基于Q学习的Agent在单路口交通控制中的应用

将Agent技术与Q学习算法相结合,应用到城市交通控制领域中,对单交叉口的交通流进行了控制研究,介绍了路口Agent的结构模型以及基于Q学习算法的学习机制的实现,提出了一种适用于交通控制的奖惩函数。即当红灯相位的饱和度大于绿灯相位的饱和度时,红灯相位的相对警界度在奖惩函数中占主导地位,此时大部分情况下会对Agent进行惩罚;在以后的决策过程中面对类似的交通状态Agent所选择的控制行为更倾向于将通行权切换给下一个相位,反之,Agent所选择的行为倾向于保持当前相位的通行权到下一决策时刻。并通过微观交通仿真软件Paramics对控制算法进行仿真研究,仿真结果表明该方法的控制效果优于定时控制,同时验证了奖惩函数的有效性。     

单交叉口信号配时的动态优化

为了缓解城市交通压力,根据实时单交叉口交通数据,利用模糊控制理论,结合matlab软件,以缩短车辆平均延误时间为目标,对各个相位的信号配时进行动态优化,使单交叉口的绿灯时间及周期成为可变参数。仿真结果表明,与传统信号控制方式相比,本文所提出的交通信号配时控制效果更好,车辆平均延误时间更少。     

基于深度强化学习的单路口交通信号控制

合理的交通信号灯控制方案能减少交叉口处的排队长度,缓解交通拥堵问题.路口交通流具有非线性、时变性、不确定性等特点,对其建模困难,从而导致无法借助其精确的数学模型来优化交通信号控制方案.本文将深度强化学习方法应用到交通信号控制问题,深度强化学习Agent以减少路口处的排队车辆总数为目标,通过观察交叉口处所有入口车道的状态进行相位控制;使用SUMO仿真平台对本文提出的控制方法进行了仿真实验.实验结果表明,相较于定时控制方法,本文提出的基于深度强化学习的控制方法能显著减少交叉口处的排队车辆数,缓解交通拥堵.     

基于动态规划的信号配时滚动优化算法

随着智能交通技术的发展,交通信息获取的时间颗粒度将越来越小,这为城市动态交通信号配时优化模型和方法提出了新的挑战。为解决经典信号相位控制优化(COP)算法中未考虑交叉口预测区间内交通流量动态变化对信号配时方案控制效果的影响。文中提出了基于动态规划的单交叉口信号配时滚动优化算法。首先,在分析交叉口信号配时关键问题的基础上,构建了以交叉口车辆平均延误和平均排队最小为优化目标,交叉口各相位绿灯时间长度为约束条件的信号配时非线性整数优化模型;并设计了动态规划算法求解该模型。其次,为反映交叉口车流在预测区间内动态变化的特性,在动态规划算法的基础上提出了滚动优化策略,根据实时更新的预测数据滚动优化信号配时方案,并将信号配时方案实时传输到交叉口信号控制器中。最后,通过实际调查数据构建微观仿真环境,采用VISSIM COM二次编程开发技术结合MATLAB编程软件实现了文中模型和算法,并对比分析文中算法和经典的COP算法。通过改变交叉口的输入流量,测试不同流量条件下控制算法的控制效果。结果表明,与经典的COP算法相比,文中算法不仅能够使车辆在交叉口的平均延误减少20%,而且能够保证交叉口各个相位的车辆平均延误的均衡。     

逆向左转交叉口的全感应公交优先信号控制技术

逆向左转交叉口已在中国70余个城市实现常态化应用，各地却始终没有形成设置和运用配套交通控制设施的统一做法。当公交专用车道穿过逆向左转交叉口时，必须考虑如何实施公交优先信号控制。基于此，针对十字形逆向左转交叉口提出一种全感应公交优先信号控制技术，该技术对信号灯设置、信号相位设置、相位显示顺序选择和交通流数据采集提出具体要求。以消除逆向左转车道的交通安全风险、加快优先车辆的运行速度、减少机动车相位的绿灯浪费为目标，设计5组逻辑规则，构成信号控制算法，向优先车辆提供绿灯延长和绿灯早启服务，自动调整机动车相位的绿灯时长、预左转相位的红灯时长和绿灯时长。选取1个典型的十字形常规交叉口和1个十字形逆向左转交叉口作为试验对象，利用Vissim创建虚拟道路交通环境。在交通仿真试验中，通过D-最优设计生成1 000个高负荷交通需求场景，共进行3 000次仿真运行。研究结果表明：就应用全感应信号控制技术的交叉口而言，设置逆向左转车道会在统计学意义上显著影响交叉口性能，对于降低全体车辆平均延误有明显效果，对于降低优先车辆平均延误有一定效果；就逆向左转交叉口而言，将全感应信号控制技术升级成全感应公交优先信号控...     

基于两级模糊控制的交叉口多相位控制

针对城市交叉口存在关键车流与非关键车流相互干扰的特点,基于两级模糊控制的思想,研究了交叉口多相位两级模糊控制器的设计思想及设计方法,给出了基本绿灯延长时间和附加绿灯延长时间的算法.仿真结果表明,设计的两级模糊控制器能有效减少车辆通过交叉口的总延误时间,适用于多车流的孤立交叉口多相位信号控制.     

基于移动控制代理技术的交叉口交通信号控制算法

基于移动控制代理技术和“当地简单,远程复杂”的控制思想,提出了一种新型的交叉口交通信号控制算法。采用移动控制代理软件把多种交叉口信号控制算法“打包”成可在计算机网络上分发的移动控制代理(Mobile Control Agent,MCA);由位于远程监控层的网络调度器,根据交叉口实时交通流状况向交叉口信号控制器派遣或召回相应的MCA,从而实现“按需控制”。这种做法可降低交叉口信号控制器所需的内存等计算资源,实现低成本自适应智能交通信号网络化控制。     

基于模糊控制的公交信号优先控制方法研究

面对城市公共交通优先发展中遇到的交叉口公交信号优先控制问题,以降低交叉口人均延误和公交车延误为目标,提出了基于3层模糊控制器的交叉口公交信号优先主动控制模型,通过改进针对车流交通需求强度、相位放行顺序、绿灯时间优化的3层模糊推理控制器,最终输出相位绿灯放行时间延长和相序提前2种控制策略.仿真算例分析表明,与普通固定配时控制相比,公交车平均延误和人均延误分别降低27%,14.2%;与公交信号优先感应控制相比,公交车平均延误和人均延误分别降低13.7%,21.7%,说明了所提方法的有效性.      

单交叉路口信号的动态模糊控制

针对固定相序的单路口多相位交通信号控制，提出基于车流量预测动态调整相位最大绿灯时间的模糊控制系统结构。以车辆平均延误时间为评价指标，综合考虑当前相、后继相的车辆排队长度，以此决定绿时分配。对上述控制器进行4相位交叉口的仿真实验，结果表明，该控制系统能有效地进行单路口多相位的闭环控制，控制效果优于传统的定时控制。     

车联网环境下连续信号交叉口协同控制模型

智能交通信号控制技术是缓解交通拥堵的重要手段.为解决传统强化学习算法应用到连续多交叉口的局限性问题,提出了1种基于上下层神经网络的连续交叉口交通信号控制模型.控制模型由下层神经网络选择当前状态下可能的最优控制策略,再由上层神经网络根据各路口车均延误进行二次调整,将最终控制策略应用到多交叉口的相位配时中.以典型连续3个交...