高速公路单点入口匝道RLRM控制方法
为缓解交通堵塞,基于人工智能的强化学习理论,提出了不完全信息下的强化学习单点入口匝道控制方法（RLRM）。基于6个仿真实例,分别计算了平均速度、平均密度、流出交通量与旅行时间,比较了无控制、定时控制与RLRM控制的控制效果。仿真结果表明：在交通量较小的实例1中,以旅行时间为评价指标,定时控制与RLRM控制的交通阻塞缓解率分别为-6.25%、-9.38%,几乎没有控制效果;在交通量变大的实例3中,以旅行时间为评价指标,定时控制与RLRM控制的交通阻塞缓解率分别为-8.19%、3.51%,匝道控制有一定效果,RLRM控制略优于定时控制;在交通量最大的实例6中,以平均速度、平均密度、流出交通量与旅行时间为评价指标,定时控制的交通阻塞缓解率分别为8.20%、0.39%、18.97%与23.99%,RLRM控制的交通阻塞缓解率分别为18.18%、3.42%、30.65%与44.41%,RLRM控制明显优于定时控制。可见,交通量越大,RLRM控制效果越明显。
交通控制、匝道、交通流仿真、人工智能、强化学习、RLRM控制
12
U491.54(交通工程与公路运输技术管理)
基金项目:国家自然科学基金项目51008201;河北省自然科学基金项目E2012210016;河北省高等学校科学研究重点项目GD2010235
2012-09-11（万方平台首次上网日期，不代表论文的发表时间）
共7页
101-107
