CN113470382A - 一种综合多变量的主动交通控制方法 - Google Patents
一种综合多变量的主动交通控制方法 Download PDFInfo
- Publication number
- CN113470382A CN113470382A CN202110956038.6A CN202110956038A CN113470382A CN 113470382 A CN113470382 A CN 113470382A CN 202110956038 A CN202110956038 A CN 202110956038A CN 113470382 A CN113470382 A CN 113470382A
- Authority
- CN
- China
- Prior art keywords
- control
- phase
- traffic
- road section
- lane
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
Abstract
本发明涉及一种综合多变量的主动交通控制方法,包括步骤S1,将交叉口间的连接路段分为控速区和控道区两部分,步骤S2,建立交叉口主动交通控制模型,步骤S2,主动交通控制方法,速度控制与动态相序控制相结合,车道控制与动态相序控制相结合,采用最下层为动态相位控制,中间层为速度控制、最上层为车道控制的逻辑,先采用速度控制对交通流进行抑制和整流,再通过车道控制进行调度,更加有效、合理。本发明延伸了交通控制变量的维度,实现了对交通流的全路程控制,提高了交通控制的能力。
Description
技术领域
本发明涉及交通控制技术领域,具体涉及一种综合多变量的主动交通控制方法。
背景技术
城市道路网络由交叉口和路段组成,路网中的交通流一般源自上游交叉口,形成于连接路段,汇聚至下游交叉口。传统交通控制理论以交叉口控制为核心,很少考虑对连接路段上的交通流的控制,其本质上是以适应交通流为目标的被动控制方式。主要存在两个问题:1)在不考虑路网特性时,单交叉口无法通过上下游协同控制的方式实现对交通流的影响,在适应交通流时呈现出被动适应的方式,难以从交通流形成、通过的全过程提供控制能力;2)连接路段交通流的随机性可能导致交通流的不稳定,容易产生路段拥堵并最终导致交叉口拥堵的发生。
发明内容
本发明的目的是提供一种综合多变量的主动交通控制方法,以解决现有交叉口控制存在不足容易导致拥堵的问题。
为实现上述目的,本发明采用如下技术方案:
一种综合多变量的主动交通控制方法,包括以下步骤,
步骤S1:将交叉口间的连接路段j分为控速区和控道区两部分,控道区的路段长度为Lj,a,控速区的路段长度为Lj,b;
步骤S2:建立交叉口主动交通控制模型,
主要分两大步,步骤S21:建立具有多控制变量交叉口交通控制模型的存储转发形式:
上式表示采样周期k+1内路段j,a的车辆数,等于采样周期k内路段j,a上的车辆数与上游路段流向路段j,a的车辆数和流出路段j,a的车辆数的差的和;路段j,b流出的车辆数等于流入车辆数与存在车辆数之差,nj,a(k)表示路段j,a在采样周期k的车辆数;qj,a,in(k)表示采样周期k内上游路段发送给路段j,a的车辆数;qj,a,out(k)表示采样周期k内路段j,a发送给下游路段的车辆数,Lj,a为路段j,a的长度;qj,b,in(k)为k时段内路段j,b的输入流量,qj,b,out(k)为k时段内路段j,b的输出流量,ρj,b(k)为k时段内路段j,b的交通流密度,Lj,b为路段j,b的长度;
其中,令qj,b,out(k)=qj,a,in(k),则上式可变形为:
nj,a(k+1)=nj,a(k)+qj,b,in(k)-Lj,b·ρj,b(k)-qj,a,out(k) (2)
步骤S22:利用上式(2)再构建如下的交叉口主动交通控制模型的完整形式:
nj,a(k+1)=nj,a(k)-V(k)-G(k) (3)
令:
其中,V(k)表示速度控制模型,提供车速也即“速度”控制变量;G(k)表示车道控制模型,提供“车道”“相位”“相序”“绿灯时间”四个控制变量;
其中,vj,b(k)为速度控制变量,vj,b,crit是临界速度,表示为车道控制变量,表示相位控制变量,Sj,a表示路段通行能力,gj,a,o(k)表示采样周期k内路段j,a所在相位的绿灯时间,且有gj,a,o(k)≥gj,a,o,min;
