【摘 要】
：
智能交通信号控制技术是缓解交通拥堵的重要手段。为解决传统强化学习算法应用到连续多交叉口的局限性问题,提出了1种基于上下层神经网络的连续交叉口交通信号控制模型。控制
【机 构】
：
北方工业大学城市道路交通智能控制技术北京市重点实验室
【基金项目】
：
国家重点研发计划项目(2018YFB1600500),北京市自然科学基金项目(4212034)资助
论文部分内容阅读
智能交通信号控制技术是缓解交通拥堵的重要手段。为解决传统强化学习算法应用到连续多交叉口的局限性问题,提出了1种基于上下层神经网络的连续交叉口交通信号控制模型。控制模型由下层神经网络选择当前状态下可能的最优控制策略,再由上层神经网络根据各路口车均延误进行二次调整,将最终控制策略应用到多交叉口的相位配时中。以典型连续3个交叉口为例,通过SUMO仿真平台对模型进行仿真验证,在低与高饱和度下,该控制模型分别对车均延误降低了23.6%和26%,排队长度降低了8.4%和9.4%。实验数据表明,该模型可有效提高连续交叉
其他文献
为充分挖掘公共自行车时空出行特征,探讨城市空间环境与骑行需求的潜在联系。以宁波市中心城区为案例,基于公共自行车IC卡数据获取出行时空变化规律,在验证租、还车需求具有
开展了酒石酸盐强化氧化锌烟尘回收锌工艺实验研究,分别考察了NH3-H2O、NH3-(NH4)2O6C4H4-H2O、NH3-C4H6O6-H2O、NH3-C4H8Na2O8-H2O及(NH4)2O6C4H4-H2O体系对锌浸出率的影响
针对CACC协同自适应巡航控制技术,探究其在车联网通信时延影响下,与驾驶员驾驶汽车共存而构成的混合队列系统的性能。从微观跟车行为角度,基于频域传递函数,推导通信时延下的
云南某硫化铅锌矿中Pb的品位为6.82%、Zn的品位为21.03%,主要脉石矿物是方解石、白云石等,且矿石中含黄铁矿较多,对铅锌选矿造成一定的影响。对该矿采用优先浮选的工艺流程,
为研究车路协同系统在不同车间信息交互水平下对快速路交通流的影响,采集并提取北京市四方桥快速路段早高峰交通流轨迹,同时分析车路协同场景下快速路车辆运行特征,实现对常
针对无人驾驶车辆变道超车场景,研究基于REINFORCE算法和神经网络技术的无人驾驶车辆变道控制策略。通过车辆动力学模型确定模型的反馈量、控制量和输出限幅要求;设计神经网
为了探讨水力停留时间及水力负荷对人工湿地处理效果的影响,构建6种不同类型的人工湿地进行中试研究,分析其在不同水力条件下对农村生活污水的净化效果。结果表明:在相同的水
面向人类驾驶和具备协同自适应巡航功能的网联自动驾驶组成的新型混合交通流,考虑道路交通特性、道路结构以及匝道汇入前主线交通状态等因素的交互作用机理,基于概率统计理论