网络化环境下交通信号系统的按需控制方法研究

Control demands of traffic signal systems are diversified and uncertain because of the complexity and variety of traffic environments. In this project, we use agent-based control technology to convert integrated control algorithms into simple distributed control agents according to specific tasks. These control agents can move through network to traffic signal control devices and systems according to different operation requirements and control demands. In this way, we can realize control on demand of traffic signal systems in a networked environment. .Firstly, we start with traffic environments and demands and use Gaussian mixture models (GMM) to represent the traffic flow data for mass traffic data process. Based on MapReduce framework, we implement parallelization of EM algorithm and use it to learn parameters of local models. After getting local models, we find out a reasonable global traffic flow forecasting model for one intersection and realize online traffic flow forecasting..Secondly, based on traffic flow forecasting results, we build a kind of hybrid recommendation system which is consisted by one content-based recommendation system and one collaborative filtering recommendation system. Through this system, optimizing deployment and automatic recommendation of control agents are achieved. .Lastly, adopting hardware-in-the-loop traffic simulation method, we build a testing platform and carry through control experiments on it. Feasibility and effectiveness of the control method proposed by this project is validated..Through the research process of this project, we want to build a control on demand method for traffic signal systems that can be fit for distributed network features and have openness and intelligence.

交通环境的复杂多变使得交通信号系统的控制需求呈现多样性和不确定性，本项目利用代理控制技术将集中式控制算法转变为面向具体任务的简单分散式控制代理，并根据运行条件和需求的不同，通过网络移动到交通信号控制装置和系统上运行，实现网络化环境下交通信号系统的按需控制。首先，从交通环境和需求入手，面向海量交通数据处理，采用混合高斯模型拟合交通流基本参数，基于MapReduce架构，将EM算法并行化，对模型参数进行学习求解，得到局部模型，并通过模型合并得到交通流预测模型，实现对交通流量的在线预测；然后，以交通流预测结果为基础，建立基于内容的推荐和协作过滤推荐相结合的混合推荐系统，实现控制代理的优化配置和自动推荐；最后，采用硬件在环内的交通仿真方法，搭建实验系统进行控制实验，验证该方法的可行性和有效性。通过本项目的研究，拟建立一种适应联网分布式特点、具备开放智能化特性的交通信号系统的按需控制方法。

城市交通系统与人们的生活息息相关，而交通信号控制系统是城市交通系统的重要子系统，对保证通行安全、提高通行效率、缓解交通拥堵具有重要作用。随着物联网时代到来，可以实现分布于不同时空位置的物理设备之间的数据资源和计算资源的共享，提升控制系统对环境的感知能力和响应速度。网络化装置和系统的代理控制技术应运而生，它充分利用网络的连通性，采用分层递阶的系统结构和“当地简单、远程复杂”的网络化系统的控制原理，使当地系统共享远端计算资源和存储空间，实现基于需求的控制。交通环境的复杂多变使得交通信号控制系统的控制需求呈现多样性和不确定性，利用代理控制技术，将控制算法封装为移动的控制代理，按照实际交通状况进行动态部署和更新，可有效提升系统应对交通状况复杂多变和不确定性的能力。. 项目的主要研究内容包括：从动态变化的交通需求出发，基于海量交通数据，进行交通流预测，提出了基于MapReduce架构的分布式交通流预测流程；在此基础上，根据各种控制算法对交通状况的适应度，建立了交通控制代理的混合推荐方法；采用硬件在环内的交通测试方法，搭建测试系统进行实验验证。. 首先，基于云计算的MapReduce架构，建立了面向海量交通数据的交通流预测流程，确定了预测步骤，选用混合高斯模型，用期望最大化算法进行模型参数学习，并用最小决策树方法实现模型合并。. 其次，基于混合推荐技术，实现了动态交通场景与交通控制算法的匹配。通过分析交通场景和控制算法的特点，建立了交通控制代理推荐系统。并对交通控制算法进行代理封装，解决了动态交通场景下的控制代理派遣和分发问题。. 最后，将交通流预测和交通控制代理推荐系统作为子系统集成到基于代理的分布式自适应交通系统平台(aDAPTS, Agent-based Distributed Adaptive Platforms for Transportation Systems)中，并将交通信号控制器、仿真软件和aDAPTS连接在一起构建硬件在环内的测试系统，通过模拟场景下的测试，验证了系统的有效性和可靠性。. 项目研究为城市交通控制系统应对交通需求的动态变化提供了一种新的思路和方法，通过将“按需控制”分为需求感知和需求满足两个阶段，从理论和实现两个方面分别予以解决，建立了一种适应联网分布式特点、具备开放智能化特性的交通信号系统的按需控制方法。