态自适应地调整下一周期各阶段的绿灯时间；步骤10：信号灯周期更新，将上述新计算出的绿灯时间下发给信号机，信号机下发给红绿灯并执行；步骤11：返回步骤7，重复步骤7到步骤10，以达到实时控制路口信号的目的。2.如权利要求1所述的数据驱动的网联交通信号多智能体自适应协调控制方法，其特征在于，所述自适应协调控制算法包括信号控制系统建模，对路网排队强度建模，表达式定义为（1）式：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）其中，下标m=1,2,3,4是路口的四个相位，代表交叉口i第m个方向上第k+1个周期的排队车辆数，代表交叉口i第m个方向上第k个周期的排队车辆数，表示交叉口i的第k个可变周期，表示交叉口i第m个方向第k个周期的车辆到达率，表示交叉口i第m个方向的饱和流量，表示交叉口i的第m个方向第k个周期的绿灯时间,各交叉口绿灯时间和信号灯周期满足如（2）式约束：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）其中，下标m=1,2,3,4是路口的四个相位，表示交叉口i的第k个可变周期，表示交叉口i第m个方向的绿灯时间，表示在任意路口包括黄灯时间状态在内的总损失时间；定义第i个交叉口在第k个周期的排队强度为（3）式：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）其中，表示交叉口i在第k个周期第m条入口线处的排队强度，代表交叉口i第m个方向上第k个周期的排队车辆数，表示交叉口i第m条入口线处的车辆存储容量；（1）式两边同除，则可以得到路网可变周期排队强度模型为（4）式：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）其中，表示交叉口i在第k+1个周期第m条入口线处的排队强度，表示交叉口i在第k个周期第m条入口线处的排队强度，表示交叉口i的第k个可变周期，表示交叉口i第m个方向第k个周期的车辆到达率，表示交叉口i第m条入口线处的车辆存储容量，表示交叉口i第m个方向的饱和流量，表示交叉口i第m个方向的绿灯时间；为了避免浪费绿灯时间，引入时变控制信号周期和新的绿灯时间约束使得排队强度满足，因此，约束条件下的绿灯时间和信号周期为式（5）（6）:
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（6）其中，代表交叉口i第m个方向上第k个周期在约束条件下的绿灯时间，表示交叉口i第m个方向的绿灯时间，代表交叉口i第m个方向上第k个周期的排队车辆数，表示交叉口i的第k个可变周期，表示交叉口i第m个方向第k个周期的车辆到达率，表示交叉口i第m个方向的饱和流量，为最大绿灯时间，为最小绿灯时间，表示在任意路口包括黄灯时间状态在内的总损失时间；因此，（4）式可改写为式（7）：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（7）其中，表示交叉口i在第k+1个周期第m条入口线处的排队强度，表示交叉口i在第k个周期第m条入口线处的排队强度，表示交叉口i的第k个可变周期，表示交叉口i第m个方向第k个周期的车辆到达率，表示交叉口i第m个方向的饱和流量，
为约束条件下的绿灯时间，表示路口i第m条入口线处的车辆存储容量，为增加的排队强度，为减少排队强度。3.如权利要求2所述的数据驱动的网联交通信号多智能体自适应协调控制方法，其特征在于，所述协调控制问题如下：当路网各路口排队平衡时，期望排队强度可表示为式（8）:
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（8）其中，为第k+1个周期中四个方向的平均排队强度，为第k个周期中四个方向的平均排队强度，和为第k个信号周期中排队强度的平均增减；n为路口个数，m=4代表路口4个方向，表示交叉口i在第k个周期第m条入口线处的排队强度，表示交叉口i的第k个可变周期，表示路口i第h条入口线处的车辆存储容量，表示交叉口i第h个方向第k个周期的车辆到达率，表示交叉口i第h个方向的饱和流量，为约束下的绿灯时间；将交叉口的各个方向排队强度作为一个智能体，其中也包括相邻交叉口的信息，则交叉口i的第m个方向的协调式一致性协调误差为式（9）：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（9）其中，代表i路口第m个内部协调方向，代表内部邻接矩阵中的元素，表示单路口信号控制器网络拓扑中的内部协调邻接矩阵，表示交叉口i在第n条入口线处的排队强度,表示交叉口i在第m条入口线处的排队强度,表示交叉口i对于交叉口j的外部协调的第m个方向，代表外部邻接矩阵中的元素，表示单路口信号控制器网络拓扑中的外部协调邻接矩阵，表示交叉口j在第n条入口线处的排队强度,表示交叉口i的m方向的排队强度与期望排队强度之间的连接系数，表示期望排队强度即平均排队强度；定义路网控制器智能体内部协调入度矩阵：定义路网控制器智能体内部协调入度矩阵：,其中，代表i路口第m个内部协调方向，和代表邻接矩阵中的元素，和为邻接矩阵的行和，和为入度矩阵，m=4，c为由实际排队强度与期望排队强度的连接系数构
