文献综述（或调研报告）：
本研究是在高速公路卡口信息与手机信令信息等数据分析推算的高速公路OD需求基础上进行的，所以明确其输出OD数据形式、内容及范围非常必要。早在2015年，沈潋、姜新农、 周一[1] 提出了基于车牌识别与基于浮动车识别的高速路段拥堵识别方法，并分析了二者的优劣，同时介绍了手机信令采集交通数据的基本原理与其应用，明确了该技术在成渝高速的应用方案，手机信令数据在交通领域的关注和应用逐渐强化。
陆俊贤[2]在浙江省交通运输厅搭建了一套“基于手机与流量数据的高速公路收费口流量预警支撑系统”，系统将基于手机大数据生成的实时车速数据和实时收费站入口数据相融合，研发了收费口与瓶颈路段流量预警算法以及历史参数训练模型，实现了收费口与瓶颈拥堵路段的关联，当收费口流量超过瓶颈拥堵路段流量阈值时，输出收费口流量预警信息。其通过数据融合与训练，生成收费站入口流量占比表、OD路径表、收费站OD流量比例表，并完成了路段通行能力标定，系统OD分析与预测具有很好的准确性。虽然完成了对拥堵路段预警，但未从交通流与协同控制角度进一步体现系统结果的价值。
通过以上文献，本研究可以有充分依据在模型中认定OD数据表的完整性与可靠性，依托系统[2]OD数据，在协同控制策略中进一步实现数据价值，探究系统路段容量标定的合理性，必要情况下可采用其标定路段容量，确保了研究的实用价值。
高速瓶颈路段通行能力陡降的现象是本研究解决的重点问题，防止瓶颈区经过通行能力陡降进入拥挤流、保证高速路网始终保持最优状态运行，以提供最大系统效能疏解大流量需求是本研究重要理论依据。所以，明确通行能力陡降的机理，对于本研究理论架构具有重要意义。通行能力陡降（capacity drop）概念是由Hall，Agyemang-Duah[3]所提出，文献[3]阐述了瓶颈路段上游排队致使瓶颈路段通过的交通流量下降这一现象的基本原理。Koohong Chung[4]等进一步对通行能力下降现象进行了研究，认为“容量下降”与在每个瓶颈附近的某些超长高速公路段上测量的交通流密度有关，密度的显着增加总是在容量下降之前，该现象是可再现的、有规律的。并由此提出控制密度的交通响应方案来增加瓶颈通过交通量。Treiber M , Kesting A , Helbing D[5]研究了跟驰模型中车头时距的适应性随局部方差的变化，在拥挤流状态下，时间间隔分布的模态值约为非拥挤状态下的2倍，这从微观交通流的角度解释了宏观通行能力陡降现象。田钧方[6] 在格子流体力学和元胞自动机两类离散模型的基础上，通过理论分析和数值模拟研究了交通流的各种非线性现象。已有研究通常认为瓶颈路段及上游的拥挤会使瓶颈路段通行能力下降5——20%[7]，对于通行能力陡降现象机理阐述较为充分，为本研究奠定了良好的理论基础。
目前，对于高速瓶颈路段通行能力限制，通常采用匝道控制、可变限速控制，或两者相结合的控制策略。匝道控制（RM）是美国加利福尼亚州高速公路交通的最广泛实施的策略[7]。其可以直接控制进入高速公路（需求）的流量和紧邻下游的平均密度，从而间接影响上游的交通状况。 Bogenberger和May[8]以及Zhang[9]等人对几种RM策略进行了评估和比较。Scariza评估了四种控制方法：ALINEA； ALINEA / Q具有入口匝道队列处理；FLOW，一种试图将流量保持在预定义的瓶颈容量之下的协调算法；协调关联算法，以优化线性的二次函数作为目标函数的算法[10]。其中最重要的结论是匝道控制，尤其是匝道协同控制算法，只有在匝道紧密排列在一起时才最有效。 Papamichail和Papageorgiou[11]针对ALINEA策略中为地方道路交通流带来的问题，开发了高速协调控制策略（HERO）。该策略相对简单，不需要复杂的模型实现。 Papamichail[12]等人报道了HERO的实施。在Papamichail等人的后续研究[13]中提出了高速公路网络CRM策略的层次结构，被认为是Papamichail[12]等人早期工作的延伸。研究[13]中考虑了交通状态和干扰预测以最贴近实际的交通运行状态。
匝道控制与可变限速控制相结合的控制策略，在加州已实行匝道控制的基础上，更是一种优化与自然的延展[7]。一些作者[14][15][16]认为可变限速控制不仅可以提高交通流运行安全性，还可以通过提高吞吐量和减少延误时间来改善交通性能。Lin[14]等人提出两种可变限速控制与匝道控制相结合的交通流优化算法：VSL-1用于通过最小化瓶颈路段（施工区）上游的队列来减小延误； VSL-2用于通过最大化整个瓶颈路段的吞吐量来减少TTS。仿真结果表明，VSL-1在减小速度方差方面的性能优于VSL-2，即以最小化排队长度为目标的算法中交通流更为稳定有序。Alessandri[15]等人使用二阶METANET宏观模型设计二者的协同控制策略，Hegyi[16]等明确了可变限速控制的两个效能：速度同质化和预防交通事故。通过预防交通事故的发生避免了交通流的过高密度，同时通过可变限速控制实现对交通流密度的分布控制，抑制了拥堵波的扩散传播。研究表明，可变限速控制的控制策略对于优化交通运行状况是合理的，其对于交通安全的作用远大于对车流运行效率的作用，应用可变限速控制的路段事故减少了20——30%[7]。Papageorgiou[17]等人基于数据分析评估了已实施的可变限速控制策略，他们总结了有关可变限速控制对交通流运行的影响，如下：bull;在非临界条件下减小动态占有率图的斜率 bull;将临界占有率转移到更高的值 bull;在过度临界条件下以相同的占有率获得更高的流量。结论是，没有明确的证据表明在实施的可变限速控制策略中，运行可变限速控制系统的交通流量效率有所提高。
基于以上研究，可以认为，可变限速控制以及将可变限速控制与匝道控制相结合的协同控制策略中，可变限速控制起到的主要效能在于其对交通安全性的提升，对于高速路网系统效率的提升未见显著作用。在本研究中，确定了以匝道协同控制为主要控制策略，且以提高系统效率为首要目标的方向。
合理的匝道控制策略是本研究实现并应用于现实条件下极为重要的一环，目前最为广泛应用的控制策略为Alinea，该策略需要预先指定一主线占有率临界值，再依据该临界值与当前占有率的关系，调节匝道控制率，本质上是一种闭环控制，具有良好的消解干扰的能力。在此基础上，产生了动态协同控制，动态协同控制是把一条快速道路上的若干个应道视为一个整体，通过实时采集的道路交通信息来确定各个西道的最佳调节率[18]，其代表算法有Zone，Bottleneck，Hero[11]等。同时，国内研究有吕秋霞，梁新荣[19]将蚁群算法引入高速公路匝道控制器的参数优化中，设计了具有协同控制效果的高速公路密度控制器。与本研究不同的是，受限于数据采集技术，传统的动态协同控制算法仍主要以上下游占有率、车速、排队长度等数据计算最佳协同控制参数，虽然以全局交通运行情况最优为控制目的，追求全局效益最大化[18]，但其对于多瓶颈路段上游匝道的参数协调仍十分有限，且停留于实时控制，无法对未来系统运行状况有效感知并控制。本研究得益于多元数据分析技术发展带来的有效OD预测，以期在高速路线、路网层面以及交通状况预测层面取得更好的成果。
参考文献：
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
