车路协同背景下基于复杂网络同步现象的交通控制方法研究

With the gradual popularization of cooperative driving in urban traffic control, how to profit this new technology to improve network traffic control efficiency calls for in-depth research. For the network traffic control, the key point lies on the coordination of traffic systems at intersections. The traditional methods often use the global optimization method. However, it may not apply to traffic control under the background of cooperative driving since it is difficult to handle the problems like sharp increase of data, high cost of computation, even the vulnerability of control system as the complexity and interaction strengths in a networked subsystem increase. Hence, applying local self-organization based control is believed as a better choice. Inspired by the phenomenon of synchronization, each control system at intersection is modeled as an oscillating system. With the adjustment of rhythms of oscillating systems due to their weak interaction, all the oscillating systems reach a common state where control systems cooperate to form “green wave”. Hence, traffic efficiency can be gained. We believe the innovative study of this project will achieve a major breakthrough in the further traffic control system and provide important theoretical and practical support for the intelligent traffic system applications.

随着车路协同技术在城市交通控制中逐步应用，如何利用车路协同技术提高区域级交通控制效率迫切需要进行深入研究。对于区域级交通控制，关键难点在于协调各个路口的控制系统以提高整个区域交通通行效率。传统的控制多采用全局优化方法，然而在车路协同背景下，若仍采用全局优化控制，将出现如数据量大、计算复杂度高以及系统不稳定等诸多问题。因此，一种行之有效的解决的方法是采用局部自组织的控制策略，发挥路口的自主决策功能，实现交通的分布式实时控制。受到同步思想的启发，我们将各个路口看作性质相近的动力系统，通过系统间的耦合作用，使得在不同的初始条件下各自演化的系统其状态逐步接近，最后达到全同的状态，最大限度打通“绿波带”，以此提高整个区域的交通运行效率。本项目研究注重源头创新，有望在基于车路协同的交通控制系统研究领域取得一定突破，为智能交通发展提供理论基础和技术保障。

随着车路协同技术在城市交通控制中逐步应用，如何利用车路协同技术以及人工智能技术提高区域级交通控制效率迫切需要进行深入研究。对于区域级交通控制，关键难点在于协调各个路口的控制系统以提高整个区域交通通行效率。本课题旨在车路协同技术迅速发展的背景下，利用复杂网络同步理论以及深度强化学习技术对城市交通分布式协调控制方法进行理论性研究。经过三年研究，完成了基于车路协同技术的路口交通控制系统建模和安全性论证工作，并且依据建立模型提出了自组织的交通控制策略。完成了在车流条件改变的情况下，协调控制各个路口以最大限度打通“绿波带”、提高整个区域交通运行效率方法研究工作。另外，结合依托单位的研究特色以及人工智能领域的发展趋势，将理论研究过程中涉及到的与智能交通、人工智能相关的内容进行了拓展。特别是利用深度强化学习技术对数据进行自动化分析进行了深入研究。本项目研究注重源头创新，在基于车路协同的交通控制系统研究领域取得一定突破，具有重要的科学意义和实际应用价值。