Verteiltes MPC für große Autobahnnetze unter Verwendung alternierender Optimierung

Das Modellprädiktive Regelungs- (MPC) Konzept hat großes Potenzial für die Regelung von Variablen Geschwindigkeitsbegrenzungen (VSLs) und Rampenbeeinflussungsanlagen (RM) gezeigt. Die Umsetzung in großen Autobahnnetzen bleibt jedoch eine Herausforderung. Ein Hauptgrund ist, dass man bei der Betrachtung der VSLs als diskrete Entscheidungsvariablen ein äußerst schwieriges Mixed Integer Nonlinear Programming (MINLP)-Optimierungsproblem innerhalb jedes Steuerprobenintervalls lösen muss. Folglich lockern viele verwandte Arbeiten die MINLP-Probleme, indem sie die VSLs als kontinuierliche Variablen betrachten. Dieses Papier schlägt zwei neuartige MPC-Algorithmen für die koordinierte Steuerung diskreter VSLs und kontinuierlicher RM-Raten vor, die diese Lockerung nicht vornehmen. Die vorgeschlagenen Algorithmen nutzen eine verteilte Steuerarchitektur und ein alternierendes Optimierungsschema, um die MINLP-Optimierungsprobleme zu lockern, betrachten die VSLs jedoch weiterhin als diskrete Variablen und bieten somit einen Kompromiss zwischen rechnerischer Komplexität und Systemleistung. Die Leistung der vorgeschlagenen Algorithmen wird in einer Fallstudie bewertet. Die Fallstudie zeigt, dass die Lockerung der VSLs zu kontinuierlichen Variablen mit einer verteilten Architektur zu einem signifikanten Leistungsrückgang führt. Darüber hinaus haben beide vorgeschlagenen Algorithmen eine geringere rechnerische Komplexität als der konventionellere zentralisierte Ansatz und schaffen es daher, alle Optimierungsprobleme innerhalb der Probenintervalle zu lösen. Zudem weist einer der vorgeschlagenen Algorithmen eine Systemleistung auf, die bemerkenswert ähnlich der optimalen Leistung des zentralisierten Ansatzes ist.