混合自动驾驶城市网络干扰期韧性信号-交通协同控制研究

《Scientific Reports》：Disturbance-aware hybrid signal–vehicle control for service maintenance in mixed-autonomy urban networks

　　

摘要

当局部容量损失与需求激增和排队溢回相互作用时，混合自主城市网络可能会经历快速的服务降级。本研究将干扰期交通管理建模为一个服务维持问题，并提出了 Res-STC（面向韧性的信号 - 交通协同控制），这是一个混合多智能体强化学习框架，协调网络级信号决策与符合条件的网联自动驾驶车辆（CAV）的本地速度引导。级联图注意力/Transformer 编码器表征相邻交叉口耦合和长程网络依赖，而工程约束执行层强制执行最小和最大绿灯时间、黄灯/全红转换以及方向防饿死规则。实验在 SUMO 中进行，使用改编自 CoLight 所用网络的 4 × 4 杭州基准网络，包含 16 个信号交叉口，涵盖 13 种需求、干扰和 CAV 渗透率场景。对于选定的训练策略的 10 个匹配模拟种子，Res-STC 在大多数场景中取得了最高或接近最高的平均运行性能，特别是在平均速度、吞吐量和完成率方面。相对于仅信号消融，场景级平均速度的平均变化范围为 -0.01% 到 4.90%，相应的吞吐量平均变化范围为 -0.29% 到 3.89%。这些描述性结果表明，网络级信号协调是改进的主要来源，而 CAV 速度引导充当互补的、依赖场景的本地执行器，而非信号控制的替代品。