AVARS——利用无人机缓解突发城市道路交通拥堵
机器学习
2023-09-12 v1 人工智能
系统与控制
系统与控制
摘要
减少由途中事件(如道路封闭、车祸等)引起的突发城市交通拥堵，通常要求快速且准确的反应以选择最适配的交通信号。传统交通灯控制系统(如SCATS和SCOOT)效率不高，因为它们由感应线圈提供的交通数据更新频率低(即长于1分钟)。此外，这些系统使用的交通灯信号方案是从意外事件发生前预编程的有限候选方案集中选取的。近期研究表明，由深度强化学习(DRL)算法控制的基于摄像头的交通灯系统更能有效缓解交通拥堵，其中摄像头可提供高频高分辨率交通数据。然而，由于对道路基础设施所需的大量潜在升级，这些系统在大城市部署成本高昂。本文认为，无人机(UAV)可在应对突发交通拥堵中发挥关键作用，因为搭载机载摄像头的UAV可在突发拥堵发生的时间和地点经济地部署。进而，我们提出一个名为“AVARS”的系统，探索利用UAV通过基于DRL的交通灯信号控制来减少突发城市交通拥堵的潜力。该方法在广泛使用的开源交通模拟器上以实际UAV设定(包括其交通监控范围与电池续航)进行了验证。我们的仿真结果表明，AVARS可在典型无人机电池续航时间内将爱尔兰都柏林的突发交通拥堵有效恢复至原本无拥堵水平。
引用
@article{arxiv.2309.04976,
title = {AVARS -- Alleviating Unexpected Urban Road Traffic Congestion using UAVs},
author = {Jiaying Guo and Michael R. Jones and Soufiene Djahel and Shen Wang},
journal= {arXiv preprint arXiv:2309.04976},
year = {2023}
}