Model predictive control for freeway traffic networks

Abstract

Traffic congestion on freeways is a critical problem due to higher delays, waste of fuel, a higher accident risk probability, negative impact on the environment, etc. Variable speed limits, ramp metering, and reversible lanes are some of the most often used examples of freeway traffic measures that can be used to dynamically control traffic.

Nowadays, most of the dynamic traffic control systems operate according to a linear and local control loop. As explained in the thesis, the use of appropriate non-local and multivariable techniques can considerably improve the reduction in the total time spent by the drivers and other traffic performance indexes. Nonlinear centralized Model Predictive Control (MPC) is probably the best control algorithm choice for a small network as can be seen on previous references.

The main practical problem of nonlinear centralized MPC is that the computational time quickly increases with the size of the network making diffcult to apply centralized MPC for large networks. Therefore, completely centralized control of large networks is viewed by most practitioners as impractical and unrealistic. The main objective of this thesis is the proposal of MPC techniques which can be applied, in practice, to real large traffic networks.

Possible solutions are the use of distributed MPC (considering the network as a set of subsystems controlling each subsystem by one independent MPC), hybrid MPC (splitting the problem in a continuous optimization for the ramp metering signals and in a discrete optimization for speed limits) or genetic algorithms (finding the fittest individuals within a generation, applying genetic operators for the recombination of those individuals, and generating a good offspring). This thesis proposes and analyses these solutions.

Other open problem in freeway traffic control is the dynamic operation of reversible lanes. Despite the long history and widespread use of reversible lanes worldwide, there have been few quantitative evaluations and research studies conducted on their performance. To address this problem, this thesis proposes a macroscopic model for reversible lanes and on-line controllers for the operation of reversible lanes.

Moreover, a MPC controller for freeway traffic requires a model to make accurate and reliable predictions of the traffic flow. On the other hand, this model is required to be fast enough, so that it can be used for on-line based control applications. Therefore, it is imperative to select or develop appropriate models, i.e., models that are fast and that provide accurate predictions. In this thesis, the METANET model and its extensions have been selected to be used for the prediction of the traffic flow and, based on this model, new advances in freeway traffic modeling for optimal control strategies are proposed.

El ahorro de combustible, la mejora de la movilidad de los ciudadanos, la reducción de las emisiones atmosféricas y de los accidentes de tráfico son algunos de los aspectos claves en las políticas gubernamentales en el primer mundo. Durante los últimos años, un gran esfuerzo investigador se ha centrado en resolver, o mitigar, estos problemas. Debido a que la construcción de nuevos ramales viarios (o la ampliación de las ya presentes) no es siempre una opción viable (por razones económicas o técnicas), es necesaria la búsqueda de otras alternativas. Los sistemas de control dinámico de tráfico miden o estiman el estado de la circulación en cada instante y calculan la señal de control que cambia la respuesta del sistema mejorando su funcionamiento. Las señales de control de tráfico más útiles son los “ramps metering'' (o rampas de acceso controlado) y los “límites dinámicos de velocidad'' (VSL) porque son fáciles de implementar, relativamente baratos y suponen una mejora sustancial en el tiempo total de conducción empleado por los conductores (TTS).

En la actualidad, la mayoría de los sistemas de control de tráfico operan usando un control clásico por realimentación, lineal y local. Sin embargo, el uso apropiado de técnicas multivariables y no locales mejorará substancialmente el comportamiento del sistema controlado. El uso de un controlador predictivo basado en modelo (MPC) centralizado es posiblemente la mejor elección para una red de tráfico pequeña. El problema fundamental del MPC centralizado es que el tiempo de computación crece exponencialmente con el tamaño de la red. Por tanto, este tipo de controladores son imposibles de implementar en tiempo real en redes suficientemente grandes.

El principal objetivo de la tesis es diseñar un algoritmo de control que pueda ser calculado en tiempo real en una red viaria de gran escala minimizando, al mismo tiempo, el tiempo total de conducción empleado. Las principales contribuciones al estado del arte pueden enumerarse en:

• La extensión del modelo de tráfico en autovías METANET para permitir el modelado de carriles reversibles. • Un algoritmo de identificación para los parámetros de METANET, especialmente pensado para casos donde solo hay disponible un número limitado de sensores. • El uso de una nueva definición matemática del diagrama fundamental de tráfico. • La primera comparación directa entre los dos modelos macroscópicos de tráfico más comúnmente usados. • El análisis de la robustez de los controladores predictivos aplicados a sistemas de tráfico (con respecto a variaciones de la demanda de tráfico). • La justificación de la necesidad de usar algoritmos de control globales o distribuidos (y no algoritmos locales) en sistemas de control de tráfico. • El uso de dos algoritmos predictivos distribuidos para el control de tráfico en autovías. • El diseño de un método para obtener los valores óptimos de los límites de velocidad considerando la característica discreta de los mismos y otras restricciones prácticas. • El diseño de un controlador MPC discreto para la operación de carriles reversibles. • Un algoritmo lógico fácilmente implementable para la operación de carriles reversibles.