基于强化学习的交通灯智能调控研究

作     者：安萌萌 

作者单位：西安理工大学 

学位级别：硕士

导师姓名：樊秀梅

授予年度：2019年

学科分类：08[工学] 0838[工学-公安技术] 0835[工学-软件工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

主      题：强化学习 交通信号灯 十字路口 雾计算 Q学习 

摘      要：持续增长的交通量导致的交通拥堵是目前交通研究领域需要解决的一个严峻问题,由于财力和空间资源的限制,改善道路基础设施已经无法解决这一问题。交通拥堵已经引起了许多困扰,比如交通安全隐患增大、出行舒适度降低、噪声污染等。所以,解决交通拥堵对城市产生的不良影响迫在眉睫。十字路口是道路和车辆的交汇处,也是交通拥堵现象最严重的地方。部署在十字路口处交通信号灯的作用是指挥交通流有序通过交叉路口,所以信号灯的配时方案是影响交通情况的一个重要因素。所以,依据路口的实时车流量及时调整交通信号灯配时方案可以大大降低车辆延误时间、提高出行舒适度、缓解交通拥堵。人工智能因其处理复杂任务的能力和潜力而备受关注,它可以处理大量数据,并在复杂情况下进行智能控制。本文针对路口交通拥堵现象,在雾平台上利用强化学习中的Q学习,提出了一种FRTL控制模型,该模型是一种分布式多Agent智能交通信号灯控制方法,它把每个路口都视作一个Agent。由于部署在每个路口的雾节点会共享本路口的交通信息,所以FRTL模型不仅考虑自身路口的交通流信息,还会考虑相邻十字路口的交通流信息。FRTL模型的主要思想是:雾节点将收集到的实时交通流信息发送给交通灯控制模块,交通灯控制模块利用交通灯控制算法计算出交通灯配时方案,并把该方案应用到交通灯上;雾节点会把交通流信息和配时方案上传到区域雾服务器,在雾平台上实现区域交通信息共享。通过结合雾计算和强化学习,实现交通灯智能协同控制,从而提高路网的道路通行能力。本文实验仿真采用集成仿真平台,该平台是利用VISSIM、Excel VBA和MATLAB这三个软件搭建的。通过比较FRTL控制方式、传统的分时段控制方式和主干道控制方式下的多种性能指标,仿真结果表明,FRTL控制方式能根据实时车流量合理调控红绿灯时间,可以有效提高路口的调节效率和吞吐量,能够减少车辆在路口处的排队长度和等候时间,达到了缓解交通拥堵的目标。