基于BP神经网络的Q-学习可变限速控制对拥堵路段交通流的优化.docVIP

基于BP神经网络的Q-学习可变限速控制对拥堵路段交通流的优化 程鹏 谢小年 重庆交通大学交通运输学院 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 摘????要： 为提高可变限速 (variable speed limits, VSL) 控制对高速公路交通流的控制效能, 提出一种连续状态下BP神经网络的Q-学习VSL控制方法。以路网总通行时间、路段内平均速度、平均密度和平均流量为评价指标, 应用VISSIM4.30与MATLAB软件对比分析采用与不采用BP神经网络的Q-学习VSL控制时, 入口匝道和主线合流区域附近潜在拥堵路段对交通流的影响。结果表明, 基于BP神经网络的Q-学习型VSL控制方法对主线瓶颈区域上游易拥堵路段的交通流有明显的优化作用。 关键词： BP神经网络; Q-学习; 可变限速控制; 交通流优化; 作者简介：程鹏 (1993—) , 男, 安徽六安人, 硕士研究生, 主要研究方向为交通运输规划与管理, E-mail:1850083367@. 收稿日期：2017-02-19 Optimization for Traffic Flow of Road Congestion Based on Q-Learning VSL Control of BP Neural Network CHENG Peng XIE Xiaonian School of Traffic Transportation, Chongqing Jiaotong University; Abstract： To improve the efficiency of VSL control over the freeway traffic flow, this paper proposes a new approach of Q-learning VSL control in the continuous BP neural network.Used the total traveling time of the road network, average speed of the road section and average flow as evaluation indexes, VISSIM4.30 and MATLAB are adopted to make the comparative analysis of the influence of the potential congestion section on the traffic flow at the on-ramp and nearby the merging area of the mainstream with and without the Q-learning VSL control of BP neural network.The results show that the Q-learning VSL control method based BP neural network plays an obvious role in the optimization of the traffic flow at the congested section of the upstream bottleneck of the mainstream. Keyword： BP neural networks; Q-learning; VSL control; traffic flow optimization; Received： 2017-02-19 VSL控制是主线控制的一种, 通过VSL标志来控制主线上车辆的行驶速度, 并且标志上的速度随着主线上车辆数量的变化而变化。文献[1]认为安装VSL标志对改善高速公路交通流具有积极作用。VSL标志能够显示限速信息, 不但可以通过限制速度控制交通流, 达到降低交通拥堵的目的, 还能向驾驶员传递前面路段的交通状况, 提高交通安全[2]。文献[3]以道路上的车辆数量为基础, 分别利用BP神经网络、模糊控制、模糊神经网络和BP神经网络与遗传算法相结合的方法对各影响因素进行建模, 并比较这4种方法在VSL控制中的性能。文献[4]把可变限速过程控制定义为马尔科夫决策过程, 利用强化学习无需建立环境模型的特点对高速路主线交通流进行主动控制。文献[5]从实际快速路交通流数据出发, 分析VSL控制对交通流的影响, 并运用改进的元胞传输仿真模型, 利用单目标反馈法VSL策略以及强化学习VSL控制对主线合流拥堵区域进行控制, 达