GameTraffic:基于交通调度历史数据挖掘的路口最优调度及道路改造预测

最大化车流量和最小化平均等待时间是交通路口调度的目标.交通调度中各路口与其它路口间存在博弈关系,相邻路口间为使其自身利益最大化而存在策略间的相互协调.我们基于博弈论对交通系统进行建模,基于博弈均衡的增强学习算法对交通调度历史数据进行挖掘分析,学习得到交通路口的最优调度策略,并进行道路改造预测.展示了交通路口最优调度及道路改造预测系统GameTraffic,旨在为智能交通管理及决策提供一种科学的依据.     

分布式系统中基于非合作博弈的调度算法

针对分布式系统中任务调度问题,根据分布式环境下的任务调度特性,建立了一个非合作博弈的多角色任务调度框架,在此基础上提出了一种基于纳什均衡联合调度策略的分布式强化学习算法.相比于静态调度算法,该算法需要更少的系统知识.能使调度器主动学习任务到达和执行的相关先验知识,以适应相邻调度器的分配策略,目标是使得调度器的策略趋向纳什均衡.模拟实验结果表明:所提出的算法在任务的预期时间和公平性上相对于OLB(机会主义负载均衡)、MET(最小执行时间)、MCT(最小完成时间)等同类调度算法具有更好的调度性能.     

基于强化学习算法的公交信号优先策略

综合分析了影响城市公共交通系统运行的多种因素,提出了一种新型的基于强化学习算法的城市公交信号优先控制策略.该策略利用强化学习算法的试错-改进机制,根据不同交通环境下信号控制策略实施后反馈的结果,迭代优化路口的公交信号优先控制策略,从而使其具备了自学习的能力.基于Paramics的仿真实验表明,该算法能够在保障路口正常交通秩序的同时,显著提高公交车运行效率.     

考虑交通管理策略的交叉口信号控制多目标优化

面向复杂多变的交通系统控制需求,提出一种考虑交通管理策略的交叉口信号控制多目标优化模型及算法,其步骤为:首先,构建城市道路交叉口多目标优化模型;然后,引入交通管理者的交通控制策略,基于模糊分析法确定各优化指标权重;最后,考虑Q学习算法简单方便且具有快速收敛性,基于Q学习算法对多目标优化模型进行求解,从而实时产生考虑交通管理者策略的交叉口信号控制方案。仿真结果表明,所提出的方法不仅能够充分反映交通管理者的控制策略,而且能够有效提高交叉口通行效率,相比传统方法具有缩短排队长度、降低延误时间和减少停车次数的优势,并且这种优势随着交通流量的增大而更加明显。     

基于Nash-Stackelberg分层博弈模型的路网交通控制强化学习算法

为了解决多交叉口博弈引发的Nash均衡计算复杂度问题，考虑路网中不同交叉口的重要程度和博弈关系，兼顾路网中子区之间及子区内部的交通控制策略，以2个子区内的重要交叉口作为上层博弈主体，次要交叉口作为下层博弈主体，构建了一种Nash-Stackelberg分层博弈(NSHG)模型.然后，提出2种多Agent强化学习算法，即基于NSHG的Q学习(NSHG-QL)算法和基于NSHG的深度Q网络(NSHG-DQN)算法.在实验中，使用NSHG-QL和NSHG-DQN算法在SUMO仿真软件搭建的路网环境中对信号灯进行控制，并与基础博弈模型求解算法进行比较.实验结果表明：NSHG-QL算法和NSHG-DQN算法减少了交叉口内车辆的平均旅行时间和平均时间损失，提高了平均速度；NSHG模型在满足重要交叉口间上层博弈的基础上协调次要交叉口，做出最优策略选择，而且基于分层博弈模型的多Agent强化学习算法能明显提高学习性能和收敛性.     

网联电动汽车信号灯控路口经济性驾驶策略

针对智能网联电动汽车在信号灯控路口的经济性驾驶问题,提出一种基于最优控制的经济性驾驶车速优化策略.首先,构建包含信号灯、车速限制等约束,以能量消耗最小化为目标的信号灯控路口车辆速度优化问题;然后,利用庞特里亚金极小值原理解析求解最优控制率;考虑到动态交通场景中车辆对未来交通信息的预测能力有限、信号灯约束条件多变等特点,提出了一种双层滚动距离域车速优化策略,将信号灯控路口经济性驾驶问题转化为分段最优控制问题,得到分段最优速度轨迹.仿真结果表明:在有限预测能力和无限预测能力2种情况下,所提出的经济性驾驶车速优化策略较加速—匀速—制动策略分别有9.2％和10.3％的能量节省;随着预测距离和信号灯控路口通行速度的增大,在提高通行效率的同时,能量节省效率进一步提高.     

