考虑数据环境不确定性的区域信号优化控制机理研究

Vehicle Infrastructure Cooperative System (VICS) provides the regional traffic signal control system with excellent data environment. However, due to the difference in level of development process, the data environment supported by the VICS is uncertain. Additionally, there exist various uncertainties in VICS's daily operations. To improve the traffic signal control operation under the impact of data uncertainty has become one of the toughest traffic problems. In the proposed project, a quantitative measure model for multi-source heterogeneous data environment based on regional traffic signal control is developed. By evaluating the impact of data environment uncertainty on real-time traffic flow, a link travel time estimation model is proposed for VICS. Then, the researchers construct an evolution model for traffic dynamics with regional traffic signal control to illustrate the influence of data environment uncertainty on drivers' route choice. Moreover, we formulate a choice model for different regional traffic signal control strategies based on the quantitative measure result of data environment. Finally, a regional signal coordination control model considering the uncertainty of VICS data environment is established. The research achievements will improve the regional signal optimal control under VICS. It has a vital significance in reducing traffic congestion and enriching the operational efficiency of urban traffic system.

车路协同系统为区域信号优化控制提供了完善的数据环境。但是不同发展程度下车路协同数据环境存在不确定性，同时车路协同系统在运行中也存在种种不确定因素。在这种数据环境不确定性条件下提升区域信号优化控制效果成为亟待解决的交通问题之一。项目结合当前车路协同技术的发展特点，以区域信号控制系统的需求为导向，构建面向区域信号控制的多源异构数据环境定量化测度模型；分析数据环境不确定性对实时交通流运行的影响，构建基于车路协同数据环境的路段行程时间路测模型，并考虑数据环境不确定性对驾驶人路径选择的影响，探讨车路协同环境下区域信号控制交通流动态演化规律；结合数据环境测度模型，建立基于数据环境质量的典型区域信号控制策略选择模型，并构建考虑数据环境不确定性的区域信号控制协同优化模型。项目研究成果将有助于提升车路协同环境下区域信号优化控制水平，对减少拥堵、提升城市交通运行效率。

辨识不同车路协同数据环境的差异、解析车路协同数据不确定性对信号优化控制带来的影响，将这种不确定性纳入信号优化控制模型中去就成为当前城市信号控制领域亟待解决的问题。本课题针对数据误差，设计数据清洗流程，定量化测度动态数据误差，完善车路协同环境下多源异构数据库，采集数据包括上海市城市快递路检测器信息、上海市出租车 GPS 信息、昆明市交叉口视频信息、北京市快速路检测器信息、北京市可变信息交通标志实时发布信息、北京市出租车 GPS 信息、成都市共享汽车 GPS 信息以及南京市交叉口流量、信号控制信息。.进而研究从数据描述、数据内容以及需求满意三个方面对数据质量进行评价，并基于 Conv-LSTM 模型，构建基于信号控制的多源异构数据环境定量化分级模型。针对低数据环境质量条件，研究在双排队传输模型的基础上，将交叉口信号控制进行连续化表达，深入分析交通诱导与信号控制动态协同过程，研究设计分布式信号控制策略Double Pressure 信号控制，包括了两方面考虑，首先通过现有排队长度、过去一段时间的驶入率以及饱和流率，得到可能排队总长，进而分析得到有效绿灯时长；同时考虑下游路段进口处的车流回溯状态，分析可能的排队溢出状况，从而得到最大可用绿灯时长。该策略考虑下游路段承载能力，分析交叉口不同流向通行能力需要与供给间的相互关系，有效缩小交叉口排队时间，并能够自适应的在不同交通运行状态下与诱导策略进行协同。针对高数据环境质量条件，为增强路网内各个交叉口间的协同能力，研究采用知识共享机制，利用新型的多智能体强化学习框架来优化网络范围的信号控制。存储在知识容器中的知识是所有智能体收集的交通环境的集体学习的表示，用于更好地为每个智能体形成单独的策略。结果表明，该算法在可接受的计算成本基础上，相对于所有的基准算法都能获得更好的性能。