交通信号控制的两步深度强化学习以提高行人安全,使用连接的车辆数据来提高行人安全

科学领域:

• 智能运输系统 智能运输系统
• 交通工程是交通工程.
• 人工智能的人工智能

背景情况:

• 交通信号控制 (TSC) 主要旨在提高所有道路使用者的安全.
• 易受伤害的道路使用者 (VRU),特别是行人,需要在十字路口进行特定的安全增强.
• 现有的自适应交通信号控制方法可能无法完全解决行人安全和效率问题.

研究的目的:

• 提出基于深度强化学习 (TSDRL-TSC) 的新型两步交通信号控制框架.
• 通过动态调整交叉路口的交通信号来提高行人安全和整体交通效率.
• 为了尽量减少交通冲突和对行人和车辆的延误.

主要方法:

• 利用联网汽车 (CV) 的先进通信技术,获取实时流量数据.
• 实施两步框架: (1) 根据行人条件决定传统或修改信号阶段 (PPRT策略),并 (2) 通过深度强化学习优化控制方案.
• 设计一个奖励功能,平衡行人安全,行人效率和车辆吞吐量.

主要成果:

• TSDRL-TSC显著减少了行人与车辆之间的冲突和路过事故.
• 与现有方法相比,拟议的框架导致行人和车辆的总延误大幅减少.
• 在复杂的城市十字路口进行的模拟实验验证实了TSDRL-TSC的有效性.

结论:

• 在复杂的城市环境中,TSDRL-TSC为提高行人安全和交通效率提供了强大的解决方案.
• 基于深度强化学习的交通信号的动态调整显示出与传统和自适应控制策略相比的显著改进.
• 该框架有效地平衡了各种交通参与者的安全和吞吐量竞争要求.