在城市节能和减排目标下，动脉交通流运行状态与碳排放之间的耦合响应机制

《Carbon Balance and Management》：Coupling response mechanism between the operational state of arterial traffic flow and carbon emissions under the goal of urban energy conservation and emission reduction

　　

摘要

为了解决混合交通条件下城市主干道信号控制中高排放和低效率的问题，本研究提出了一种基于深度强化学习的信号控制方法，旨在减少碳排放。首先，构建了一个离散化的状态编码矩阵，该矩阵整合了车辆位置、速度和加速度信息，以量化主干道交通流的微观状态。其次，设计了一个多目标奖励函数，该函数同时考虑了燃油-车辆碳排放和等待时间，并根据三种交通流状态的耦合强度动态调整权重，从而将耦合机制转化为一个可量化的优化目标。最后，采用了一种改进的深度Q网络（具有对抗架构和噪声网络）来优化信号时序，平滑交通波动并调节耦合关系。仿真结果表明，在自由流、稳定流和不稳定流的情况下，平均等待时间分别降低到18.3秒、42.1秒和68.5秒，最大降幅为18.08%；每车辆的二氧化碳排放量分别降至142克、318克和586克，最大降幅为6.24%；总燃油消耗量降至37.2升/小时，减少了6.53%；二氧化碳（CO?）、碳氢化合物（HC）和氮氧化物（NO?）的排放量同时减少了6%以上。平均行驶时间缩短至148.9秒（提高了8.26%），平均行驶速度提高到35.8公里/小时（提高了9.15%）。本研究有效调节了主干道交通流状态与碳排放之间的耦合关系，为绿色和低碳城市交通发展提供了理论支持和技术途径。