步骤S3:主动交通控制方法,主要分为三个阶段:
阶段一,步骤S31:实施动态相位控制,将采样周期k内执行某相位时交叉口的流量和排队作为输入,在解空间中选择与当前执行相位相匹配的n个相位作为下一步执行相位的候选,再对每个候选相位选择其连续执行的m个相位作为控制链,构造通行能力系数Jmin最小为目标函数,采用遗传算法作为优化算法执行n个控制链,并对n个控制链的所得通行能力系数J进行排序,取得J最小的控制链的第一个相位作为当前相位的下一个执行相位,并将所得间隔时间、相位、绿灯时间作为输出;
步骤S311:执行当前相位与绿灯时间,当进入时锁定绿灯时间,输出当前交叉口各路段交通流量输入和排队状态;
步骤S312:启动相位控制链预测,在所设置的相位控制链方案组中选择当前执行相位的相容控制链方案组,将步骤S311中的交通流量和排队状态作为输入,以为通行能力系数Jmin目标函数,并以遗传算法为优化算法,分别执行相容相位控制链方案组中的所有方案,并对执行后的控制链进行排名,输出排名第一的相容相位控制链方案中第一个相位、绿灯时间和间隔时间,该过程采用异步多线程计算,计算时间为时锁定绿灯时间;
步骤S313:将步骤S312计算得到的间隔时间、相位、绿灯时间输出到主进程中,待当前相位的时锁定绿灯时间结束后,执行计算得到的间隔时间、相位、绿灯时间;
阶段二,具体包括步骤S321:判断通行能力系数JS是否大于等于零且连续n个采样周期均有JS≥0,如果是,则转至阶段一的S31;否则转至阶段二的步骤S322;
步骤S322:通行能力系数JS等于零且连续n个采样周期均有JS=0,实施路段速度控制,输出{相位、相序、绿灯时间、速度},判断通行能力系数JS是否大于等于零且连续n个采样周期均有JS≥0,如果是,则转至阶段一的步骤S311;否则转至下个阶段的步骤S33;
阶段三,步骤S33:
通行能力系数JS等于零且连续n个采样周期均有JS=0,实施车道控制,更新交叉口车道属性,相位集合和控制链,输出{相位、相序、绿灯时间、速度、车道},转至阶段一。
进一步地,控速区表示连接路段上车辆可以自由换道区域,实施速度控制以减小车流的离散特性;控道区表示交叉口进口到车辆需按照车道类型通行的区域,实施车道控制以增加车流流向的分割。
本发明的有益效果:
本发明将交叉口和连接路段作为整体统一建模,建立由速度控制模型和车道控制模型构成的多变量的交叉口交通主动控制模型,延伸了交通控制变量的维度,实现对交通流的全路程控制,再配合相应的主动控制算法,可以实现灵活有效的交叉口控制。对于适应未来交通管控发展需要,缓解城市道路交通拥堵、保障行车安全有着非常重要意义。
附图说明
图1是交叉口间的路段划分示意图;
图2是本发明综合多变量的主动交通控制的逻辑图;
图3是本发明综合多变量的主动交通控制的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
本发明的实施例:
如图1-图3所示,一种综合多变量的主动交通控制方法,包括以下步骤:
步骤S1、控道区和控速区的划分
将交叉口间的连接路段分为控速区和控道区,其中控速区表示连接路段上车辆可以自由换道区域,可用以实施速度控制来减小车流的离散特性,实现车流均匀性;控道区表示交叉口进口到车辆需按照车道类型通行的区域,可用以实施车道控制来有效增加车流流向的分割,实现车流通行需求的主动调控。
将路段j分为控速区和控道区两部分,控道区的路段长度为Lj,a,控速区的路段长度为Lj,b。
步骤S2、建立交叉口主动交通控制模型
主要分两大步,S21:建立具有多控制变量交叉口交通控制模型的存储转发形式:
上式表示采样周期k+1内路段j,a的车辆数,等于采样周期k内路段j,a上的车辆数与上游路段流向路段j,a的车辆数和流出路段j,a的车辆数的差的和;路段j,b流出的车辆数等于流入车辆数与存在车辆数之差。其中,nj,a(k)表示路段j,a在采样周期k的车辆数;qj,a,in(k)表示采样周期k内上游路段发送给路段j,a的车辆数;qj,a,out(k)表示采样周期k内路段j,a发送给下游路段的车辆数,Lj,a为路段j,a的长度;qj,b,in(k)为k时段内路段j,b的输入流量,qj,b,out(k)为k时段内路段j,b的输出流量,ρj,b(k)为k时段内路段j,b的交通流密度,Lj,b为路段j,b的长度。
