Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东大学朱文兴获国家专利权

山东大学朱文兴获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉山东大学申请的专利基于双层架构的多交通子区分布式协同优化方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119889061B

龙图腾网通过国家知识产权局官网在2025-09-02发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510062179.1,技术领域涉及:G08G1/08;该发明授权基于双层架构的多交通子区分布式协同优化方法及系统是由朱文兴;张韬设计研发完成,并于2025-01-15向国家知识产权局提交的专利申请。

基于双层架构的多交通子区分布式协同优化方法及系统在说明书摘要公布了:本公开提供了基于双层架构的多交通子区分布式协同优化方法及系统,涉及交通控制及自动控制技术领域,包括:利用路网模型构建有权有向图,将有权有向图划分为若干个交通子区;基于各个交通子区的宏观基本图,构建上层的多子区协同优化模型,得到协同控制下各个交通子区的最优累计车辆数;将各个交通子区的最优累计车辆数,作为下层单子区优化控制模型的约束,对交通子区内部每个交叉口配时进行优化,得到受控路网的最优配时方案;本发明考虑各子区自身和路网整体通行效率、子区间流量分配均衡,基于双层级联架构,上层求得各子区在协同控制下的最优累计车辆数,通过子区边界控制,与下层对子区内部各交叉口情况进行级联并不断更新参数,进行多子区协同优化。

本发明授权基于双层架构的多交通子区分布式协同优化方法及系统在权利要求书中公布了:1.基于双层架构的多交通子区分布式协同优化方法,其特征在于,包括: 根据受控路网的拓扑结构和采集的车流数据,建立路网模型,并通过仿真完善路网模型中的车流数据; 利用路网模型构建有权有向图,通过对有权有向图的区域划分,得到若干个交通子区,并绘制各个交通子区的宏观基本图; 基于各个交通子区的宏观基本图,将路网优化问题分解为多个子区协同优化问题,构建上层的多子区协同优化模型,并采用分布式优化算法求解全局最优解,得到协同控制下各个交通子区的最优累计车辆数; 协同控制以路网整体通行效率最大为目标,同时考虑各交通子区间通行成本及各交通子区大小、容量差异导致各子区之间车流不对称平衡问题;通过行程完成流与最大行程完成流之间的差值的平方反映通行状态优劣,优化目标:;其中,表示子区集,表示最优累计车辆数,表示子区在最优累计车辆数下的行程完成流,表示当前时刻,子区车辆累计数为时的行程完成流; 将子区间连接路段上的相对路阻作为优化目标,路阻通过路段上的通行成本表示,优化目标:;其中,表示上游子区到下游子区的连接路段,为自由流阶段通过路段的通行时间,则为饱和时刻的通行时间,为路段上的车流量,为路段的通行能力,与是影响路阻的经验参数; 通过最小化耦合子区间的相对交通压力减小子区间的不均衡度,子区车辆均衡优化目标:;其中,为子区当前车辆数,表示子区最大承载车辆数; 给定约束条件; 其中,为子区当前累计车辆数,表示子区当前累计车辆数中目的地在子区内部的部分,表示子区当前累计车辆数中向子区的部分,表示路网容量,表示子区的可容纳最大车辆数,表示连接上游子区和下游子区的一条路段,表示路段的通行能力; 将各个交通子区的最优累计车辆数,作为下层单子区优化控制模型的约束,对交通子区内部每个交叉口配时进行优化,得到受控路网的最优配时方案; 所述单子区优化控制模型,利用反馈控制器进行边界控制维持各个交通子区协同控制下的最优累计车辆数;上层多子区协同控制模型的最优解作为下层子区内信号配时优化模型的联结约束,利用反馈控制器进行边界控制维持各子区协同控制下的最优车辆数,设定路网最大调控时间,一旦超过路网最大调控时间则需重新进入子区优化阶段;利用子区边界交叉口进入和驶离流量以及多子区边界交通流模型计算最优累计车辆数和下个采样周期子区实际累计车辆数的偏差,并作为反馈控制器的输入,分配边界交叉口的绿信比;在边界控制维持最优子区累计车辆数的约束下,以延误时间、排队长度为优化目标,在分布式优化算法框架下优化各交叉口信号配时。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人山东大学,其通讯地址为:250061 山东省济南市历下区经十路17923号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。