面向大规模交通网络的代理模型辅助协同信号优化
神经与进化计算
2021-03-04 v1
摘要
合理设置交通信号对缓解城市交通网络拥堵非常有帮助。元启发式优化算法已被证明能够找到高质量的配时方案。然而，由于巨大的搜索空间和有限的计算预算，它们在求解大规模交通信号优化问题时通常性能下降。针对此问题，本研究提出一种代理模型辅助协同信号优化（SCSO）方法。与现有直接处理整个交通网络的方法不同，SCSO 首先将其分解为一组可处理的子网络，然后通过代理模型辅助的优化器协同优化这些子网络以实现信号设置。分解操作显著缩小了整个交通网络的搜索空间，而代理模型辅助优化器通过减少昂贵的交通仿真次数大大降低了计算负担。本研究以 Newman 快速算法、径向基函数和一种改进的估计分布算法分别作为分解器、代理模型和优化器，开发了一种具体的 SCSO 算法。为评估其有效性和效率，基于真实交通网络生成了一个包含十字路口和 T 型路口的大规模交通网络。与几种专为交通信号优化设计的现有元启发式算法比较，证明了 SCSO 在降低车辆平均延误时间方面的优越性。
引用
@article{arxiv.2103.02107,
title = {Surrogate-assisted cooperative signal optimization for large-scale traffic networks},
author = {Yongsheng Liang and Zhigang Ren and Lin Wang and Hanqing Liu and Wenhao Du},
journal= {arXiv preprint arXiv:2103.02107},
year = {2021}
}