基于應用需求的智能交通控制的優(yōu)化實現(xiàn).pdf

1、隨著城市整體發(fā)展速度的不斷加快，日趨緊張的交通問題給人們帶來了巨大的效率，能源和生命上的損失。為了有效得改變現(xiàn)狀，智能交通系統(tǒng)作為主要的解決方案開始受到各界關注，從而迅速發(fā)展起來。其中基于強化學習思想的交通信號燈智能控制算法已經成為緩解交通擁堵的主要手段之一，原因在于它對于動態(tài)多變的交通網絡環(huán)境具有較強的適應性。本文從智能交通控制各個角度出發(fā)，對基于強化學習的控制算法實現(xiàn)了優(yōu)化。
　　在原始控制方案的基礎上，給出了新型的交叉口協(xié)作

2、方案，為交通控制提供了新的思路。相鄰交叉口之間的協(xié)作關系并不是簡單的信息交互，而是借助博弈論的思想尋找二者之間的納什均衡點，進一步提高合作的有效性。在這種馬爾科夫博弈論控制方案下，交叉口控制器在路網的動態(tài)運行過程中并不只是選擇局部最優(yōu)動作，而是通過合作機制選擇更有利于全局的控制方案。通過大量的實驗證明，該控制方案在控制效果上要優(yōu)于基于協(xié)作圖的Maxplus控制方法。
　　從交通趨勢性分析的角度，給出了結合預測分析和車道模型的智能控

3、制方案。在路網中根據(jù)每個車道的具體歷史交通流量值，為其建立相應的 ARIMA預測模型，并利用該模型進行未來流量的預測。以預測數(shù)據(jù)為基礎，利用車道的動態(tài)流量結構模型，分析其交通容量的變化趨勢，再完成對整個網絡的智能控制。由于該方法既把握了交通流量的趨勢性，又考慮網絡本身的動態(tài)相關性，要更優(yōu)于原始的TC1控制方法。
　　考慮到智能控制算法在現(xiàn)實應用中的局限性，提出了在 POMDP條件背景下的優(yōu)化控制方案。在當前的強化學習控制中，假設交