一种用于自适应交通信号控制的开源框架

交通系统中次优的控制策略会对出行、环境及人类健康产生负面影响。在适当规模上开发最优交通控制系统十分困难，因为城市交通系统往往规模庞大、复杂且随机。交叉口交通信号控制器是现代交通基础设施的重要组成部分，其次优控制策略会给众多用户带来高昂代价。学界已提出许多自适应交通信号控制器，但关于其相对性能差异的研究仍然匮乏——哪种自适应交通信号控制器最优仍是一个开放问题。本研究贡献了一个用于在仿真中开发和评估不同自适应交通信号控制器模型（包括基于学习与不基于学习的）的框架，并展示了其能力。该框架首先用于考察所建模自适应交通信号控制器相对于其超参数的性能方差，其次用于分析具有最优超参数的各控制器之间的性能差异。所提框架包含了文献中一些最流行的自适应交通信号控制器的实现：Webster法、最大压力法、自组织交通灯，以及深度Q网络与深度确定性策略梯度强化学习控制器。该框架将以通用起点加速研究人员的工作，使他们能以更少的投入更快产生结果。所有框架源代码可在 https://github.com/docwza/sumolights 获取。