人机混驾环境下信控交叉口配时优化.pdf

特别

关注

Specialfeatures

摘要：为提高人机混驾环境下信控交叉口的车流通行效率，从人机混驾交通流角度，探讨基于长短期记忆网络的信控交又口短时交

通预测方法，进而构建人机混驾环境下交叉口模糊控制系统，在此基础上，提出基于短时交通预测的配时模糊控制算法，最后以南

京市某交叉口为例，采用SUMO仿真，进行优化与评价。实例分析结果表明，相比现状方案，在渗透率为0.6和0.8时，优化方案的平

均车速提升了10.63%~15.18%。可见提出的人机混驾环境下信控交又口配时优化可提高交又口通行能力，减少车流延误。

关键词：交通工程；信号配时；短时交通预测；人机混驾；交又口

人机混驾环境下信控交叉口配时优化

文／李兴永苏交科集团股份有限公司

李天和中电建路桥集团有限公司

卓曦福州大学土木工程学院

作为路网的重要交通瓶颈点，信控驾驶交通流的信号配时方法，针对人机预测4。

交叉口承担着诸多转向交通流。在完全混驾环境的配时研究尚不多见。获取交通量历史数据，进而通过划

普及自动驾驶汽车前，道路上会出现自本文研究的人机混驾环境为网联自分训练集和测试集，采用LSTM模型进

动驾驶与人工驾驶共存的场景，表明交动驾驶车辆与网联人工驾驶车辆构成的行预测。具体步骤：①对人机混驾交通

叉口交通环境将从纯人工驾驶环境转化混合交通环境。其中，网联自动车可以量数据进行预处理，从而划分训练集和

为人机混驾环境，即自动驾驶与人工驾实时获取信号参数，并快速做出反应，测试集；②设置LSTM模型的网络结构，

驶车辆的混合行驶环境。在此情况下，而网联人工车只具备信息传输的功能，如遗忘门的层数和神经元个数、迭代次

若交叉口信号配时与人机混驾环境不匹而没有自主决策操作的功能，仍由驾驶数等；③将训练集的交通量序列数据输

配、不协调，易影响无人驾驶车辆的功员控制。本文针对信控交叉口的人机混入LSTM模型进行训练。当选代次数达

能发挥，进而降低通行效率。驾交通流，研究短时交通预测方法，在到最大时，停止训练，得到训练集的交

在信号配时方面，GuojiangShen此基础上，提出信号模糊控制系统与模通量预测值；④将测试集的交通量序列

等人针对交叉口信号控制问题，提出糊控制算法。数据输入LSTM模型进行预测，评价预

了一种基于改进K-medoids算法的交测效果。若预测效果良好，则进入步骤

通相位组合与信号配时优化方法。1人机混驾环境下信控交叉口③，否则返回步骤②，调整网络结构；

ShoufengLu等人基于强化学习的自适短时交通预测③利用训练好的LSTM模型预测交通量

应信号控制方法，以路口总延误为状门机制的引入让长短期记忆网络序列数据，得到短时交通量预测值。

态、相位绿灯变化为动作，研究了强化(LongShortTermMemory,LSTM)

模型拥有了长期记忆的功能。在处理长

学习在信号控制中的性能[2]。李亚男利2基于短时交通预测的人机混

用K-means聚类算法，基于交通流时序时间序列数据时，该模型能够通过学习驾环境下信控交叉口配时优化

性，对交通控制时段进行了划分，以优将远距离的样本信息保留在网络中。可参考模糊控制算法，通过短时交通

化车辆延误为目标建立信号相位配时优见LSTM模型很大程度上减少了对样本量预测，预测出未来m个时间段内的交

化模型，并采用遗传算法进行求解[9]。的依赖性，因此选取LSTM模型对人机通量，进而在m个时间段中，以连续y个

可见国内外相关研究多集中于基于人工混驾环境下信号交叉口进行短时交通量时间段的短时