为了提高交通控制算法的适应性和鲁棒性,缓解城市交通拥堵,提出了一种改进的D3QN(dueling double deep Q-network, D3QN)自适应信号控制方法。首先对几种强化学习自适应控制模式进行分析,然后在固定步长动作模式的基础上提出了不定步长动作模式,并构造了一种基于空间占有率的奖励函数;最后使用Sumo软件,对中山市东区街道某交叉口分别在稳定流和随机流场景下进行仿真。仿真结果表明:该方法具有良好的收敛性,有效地降低了延误时间和排队长度。
路网宏观基本图(Macroscopic Fundamental Diagrams,MFD)的估测方法有基于固定检测器数据估测法和基于浮动车数据估测法,但很少有文献将两者结合起来,鉴于此,本文提出以车联网环境下联网车数据估测的交通参数为检验数据,引入动态误差,建立两个自适应加权平均数据融合模型,对两种估测法所得的路网加权交通流量和路网加权交通密度分别进行数据融合,从而更加准确地估测路网MFD.为验证模型的有效性,以广州天河区核心路网为研究区域,通过Vissim交通仿真建模分析,对比各种估测法所得路网MFD参数的平均绝对相对误差、路网MFD的状态比和差异值.结果表明,经数据融合后的路网MFD参数平均绝对相对误差和路网MFD差异值均最小,最接近标准路网MFD.