交通干线信号协调控制方法综述

相邻的交叉口联系最为密切,以相邻路口作为系统管理是合理的。交通干线信号协调控制是充分利用交通规律来实现优化控制,以便达到交通系统运行效率最大。文章介绍了交通干线信号协调控制的产生和发展,总结和评述了主要的交通干道信号协调控制方法,包括基于波带最大化和延误最小的干线定时协调控制、干线感应自动协调控制、先进的干线自适应协调控制等交通协调控制方法,着重介绍计算机配时设计方法,并对交通信号协调控制的发展提出了展望。     

一种基于团队马尔可夫博弈的多agent协同强化学习算法

研究多agent系统的学习行为对于智能系统的适应性是至关重要的．针对一类追求系统得益最大化的协作团队的学习问题,基于马尔可夫博弈的思想,提出了一种新的多agent协同强化学习算法．协作团队中的每个agent通过观察协作相识者的历史行为,依照马尔可夫博弈模型预测其行为策略,采用适合的行为探索策略,进而得出最优的联合行为策略．实验对该算法进行了验证,结果表明该算法是有效的．     

基于深度学习的交通路口自动识别

基于车辆轨迹数据提取道路信息已经成为数字地图更新的一种有效而廉价的方法，引起了广泛的研究。交通路口是道路信息的重要组成，如何快速而准确提取交通路口具有一定的挑战。深度学习的快速发展为解决这一问题提供了一种新的思路。本文针对轨迹数据在交通路口的分布特性，首先提出一种基于LSTM深度学习的转弯轨迹模式自动提取方法，通过统计航向变化规律对路口转弯轨迹进行建模分类，然后采用LSTM深度模型学习轨迹时间序列，从而实现转弯轨迹模式的自动识别，训练好的模型可以对新的未知轨迹数据实现自动快速地提取转弯轨迹。其次，针对因路口转弯点的稀疏性而影响准确定位路口中心这一难点，本文提出一种联合补偿点计算和转弯轨迹航向变化幅度的方法选取路口候选点，然后通过聚类路口候选点识别道路交叉口。为验证和评估该方法的有效性，采用福州市鼓楼区出租车实际轨迹数据进行测试。结果表明，该方法道路交叉口识别准确率达到96.7%，为电子地图实时更新及无人驾驶自动导航应用等提供关键技术支持，同时我们开放该方法源代码和实验数据，以便于其他研究者开展相关研究。     

基于博弈论的多能互补综合能源系统规划设计方法

基于博弈论构建由热电联产机组、光伏发电和电网组成的多能互补综合能源系统优化规划模型.模型以经济性为优化目标,各参与者容量为决策变量,使系统既能满足用户对冷、热、电负荷的需求,又能同时实现收益最大化.根据参与者是否结盟,提出5种博弈模式,证明Nash均衡的存在性,并通过仿真算例得到各模式下的Nash均衡策略.仿真结果表明,在满足负荷需求的同时,与非合作博弈相比,4种合作博弈联盟价值均大于0,且完全合作博弈模式下系统总收益最高.可见,只有通过采取完全合作的最优策略才能保证系统经济效益最大化.     

引入谈判博弈的Q-学习下的城市交通信号协调配时决策

由于城市交通路网中交叉口间交通信号决策是相互影响的,并且车联网技术使得交叉口交通信号配时agent间能进行直接交互,此决策问题可用博弈框架来描述。建立了城市路网中相邻交叉口间交通流关联模型,通过嵌入谈判博弈模型来设计Q-学习方法,此方法中利用谈判参考点来进行配时行为的选择。仿真实验分析表明,相对于无协调的Q-学习算法,谈判博弈Q-学习取得更好的控制效果和稳定性能。谈判博弈Q-学习在处理交通拥挤及干扰交通流时,能根据交通条件灵活地改变交通信号配时决策,具有较强的适应能力。     

单条主干道信号协调方案

就如何根据各交叉口几何特性、交通流特征等影响因素,合理进行交叉口信号灯配时的问题进行了探讨,并在此基础上,研究了干线交叉口交通信号协调控制理论.在对某街道3个交叉口交通情况进行调查的基础上,对这3个交叉口进行了合理的信号配时.求解出了由这3个交叉口构成的信号控制系统的绿波宽带.并用SimTraffic交通仿真软件进行了模拟仿真,绿波现象较为明显.     

