原文传递
车联网环境下连续信号交叉口协同控制模型
| 题名： | 车联网环境下连续信号交叉口协同控制模型 |
| 作者： | 王庞伟;冯月;邓辉;汪云峰;王力 |
| 作者单位： | 北方工业大学城市道路交通智能控制技术北京市重点实验室 |
| 关键词： | 交通信号控制;车联网;干线协调;强化学习;深度学习 |
| 摘要： | 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个交叉口为例，通过SUMO仿真平台对模型进行仿真验证，在低与高饱和度下，该控制模型分别对车均延误降低了23。6%和26%，排队长度降低了94%和9。4%。实验数据表明，该模型可有效提高连续交叉口道路通行能力，为缓解城市交通拥堵提供了1种有效技术手段。 |
| 期刊名称： | 交通信息与安全 |
| 出版年： | 2021 |
| 期： | 01 |
| 页码： | 145-154 |
检索历史
应用推荐
