原文传递
智能网联混行条件下高速公路匝道合流控制研究
| 论文题名： | 智能网联混行条件下高速公路匝道合流控制研究 |
| 关键词： | 智能网联车辆;高速公路;混行交通流;车辆协作控制;元胞自动机 |
| 摘要： | 智能网联汽车相较于传统的人工驾驶车辆，不仅在车辆物理性能上得到了突破，而且可通过搭载先进的传感器、控制器等设备实现受控驾驶。未来，智能网联车辆有条件直接成为交通管控方案的执行器，从而影响所在交通流的运行，使其更加安全、舒适、高效。本研究考虑智能网联车辆与人工驾驶车辆混行的交通环境，提出一种高速公路匝道区域协作合流控制策略，通过协作控制匝道和主线中的智能网联车辆，来提高合流区交通运行效率，为未来智能网联汽车在智慧高速中的实际应用提供参考。论文工作主要包括以下几个方面： 1.针对智能网联混行条件下的高速公路匝道合流问题，提出了一套智能网联车辆协作控制策略（CooperativeRampMerging，CRM），并将其应用于典型的高速公路匝道合流区域。采用基于元胞自动机的微观仿真模型，对该典型区域及应用的智能网联车辆协作控制策略进行仿真分析。结果表明，智能网联车辆协作控制策略可有效改善高速公路主线交通流运行，降低合流区整体车均延误。 2.基于Actor-Critic深度强化学习算法，优化所提出的高速公路匝道区域智能网联车辆协作控制策略，生成基于强化学习的单匝道协作控制模型（RL-CRM）。将控制策略中匝道智能网联汽车的协作受控时长作为动作变量，高速公路主线瓶颈及其上游的车流密度作为状态变量，主线车辆平均车速作为奖励函数，训练不同智能网联车辆渗透率下的单匝道控制模型。结果表明，经过深度强化学习训练所得RL-CRM模型在性能上优于无控、ALINEA匝道控制及未经过强化学习训练的CRM模型。 3.基于集中式Actor-Critic多智能体深度强化学习算法，将所提出的高速公路匝道区域智能网联车辆协作控制策略拓展应用至连续入口匝道路网，生成基于多智能体强化学习的多匝道协作控制模型（MARL-CRM）。基于单匝道控制模型的训练设置，将连续多个入口匝道的信息变量进行联立形成联合状态空间、联合动作空间和均值奖励函数，训练得到多匝道控制模型。结果表明，将所提出的匝道合流控制策略应用于连续入口匝道路网中，控制效果优于完全无控制和ALINEA匝道控制，并且经过集中式Actor-Critic多智能体强化学习训练后可使控制效果进一步提升。 |
| 作者： | 闫钧齐 |
| 专业： | 交通运输工程 |
| 导师： | 章立辉 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
