随着城市交通与经济发展的矛盾日趋尖锐,交通拥堵、交通安全已成为社会关注的焦点。城市交通控制作为组织、控制交通流的主要手段之一,在解决城市交通问题中担负着重要责任。如何运用现代的科技手段来缓解日益严峻的交通压力是目前研究的重点。基于目前交通问题及交通系统发展的现状,本文根据交通流实时变化的特征,研究了智能体在城市交通信号控制中的应用。主要研究内容有如下几个方面:论文首先研究了基于多智能体的城市交通信号控制的架构。采用分层递阶的智能体结构,并给出了具体的结构模型。论文进一步把交通控制的最小单元——单路口作为研究对象,引入强化学习中的Q学习算法。针对Q学习算法收敛速度较慢的缺点,充分利用学习过程中的经验知识,进而学习环境的模型,加快迭代的速度,最终实现Agent对路口交通流的优化控制。在VISSIM中对单个路口采用改进的算法进行了仿真,并与定时控制、标准Q学习进行了对比,结果表明了所提出的基于模型的Q学习算法的有效性。论文最后主要解决了区域交通的控制与协调。采用改进的Q学习算法和遗传算法分别实现路口Agent的局部学习和区域的全局优化,通过Agent之间的博弈来实现各个路口之间的协调。同时,对包含5个路口的小区域进行了仿真研究,仿真结果表明了所提方法的有效性。
本文来源: https://www.lw50.cn/article/9ee5dacc4148e840d477b9c8.html