基于 CAV 的交叉口控制系统的开发及走廊级影响评估
人工智能
2022-08-23 v1
摘要
本文提出一种面向网联自动驾驶车辆（CAV）的无信号交叉口控制系统，其结合像素预约算法与深度强化学习（DRL）决策逻辑，并对所提模型进行走廊级影响评估。像素预约算法检测潜在冲突机动，DRL 逻辑优化车辆运动以避免碰撞并最小化交叉口总体延误。所提控制系统称为去中心化稀疏协调系统（DSCLS），因每辆车拥有自身控制逻辑且仅在协调状态下与其他车辆交互。由于在 DRL 训练过程中采取随机动作的连锁影响，训练所得模型能应对前所未有的交通量条件，而这正是交叉口管理的主要挑战。在 VISSIM 软件中由四个交叉口组成的走廊下，于三种交通量区间将该模型与传统及基于 CAV 的控制系统（包括固定信号灯、感应信号灯和最长队列优先（LQF）控制系统）比较。仿真结果显示，相较于其他基于 CAV 的控制系统，所提模型在中等、高和极端交通量区间分别降低延误 50%、29% 和 23%。在行程时间、燃油消耗、排放和替代安全指标（SSM）上的改善亦显而易见。
引用
@article{arxiv.2208.09973,
title = {Development of a CAV-based Intersection Control System and Corridor Level Impact Assessment},
author = {Ardeshir Mirbakhsh and Joyoung Lee and Dejan Besenski},
journal= {arXiv preprint arXiv:2208.09973},
year = {2022}
}