成的对角矩阵，为连接系数；信号控制器网络拓扑中的拉普拉斯矩阵为；协调式一致性协调误差可以进一步写为式（10）：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（10）其中，a为单路口信号控制器网络拓扑中的内部协调邻接矩阵，和为入度矩阵，b表示单路口信号控制器网络拓扑中的外部协调邻接矩阵，c为由实际排队强度与期望排队强度的连接系数构成的对角矩阵，为i路口排队强度，为j路口排队强度，表示期望排队强度即平均排队强度；通过拉普拉斯矩阵变形为式（11）：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（11）其中，和为拉普拉斯矩阵，为入度矩阵，c为由实际排队强度与期望排队强度的连接系数构成的对角矩阵，为i路口排队强度，为j路口排队强度，表示期望排队强度即平均排队强度；定义并且满足并且满足，那么式（11）可以进一步写为式（12）和式（13）：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（12）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（13）其中，和为协调式一致性协调误差，和为拉普拉斯矩阵，为入度矩阵，c为由实际排队强度与期望排队强度的连接系数构成的对角矩阵，为i路口排队强度，为j路口排队强度，表示期望排队强度即平均排队强度；未知非线性参数化函数和满足式（14）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（14）其中，表示交叉口i的第k个可变周期，表示路口i第m条入口线处的车辆存储容量，表示交叉口i第m个方向第k个周期的车辆到达率，表示交叉口i第h个方向第k个周期的车辆到达率，表示路口i第h条入口线处的车辆存储容量，代表i路口第m个协调方向.结合参数分离技术，式（14）满足以下不等式条件
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（15）其中，和为未知非线性参数化函数，代表与车辆到达率相关的未知函数，代表交叉口i的第m个方向的协调式一致性协调误差，式代表与信号周期相关的已知函数，且满足，通过式（14），选择，
全局路网和期望的排队强度以及一致性协调误差分别描述如下:
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（16）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（17）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（18）其中，和分别为k+1时刻与k时刻实际排队强度与期望排队强度的偏差，、为第k个信号周期中排队强度增减的实际值与期望值（平均值）的差，为增加的排队强度，为第k个信号周期中平均增加的排队强度，为减少的排队强度，为第k个信号周期中平均减少的排队强度，考虑多个相邻交叉口的协调式一致性协调误差的最终形式为:
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（19）其中，为协调式一致性协调误差，和为拉普拉斯矩阵，为入度矩阵，c为由实际排队强度与期望排队强度的连接系数构成的对角矩阵，和为k时刻实际排队强度与期望排队强度的偏差，、为第k个信号周期中排队强度增减的实际值与期望值的差。4.如权利要求3所述的数据驱动的网联交通信号多智能体自适应协调控制方法，其特征在于，所述控制器设计：考虑到排队模型（7），构造多智能体单交叉口数据驱动排队协调控制策略如下式:
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（20）其中，表示lyapunov技术设计的任意控制信号，为设定的参数，为协调控制增益，是路口i的第m个方向在第k-1个周期的绿灯时间，考虑到交通路网中基于排队强度系统（7）和（8）的多智能体，协调式自适应协调控制项选取为式（21）：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（21）对于区域信号配时的数据驱动的协调式自适应协调控制策略设计如下：
ꢀꢀꢀꢀꢀ
（22）参数学习律设计如下式:
ꢀꢀꢀꢀꢀ
（23）其中，为路口i的第m个方向在第k个周期的参数学习律，是路口i的第m个方向在第k个周期的绿灯时间，为协调控制增益，为设定的参数，为路口i的第m个方向在第k-1个周期的绿灯时间，为参数，代表i路口第m个内部协调方向，代表内部邻接矩阵中的元素，代表i路口m方向排队的协调式一致性协调误差,代表i路口n方向排队的协调式一致性协调误差，代表属于j路口对于i路口第m个外部协调方向，代表外部邻接矩阵中的元素，代表j路口n方向排队的协调式一致性协调误差,为i路口的m方向排队和期望排队之间的连接系数，为与信号周期相关的已知参数，n为路网的所有路口，为参数，为参数，为路口i的第m个方向在第k-1个周期的参数学习律。

技术总结
本发明涉及路网信号灯控制领域，尤其涉及一种数据驱动的网联交通信号多智能体自适应协调控制方法。该方法通过交通信号机多智能体系统，网联进行排队长度、绿灯时间的数据交互，提供实时在线的交通数据。该方法将汽车排队长度作为参数输入，绿灯时间作为参数输出，实现了通过信号配时对多向交通流的排队均衡控制，大大降低了传统交叉口信号控制中绿时浪费所导致的延误及排队。导致的延误及排队。导致的延误及排队。


技术研发人员：吉鸿海 王力 刘世达 何忠贺 尹虎 喇孝燕
受保护的技术使用者：北方工业大学
技术研发日：2023.05.30
技术公布日：2023/7/12