智能网联混行动力异构交通流生态驾驶

智能网联汽车最终会以电动汽车为实现载体,而人工驾驶车辆在未来相当长的时间里依然会以传统燃油汽车为主体.以此为背景,研究城市混行交通与动力异构条件下智能网联汽车的生态驾驶问题.考虑智能网联汽车低占比时的城市交通环境,以智能网联汽车电能消耗最小为目标,将智能网联汽车生态驾驶问题表征为最优控制理论框架下的两点边界值问题,并予...     

平衡主线和匝道交通运行的强化学习型匝道控制研究

考虑合流区域主线和匝道的交通流运行状态,提出了一种基于深度强化学习的鲁棒自适应匝道控制模型——DRLARM模型。根据交通流运行特征,构造了平衡主线交通效率和匝道排队长度的强化学习奖励函数;为适应动态变化的交通环境,采用多交通流场景混合训练控制模型,在不同拥堵成因、不同拥堵时长、不同需求分布等测试场景下开展仿真实验,对比分析了无控制及DRLARM、ALINEA和PI-ALINEA模型控制的车辆平均行程时间A、车道占有率o、匝道排队长度W和匝道损失时间比P等评价指标。研究表明：DRLARM模型控制的平均行程时间A相比无控工况节省了22%,略好于ALINEA模型,与PI-ALINEA模型控制效果相当;DRLARM模型在不同测试场景下产生的匝道损失时间比P较稳定,匝道排队长度W绝对值相较于ALINEA模型和PI-ALINEA模型均缩短了约16%;深度强化学习方法兼顾了通行效率和路权公平性,训练所得DRLARM模型在动态交通条件下表现出良好的鲁棒性。     

城市高速公路交通中的控制问题

考究城市高速公路交通中的控制问题，详细讨论几咱主要的城市高速公路交通控制模式及相应的控制理论研究方法，并就该方向今后的发展提出看法。