交通量的持續(xù)高速增長使得城市交通壓力愈來愈大,交通擁堵問題愈顯突出�，F(xiàn)有的交通控制技術難以有效提高城市路網(wǎng)的交通效率,研究具有學習能力的交通信號自適應控制技術是解決這一問題的有效途徑。針對現(xiàn)有交通控制系統(tǒng)存在的問題,本文采用基于Q學習及模糊技術相結合的交通控制模型及其優(yōu)化方法,構建了單路口的交通優(yōu)化控制模型,并在此基礎上構建了基于相位差的多路口協(xié)調(diào)控制模型,能夠有效減少車輛延遲,提高路網(wǎng)的整體通行效率。主要研究工作如下:(1)針對現(xiàn)有Q學習在交通控制應用中狀態(tài)空間過于復雜,實時性差等問題,在Q學習中引入基于經(jīng)驗的狀態(tài)劃分,對狀態(tài)空間進行優(yōu)化;并通過建立交通參數(shù)融合函數(shù)的方式在保持多參數(shù)評價交通狀態(tài)的前提下降低狀態(tài)空間更新的復雜度;通過為逐個相位進行綠燈配時的手段,進一步降低狀態(tài)空間的復雜度,提高系統(tǒng)控制的實時性。(2)針對復雜交通環(huán)境難以建模、現(xiàn)有基于Q學習的自適應控制方法未充分利用多種交通流參數(shù),對交通流的變化難以給出準確、合理的反饋,本文采用模糊技術來實現(xiàn)以交通繁忙度、車輛排隊長度等因素為主的交通流變化反饋機制,并結合改進的Q學習構建了一種路口交通信號自適應控制系統(tǒng)及方法。仿真測試實驗表明,該方法及系統(tǒng)有效地提高了對交通流變化反饋的準確性。(3)針對龐大、復雜的交通路網(wǎng)難以整體協(xié)調(diào)控制的問題,在上述研究工作的基礎上上,構建基于相位差的多路口協(xié)調(diào)控制模型,通過Q學習對相鄰路口之間的相位差進行優(yōu)化;為確保相位差協(xié)調(diào)的有效性,在協(xié)調(diào)控制過程中增加決策機制。仿真實驗表明,該協(xié)調(diào)模型及方法,能夠降低多路口協(xié)調(diào)控制的復雜度,提高多路口協(xié)調(diào)控制的實時性,從而有效提高整個區(qū)域路網(wǎng)的交通效率。
【學位單位】：南京郵電大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：U491.54
【部分圖文】：

慮使用基于無模型的技術（如模糊技術，強化學習等的 Q 學習改進研究本流程種用來解決馬爾可夫決策過程中最優(yōu)化問題的方法。時獎勵和延遲獎勵的能力。在每一步中，Agent 通過 a，隨著狀態(tài)從 s 轉(zhuǎn)移到 s′，Agent 能夠收到一個獎懲路徑，從而使得整個過程強化值的和最大，也就是從包括兩個實體 和 。兩個實體 下， 采取動作 進而得到反饋 并進入狀態(tài)動作

究生學位論文 第三章 基于 Q 學習及模糊技Q( ， ) ← R( ， ) ＋γ ( ＋1獲得最大的報酬，一個狀態(tài)的 ( )的此式 3.3 可轉(zhuǎn)換成如下所示。Q( ， ) ← R( ， ) ＋γ ∈ ( 態(tài)參數(shù)，采用狀態(tài)--動作查表的形式對開始

法準確描述的交通狀態(tài)進行劃分，從而成一個個的類別，這的本領。本文基于模糊事物的本質(zhì)對交通狀態(tài)進行了概括和，人們可以將交通狀態(tài)描述為“非常好”、“很好”、“良好”、綠燈相位的配時時長也可以模糊化為“短”、“很短”、“一般綠燈相位配時時長作為輸入變量設置模糊語言集合，其中交、“好”、“較好”、“略好”、“一般”、“略差”、“較差”、“差”、 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, }；綠燈相位的配時時短”、“短”、“較短”、“略短”、“一般”、“略長”、“較長”、“的記為{ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, }。針規(guī)定：如果相位綠燈配時時間過短，則車輛無法安全的通過則司機可能產(chǎn)生不耐煩心理，甚至會有“路怒”的情況發(fā)生決定綠燈配時方案的選擇依據(jù)稱為 Q 值。Q 值越大則，選擇變量 Q 值的模糊語言定義為{“負高”“負中”,“負低”,“零”記為{NB, NM, NS, ZO, PS, PM, PB}。交通狀態(tài)，相位綠燈時 3.3，3.4，3.5 所示。

【參考文獻】

相關期刊論文 前10條

1 盧守峰;張術;劉喜敏;;平均排隊長度差最小的單交叉口在線Q學習模型[J];公路交通科技;2014年11期

2 胡亞琦;胡翔宇;朱強化;李洪中;;基于模糊控制算法的城市交通區(qū)域協(xié)調(diào)控制[J];計算機工程與應用;2015年07期

3 黃衛(wèi)華;龍海燕;方康玲;;具有加權因子的PID型模糊控制器分析及設計[J];計算機應用研究;2013年07期

4 胡霆;王景成;趙廣磊;苗浩軒;董振江;張震瑋;何軍;付強;;城市交通干線綠波帶全局優(yōu)化方法[J];計算機與應用化學;2012年10期

5 楊文臣;張輪;何兆成;楊曦臨;董德存;;Matlab與VC++混合編程及其在交通信號兩級模糊控制中的應用[J];公路交通科技;2012年09期

6 齊馳;侯忠生;賈琰;;基于排隊長度均衡的交叉口信號配時優(yōu)化策略[J];控制與決策;2012年08期

7 劉小明;王力;;基于綜合綠波帶最寬的交叉口信號協(xié)調(diào)控制優(yōu)化方法[J];吉林大學學報(工學版);2013年01期

8 劉智勇;宋正東;;城市區(qū)域交通信號的混沌模糊Q學習控制[J];計算機工程與應用;2012年04期

9 馬祥興;;自尋優(yōu)模糊PID控制器的控制參數(shù)和規(guī)則[J];微計算機信息;2010年34期

10 秦敏;;道路交通瓶頸路口的紅波協(xié)調(diào)控制策略[J];貴州師范學院學報;2010年06期

相關博士學位論文 前1條

1 文孟飛;城市智能交通系統(tǒng)交通流協(xié)同優(yōu)化與誘導關鍵技術研究[D];中南大學;2013年

本文編號：2810663