其中,令qj,b,out(k)=qj,a,in(k),则上式可变形为:
nj,a(k+1)=nj,a(k)+qj,b,in(k)-Lj,b·ρj,b(k)-qj,a,out(k) (2)
步骤S22:利用上式(2)再构建如下的交叉口主动交通控制模型的完整形式:
nj,a(k+1)=nj,a(k)-V(k)-G(k) (3)
令:
其中,V(k)表示速度控制模型,提供车速也即“速度”控制变量;G(k)表示车道控制模型,提供“车道”“相位”“相序”“绿灯时间”四个控制变量。
其中,vj,b(k)为速度控制变量,vj,b,crit是临界速度,表示为车道控制变量,表示相位控制变量,Sj,a表示路段通行能力,gj,a,o(k)表示采样周期k内路段j,a所在相位的绿灯时间,且有gj,a,o(k)≥gj,a,o,min。
步骤S3、主动交通控制方法
主要分为三个阶段:
阶段一,步骤S31:实施动态相位控制,其将采样周期k内执行某相位时交叉口的流量和排队作为输入,在解空间中选择与当前执行相位相匹配的n个相位作为下一步执行相位的候选,再对每个候选相位选择其连续执行的m个相位作为控制链。构造通行能力系数Jmin最小为目标函数,采用遗传算法作为优化算法执行n个控制链,并对n个控制链的所得通行能力系数J进行排序,取得J最小的控制链的第一个相位作为当前相位的下一个执行相位,并将所得间隔时间、相位、绿灯时间作为输出。
步骤S311:执行当前相位与绿灯时间,当进入时锁定绿灯时间,输出当前交叉口各路段交通流量输入和排队状态;
步骤S312:启动相位控制链预测,在所设置的相位控制链方案组中选择当前执行相位的相容控制链方案组,将S311中的交通流量和排队状态作为输入,以为通行能力系数Jmin目标函数,并以遗传算法为优化算法,分别执行相容相位控制链方案组中的所有方案,并对执行后的控制链进行排名,输出排名第一的相容相位控制链方案中第一个相位、绿灯时间和间隔时间。该过程采用异步多线程计算,计算时间为时锁定绿灯时间。
步骤S313:将步骤S312计算得到的间隔时间、相位、绿灯时间输出到主进程中,待当前相位的时锁定绿灯时间结束后,执行计算得到的间隔时间、相位、绿灯时间。
其中,遗传算法:
a)目标函数为:Jmin;
c)设计包括种群规模、交叉概率、变异概率、优化代数等。
阶段二,具体包括步骤S321:判断通行能力系数JS是否大于等于零且连续n个采样周期均有JS≥0,如果是,则转至阶段一的S31;否则转至阶段二的步骤S322;
步骤S322:通行能力系数JS等于零且连续n个采样周期均有JS=0,实施路段速度控制,输出{相位、相序、绿灯时间、速度},判断通行能力系数JS是否大于等于零且连续n个采样周期均有JS≥0,如果是,则转至阶段一的步骤S311;否则转至下个阶段的步骤S33;
阶段三,步骤S33:
通行能力系数JS等于零且连续n个采样周期均有JS=0,实施车道控制,更新交叉口车道属性,相位集合和控制链,输出{相位/虚相位、相序、绿灯时间、速度、车道},转至阶段一。
控制逻辑中,最底层为动态相位控制,中间层为速度控制、最上层为车道控制,主要考虑到当实施车道控制时对交通流的影响较大,因此先采用速度控制对交通流进行抑制和整流,再通过车道控制进行调度。
本发明将交叉口和连接路段作为整体统一建模,建立由速度控制模型和车道控制模型构成的多变量的交叉口交通主动控制模型,延伸了交通控制变量的维度,实现对交通流的全路程控制,再配合相应的主动控制算法,充分考虑到控制变量的调控频度不同,可以实现灵活有效的交叉口控制。从主动交通控制建模、到控制算法设计,提供了一套系统、完整、可实施的技术方案。对于适应未来交通管控发展需要,缓解城市道路交通拥堵、保障行车安全有着非常重要意义。
本发明不局限于上述最佳实施方式,任何人在本发明的启示下都可得出其他各种形式的产品,但不论在其形状或结构上作任何变化,凡是具有与本申请相同或相近似的技术方案,均落在本发明的保护范围之内。
Claims (2)
1.一种综合多变量的主动交通控制方法,其特征在于:包括以下步骤,
步骤S1:将交叉口间的连接路段j分为控速区和控道区两部分,控道区的路段长度为Lj,a,控速区的路段长度为Lj,b;
步骤S2:建立交叉口主动交通控制模型,
主要分两大步,步骤S21:建立具有多控制变量交叉口交通控制模型的存储转发形式:
