A Decision Support System for Proactive-Robust Traffic Network Management

文章由于引用了很多作者之前的工作，导致看起来比较吃力，很多内容都是说可以参见本人之前的文章，花了3天基本上理解了。

1.文章概述

很多时候制定交通管控策略是基于预测的结果，但是预测结果和真实环境不一定一致，这会导致基于预测结果的管控策略失效或者效果降低。文章目的是提出一种稳健决策策略，在这种稳健决策策略下，预测的偏差对控制策略的效果影响不大。文章提出了基于滚动时域的框架，在滚动时域过程中进行启发式搜索得到最优稳健策略，最优稳健策略的得出又是基于动态交通分配仿真的结果。

2.方法论

2.1 方法论框架和rolling horizon (RH) approach

首先介绍下论文整个方法论框架和rolling horizon (RH) approach，整篇文章都是在这个框架下进行的。
首先整篇论文的系统共有三部分：1.网络状态估计；2.网络状态预测；3.决策模块。rolling时长是l，prediction horizon时长是H，整个论文提出的方法的实际过程是首先在开始时间t，利用估计模块对路网状态进行估计，然后利用决策模块得到最适合当前交通状态的控制策略，在进行决策的同时需要利用预测模块去预测之后的交通状态如何，以便挑选出最为合适的控制策略。需要注意的是这里的预测不是指深度学习之类的预测，而是一种仿真，模拟路网在该种控制策略下会怎样去运行下去。然后每个rolling period进行一次新的控制策略决策。此外，还需要对控制策略进行评价，控制策略评价使用的方式是在每个rolling结束时，回顾过去的horizon（文中是半个小时）的交通状态进行network performance的评价，其实也就是对控制策略决策效果的评价。
需要说明的是评价网络表现时的moving horizon approach和控制策略决策的rolling horizon (RH) approach不是同一个方法。所以他们的rolling period和Horizon是可以不一样的，只是文章中似乎刚好取了一样而已。
关于这个rolling horizon究竟是咋样的也是一个困扰我的地方，我也不确定我这样理解是不是对的，关于实践中究竟是咋样操作的作者讲的也不是很明确，作者说这是一种常用的方法，可是网上查也没个很清晰明确的说法，所以上述的理解也只是我个人理解而已，不是肯定正确的。

2.2 优化目标及方法

优化目标作者选择的是the total travel time for all vehicles existing in the network for any part of their trips during the pre-defined horizon is used as a measure to evaluate the effectiveness of the generated traffic management schemes.
优化方法作者选择的遗传算法。
$D_H^S$为Total Network Demand in operational scenario s and horizon H，计算方式见下式，第一项$q_{ijk}^{\tau }$是在上一个rolling period期间在路网上出来的车，到了这个rolling period，这些车便是开始时便已经存在的经过path k的车辆数，第二项$r_{ij}^{s\tau }$是在roling开始时进行predict得到predict horizon，然后在这个期间得到的需求。

得到需求后便可以按照下图的公式计算 network performance, measured in terms of the total vehicles’ travel time, for operational scenario s and traffic management scheme π can be described as follows。

上式得到的$g_H(pai,s)$便是优化目标中的主要组成成分。
文章最后的优化目标为下式4和5，其中式子4是非稳健决策，也就是目标函数最小，很简单，式子5就是稳健决策，也很容易理解了，其实就是式子4的基础上加了一个方差的惩罚项。


求解部分用到了遗传算法，这里用遗传算法的目的也说一下，因为这也是文章的主要创新之一。作者并不是只优化一种控制方式，而是优化了多种控制方式，包括信号、ramp metering、和路径诱导三种控制方式的结合，所以组合起来求解的空间很大，一般的方式无法求解，所以作者的解决方式是首先预先为每种控制方式设定好预发方案，用遗传算法去求解出最优组合方案。具体的就不介绍了，可以具体去看论文了，包括结论的话我也不是特别关注，所以也没仔细看了，可以看论文了解。

参考文献

[1]K Abdelghany, H Hashemi, ME Khodayar. A Decision Support System for Proactive-Robust Traffic Network Management[J]. IEEE Transactions on Intelligent Transportation Systems, 2018:1-16.