[发明专利]一种基于agent的城市区域边界控制方法及系统

说明书

本发明提供给了一种基于agent的城市区域边界控制方法及系统，其中一种基于agent的城市区域边界控制方法,具体步骤如下：S1、将需要控制的城市区域进行区域agent划分成多个区域，每个区域对应相应的agent；S2、利用区域交通异常检测数据进行agent设计；S3、识别区域需要开启边界控制的时段；S4、在边界agent中筛选实施路口；S5、利用agent强化学习方法制定边界控制信号配时方案。

技术领域

本发明属于交通控制领域，涉及一种基于agent的城市区域边界控制方法及系统。

背景技术

国民经济的发展和科技的进步促进了城市范围的扩大，越来越多的大城市周边出现了大型新城、组团等，都市区、城市群间的联系也日益密切，城市内、城市间的交通需求快速增长，再加上城市车辆机动化程度已进入了较高水平，交通拥堵往往不仅发生在路口或路段，也会从路口、路段的点演变到多条路段的线，甚至影响到相交路线，演变成区域层面的交通问题。

根据研究，区域交通拥堵与区域内的交通需求密切相关。在区域范畴内，存在着宏观基本图(Macroscopic Fundamental Diagram,MFD)，当区域交通需求超出其通行能力时，就有可能发生拥堵。因此，根据区域的通行能力，有效调控区域路网的需求，在需求量较大的时段，通过控制驶入交通量，特别是进入区域核心区的交通量，成为了缓解乃至预防区域交通拥堵的关键。

随着互联网技术和数据采集技术的发展，配备GPS和一些互联网应用的私人车辆也可以被认为是可提供数据资源的浮动车辆，这些车辆的数据和路口检测数据共同构成了多源数据库。通过大数据资源，我们可以利用人工智能学习长期的交通演变规律，并在现实中实现人工智能交通控制。

发明内容

针对上述背景技术介绍中存在的问题，本发明的目的在于提供一种有效改善区域交通状况的基于agent的城市区域边界控制方法及系统。

本发明采用的技术方案是：

一种基于agent的城市区域边界控制方法,具体步骤如下：

S1、将需要控制的城市区域进行区域agent划分成多个区域，每个区域对应相应的agent；

S2、利用区域交通异常检测数据进行agent设计；

S3、识别区域需要开启边界控制的时段；

S4、在边界agent中筛选实施路口；

S5、利用agent强化学习方法制定边界控制信号配时方案。

进一步，步骤S1中的区域划分为关键区域，边界区域和外围区域，其中关键区域为可控制区域的核心范围，包括区域的主要交通需求点和拥堵点；边界区域为划分关键区域后，围绕关键区域一个路口范围内的区域；外围区域为边界区域外，围绕边界区域一个路口范围内的区域。

进一步，步骤S2的agent设计包括：

1)状态State：

Agent的状态S_j，t由区域内的路口异常数N_k，j，t表示，即,

S_j，t＝[N_1，j，t，…，N_i，j，t，…，N_k，f，t]^T，

其中，N_i，j，t表示t时间段内，属于j区域的交叉口i的交通异常数；k为区域内交叉口的总个数，用j表征相关的三个区域，其中

2)动作Action：

动作向量A_t为实施边界控制的路口的各相位绿信比，即，