智能网联环境下山地城市干线多车道汇入管控方法研究

作     者：张艺涵 

作者单位：重庆交通大学 

学位级别：硕士

导师姓名：蔡晓禹;彭博

授予年度：2024年

学科分类：08[工学] 0838[工学-公安技术] 

主      题：智能网联环境 山地城市 多车道汇入管控 深度强化学习 SUMO 

摘      要：山地城市受地形条件限制,干线系统成为连接城市道路交通网络的关键廊道,承载着主要的交通流量。城市立交作为各主要干线及其他道路间的重要纽带,由于多股车流汇集合流以及车道数不匹配,极易导致多车道汇入节点发生交通拥堵和安全事故。尽管目前所应用的多车道汇入管控措施取得了一定的成效,但仍存在着准确度低、控制目标单一等问题,管控效果有待提升。当前智能网联技术发展迅速,且兼具“信息互联互通和“自动驾驶两项技术优势,为多车道汇入区域交通流的超视距感知与精细化管控创造了条件,推动山地城市交通系统向更加高效、安全、绿色方向发展。 本文旨在解决山地城市干线多车道汇入信号控制点管控灵活性差与交通拥堵频发问题,从智能网联车辆与人工驾驶车辆驾驶行为差异的角度进行研究,利用SUMO仿真软件构建智能网联混合交通流仿真环境,分析不同智能网联车辆渗透率下的控制效果。在此基础上提出一种基于多智能体深度强化学习的多车道汇入协同管控方法,并通过与其他控制方法对比验证其有效性。具体的研究内容如下: (1)山地城市干线多车道汇入车辆运行特性分析。通过剖析多车道汇入现行控制措施存在的问题,利用Tracker软件提取无人机视频车辆轨迹,采用区间断面及车道划分的方法,分析交通量、速度、车头时距和换道行为在空间上的分布特性和变化规律,结果表明,不同车道和不同位置处交通量、速度和换道特性均有所差异。 (2)智能网联环境下多车道汇入仿真环境搭建。设计主线与匝道的信号控制子系统以及主线上游的可变限速控制子系统,利用SUMO仿真软件建立初步的路网模型并布设相应的基础设施,根据混合交通流的特性确定各车辆类型的表征模型,对不同智能网联车辆渗透率场景下多车道汇入现状管控方法进行仿真分析,结果表明,渗透率在50%以下和渗透率在80%以上对平均速度、平均行程时间、平均延误、排队长度的优化幅度较小;而渗透率在50%-80%之间时,智能网联车辆之间的协同作用更加有效,优化幅度较为显著。 (3)智能网联环境下基于深度强化学习的协同管控方法。为促进中低渗透率环境下多车道汇入区域的通行效率最大化,将多车道汇入协同管控问题转化为马尔科夫决策过程,应用混合交通流仿真环境,设计了信号控制智能体与可变限速控制智能体,提出智能网联环境下基于MADDPG的多车道汇入协同管控方法,根据多车道汇入的特征设计智能体的状态空间与奖励机制,以输出合理的控制决策,通过迭代训练使两智能体之间实现协同控制,最大限度地提升多车道汇入区域的通行效率。 (4)智能网联环境下的多车道汇入管控方法仿真验证。在相同渗透率和路网条件下,设计不同需求条件下的多组实验方案,对固定配时方法、ALINEA匝道控制方法、传统反馈式协同控制方法以及本文所提方法进行对比,结果表明,与传统反馈式协同控制方法相比,本文所提方法主线平均行程时间减少23.53%,平均延误减少54.97%,上游排队长度减少88.06%,瓶颈区平均速度提升8.77%,主线下游疏散流量增加3.47%。