基于SignalML的交通干線協(xié)調(diào)控制算法研究與實現(xiàn).pdf

1、城市交通控制問題作為一個復雜的大系統(tǒng)，使得依賴于精確數(shù)學模型的傳統(tǒng)控制方法無法滿足日益增長的社會需求，迫使人們將智能控制的相關理念運用到交通控制當中；另一方面，從目前國內(nèi)交通控制領域發(fā)展現(xiàn)狀來看，由于缺乏統(tǒng)一的數(shù)據(jù)交換標準，形成了國外企業(yè)在該領域內(nèi)的壟斷地位，因此迫切需要制定中國自己的智能交通標準，打破壟斷，扶持民族智能交通相關產(chǎn)業(yè)的發(fā)展。 本文針對上述兩個方面展開相關研究，主要工作涉及以下幾個方面： 1 以北京市中關村

2、西區(qū)的兩條單向交通干線為研究背景，根據(jù)大系統(tǒng)分解協(xié)調(diào)思想，提出一種干線遞階模糊協(xié)調(diào)控制方案，可隨著交通情況的變化，在決策切換開關作用下，實時地進行綠波協(xié)調(diào)控制和分散協(xié)調(diào)控制，并針對綠波協(xié)調(diào)時的關鍵參數(shù)相位差，引入了反饋修正環(huán)節(jié)，使其能夠?qū)崟r自主調(diào)整與優(yōu)化，仿真研究表明可顯著地提高了干線通行能力，緩解了整個路網(wǎng)的交通壓力。 2 以強化學習技術為基礎，借助Agent理念，提出一種采用模糊神經(jīng)網(wǎng)絡與強化學習相結合的模塊化網(wǎng)絡結構Age

3、nt模型，它具有較強的模糊推理能力、非線性逼近能力、泛化能力以及強大的無模型學習能力，實現(xiàn)了從連續(xù)狀態(tài)到連續(xù)動作空間控制策略的學習，實現(xiàn)了人類專家知識與強化學習方法的結合，降低了學習問題復雜度。同時根據(jù)分而治之方法學思想，將復雜的交通控制問題分解到局部專家單元上，再由集成單元對局部專家單元輸出進行協(xié)調(diào)，提高了學習效率。 3 在單交叉路口Agent研究基礎上，利用大系統(tǒng)分解協(xié)調(diào)思想，提出了基于Agerlt的交通干線協(xié)調(diào)控制結構模型

4、，分別構造了路口Agent和協(xié)調(diào)Agent結構模型，對兩者的結構、信息交換、協(xié)調(diào)機制進行了詳細剖析。 4 在對XML技術的特點、數(shù)據(jù)交換優(yōu)勢及其在交通領域中的應用進行了深入調(diào)研、分析之后，基于對城市交通信號控制系統(tǒng)數(shù)據(jù)交換需求全面分析，嘗試性地提出了交通信號控制標記語言SignalML以及它的結構框架與設計原則。 5 基于開放性協(xié)議NTCIP的西門子2070ATC信號機和自主開發(fā)的嵌入式通信板為硬件實驗平臺，開發(fā)了207