交叉路口的综合智能信号控制方案研究

针对城市道路交叉路口的交通信号控制,构造了一种能实时调整控制结构和参数的综合智能信号控制方案.方案中的结构评价单元根据每一相位结束时的交通状况,决定是否在标准相位的基础上进行控制结构调整.参数评价单元则根据评价周期内的信号控制效果,利用所获得的交通流数据对神经网络信号控制器进行"滚动"训练.两个神经网络总是交替处于学习和工作状态.仿真结果表明,该控制方案能很好地综合"结构调节"和"参数调节"的优点,因而能更好地适应路口的实际交通状况,从而达到有效提高路口通行能力的目的.     

基于Paramics的城市道路复杂交叉口信号控制策略优化研究

基于微观交通仿真平台Paramics,提出了一种针对城市交通路网中复杂交叉口信号控制策略效率评价系统的理论框架与实现方法。作为应用实例,以广州市海珠区的某复杂交叉口为研究对象,通过建立其几何精确的CAD模型,进行现场交通调查获取真实OD的数据,进而建立其微观交通仿真模型。最后,通过加载不同的信号控制方案(包括现行的方案),并仿真分析各方案的运行效率,从理论上寻求最优的方案。实际应用结果表明,所建立的基于微观仿真的城市交叉口信号控制优化方法,能方便、有效、低成本地应用于实际交通工程中,为此类城市交通复杂问题的解决提供有益的理论参考。     

基于在线学习的单路口信号灯强化学习控制

单路口交通信号灯控制是交叉口线控、面控的基础。文章将强化学习方法中的sarsa算法应用到城市交通信号灯控制领域,解决单路口的动态实时问题,通过仿真环境下的对比,证明该方法具有良好的控制效果。     

城市快速路匝道衔接交叉口优化对策——以呼和浩特昭君路-南二环路交叉口为例

城市高架快速路在改善市区交通的同时对匝道附近交叉口产生了一定的负面影响,以呼和浩特昭君路-南二环路交叉口为例,旨在研究此类交叉口的优化改善对策.首先在调查交叉口流量及信号配时的基础上分析了交叉口现状存在的问题,然后从交通管理、交叉口渠化的角度提出了改善对策,最后通过VISSIM仿真对优化方案进行了评价.研究发现：匝道出口管制,错开机非停车线,设置行人过街安全岛、设置公交专用进口道等可改善此类交叉口的交通状况.     

关键交叉口与双周期交叉口间路段上的车辆排队模式及测算方法

为了描述周期时长不相等的协调信号交叉口间路段上车辆排队的集结与消散现象,以关键交叉口周期时长为双周期交叉口周期时长的2倍为例,基于冲击波理论,针对两个相邻交叉口之间路段上的上、下行车流分别描述了车辆排队的各种模式并建立了车辆排队长度模型。为了验证模型的有效性,利用VISSIM交通仿真软件设计了模拟实验方案。考虑不同条件下信号红时差与交通流率的多种组合,通过仿真实验共得到35组数据,每组数据均获得84个有效数据点。结果显示,上、下行方向的车辆排队消散长度的计算值与模拟值的相对误差小于10%的周期分别占75.56%和95.00%;交叉口信号周期越长,其排队消散长度的平均值和最大值也相应地越长。研究结果表明,该模型可以用来估算周期时长不相等的协调信号交叉口间路段上车辆的排队长度,从而为交通控制方案的优化与调整提供理论依据。     

基于交通冲突分析的交叉口机动车信号灯设置

对不同流量条件下交叉口的交通冲突次数进行了理论计算、仿真和实地观测验证,提出了无控制交叉口设置机动车信号灯的理论分析方法.依据该理论,并采用实际交通观测中确定的交叉口临界交通冲突次数,给出了无控制交叉口设置机动车交通信号灯交通流量临界曲线,为合理设置交通信号灯提供了理论依据.     

相邻交叉口关联度分析研究及其应用

通过分析相邻交叉口间距、路段交通量、以及交叉口信号配时参数对相邻交叉口关联性强弱的不同影响,提出一个对相邻交叉口之间关联性进行定量化描述的交通参量——相邻交叉口关联度,并对其计算方法与科学合理性进行详细论述。利用相邻交叉口关联度分析方法,进一步给出多交叉口组合关联度的定义与计算公式,并制定新的基于关联度分析的协调控制子区划分原则,为建立定量化分析的控制子区动态划分理论提供了一条科学有效的新途径。