.png){kind=icon}
返回
A distributed model predictive approach for network traffic signal control using multi-objective dynamic programming
.png){kind=icon}
OA
AI
DOI：10.1111/mice.70035.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
道路交通网络中的实时交通信号控制（TSC）由于交通流量的变化和高计算复杂度而仍然具有挑战性。现有的模型预测控制（MPC）方法通常面临若干局限性，包括依赖商业求解器、单目标优化的不灵活以及使用未能利用现有传感器丰富数据的预测模型。针对这些局限性，本文旨在引入一种基于车牌识别（LPR）数据驱动的分布式MPC方法，用于高效的多目标优化实时网络TSC。该方法采用多智能体架构，每个交叉口作为一个独立智能体运行，同时通过与相邻交叉口的最小信息交换保持网络范围内的协调。对于车辆到达预测，结合了编队分散模型和利用LPR数据的反馈机制。这种集成提高了预测精度，并减轻了滚动时域方案中的误差累积。对于信号配时优化，开发了一种纳入帕累托最优的多目标动态规划算法，以动态平衡车辆延误和排队长度，从而更好地适应变化的交通条件。在4×4网格网络的评估中表明，该方法相比Synchro减少了最高达11%的延误，相比max pressure控制减少了46%。通过在一个包含28个交叉口的实际网络中的实施，进一步验证了其可扩展性和实用性。关键在于，该方法计算效率高，实际网络中每个交叉口的优化时间中位数保持在0.05秒以下，证实其适用于大规模实时部署。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
C
IF:
9.1
论文数:
2.0K
被引数:
10.0K
机构
引用论文
.png){kind=icon}
Multiobjective Environmentally Sustainable Road Network Design Using Pareto Optimization基于帕累托优化的多目标环境可持续道路网络设计
PREAI
分享收藏分享收藏
查看更多内容