上式表示采样周期k+1内路段j,a的车辆数,等于采样周期k内路段j,a上的车辆数与上游路段流向路段j,a的车辆数和流出路段j,a的车辆数的差的和;路段j,b流出的车辆数等于流入车辆数与存在车辆数之差,nj,a(k)表示路段j,a在采样周期k的车辆数;qj,a,in(k)表示采样周期k内上游路段发送给路段j,a的车辆数;qj,a,out(k)表示采样周期k内路段j,a发送给下游路段的车辆数,Lj,a为路段j,a的长度;qj,b,in(k)为k时段内路段j,b的输入流量,qj,b,out(k)为k时段内路段j,b的输出流量,ρj,b(k)为k时段内路段j,b的交通流密度,Lj,b为路段j,b的长度;
其中,令qj,b,out(k)=qj,a,in(k),则上式可变形为:
nj,a(k+1)=nj,a(k)+qj,b,in(k)-Lj,b·ρj,b(k)-qj,a,out(k) (2)
步骤S22:利用上式(2)再构建如下的交叉口主动交通控制模型的完整形式:
nj,a(k+1)=nj,a(k)-V(k)-G(k) (3)
令:
其中,V(k)表示速度控制模型,提供车速也即“速度”控制变量;G(k)表示车道控制模型,提供“车道”“相位”“相序”“绿灯时间”四个控制变量;
其中,vj,b(k)为速度控制变量,vj,b,crit是临界速度,表示为车道控制变量,表示相位控制变量,Sj,a表示路段通行能力,gj,a,o(k)表示采样周期k内路段j,a所在相位的绿灯时间,且有gj,a,o(k)≥gj,a,o,min;
步骤S3:主动交通控制方法,主要分为三个阶段:
阶段一,步骤S31:实施动态相位控制,将采样周期k内执行某相位时交叉口的流量和排队作为输入,在解空间中选择与当前执行相位相匹配的n个相位作为下一步执行相位的候选,再对每个候选相位选择其连续执行的m个相位作为控制链,构造通行能力系数Jmin最小为目标函数,采用遗传算法作为优化算法执行n个控制链,并对n个控制链的所得通行能力系数J进行排序,取得J最小的控制链的第一个相位作为当前相位的下一个执行相位,并将所得间隔时间、相位、绿灯时间作为输出;
步骤S311:执行当前相位与绿灯时间,当进入时锁定绿灯时间,输出当前交叉口各路段交通流量输入和排队状态;
步骤S312:启动相位控制链预测,在所设置的相位控制链方案组中选择当前执行相位的相容控制链方案组,将步骤S311中的交通流量和排队状态作为输入,以为通行能力系数Jmin目标函数,并以遗传算法为优化算法,分别执行相容相位控制链方案组中的所有方案,并对执行后的控制链进行排名,输出排名第一的相容相位控制链方案中第一个相位、绿灯时间和间隔时间,该过程采用异步多线程计算,计算时间为时锁定绿灯时间;
步骤S313:将步骤S312计算得到的间隔时间、相位、绿灯时间输出到主进程中,待当前相位的时锁定绿灯时间结束后,执行计算得到的间隔时间、相位、绿灯时间;
阶段二,具体包括步骤S321:判断通行能力系数JS是否大于等于零且连续n个采样周期均有JS≥0,如果是,则转至阶段一的S31;否则转至阶段二的步骤S322;
步骤S322:通行能力系数JS等于零且连续n个采样周期均有JS=0,实施路段速度控制,输出{相位、相序、绿灯时间、速度},判断通行能力系数JS是否大于等于零且连续n个采样周期均有JS≥0,如果是,则转至阶段一的步骤S311;否则转至下个阶段的步骤S33;
阶段三,步骤S33:
通行能力系数JS等于零且连续n个采样周期均有JS=0,实施车道控制,更新交叉口车道属性,相位集合和控制链,输出{相位、相序、绿灯时间、速度、车道},转至阶段一。
2.根据权利要求1所述的综合多变量的主动交通控制方法,其特征在于:控速区表示连接路段上车辆可以自由换道区域,实施速度控制以减小车流的离散特性;控道区表示交叉口进口到车辆需按照车道类型通行的区域,实施车道控制以增加车流流向的分割。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110956038.6A CN113470382A (zh) | 2021-08-19 | 2021-08-19 | 一种综合多变量的主动交通控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110956038.6A CN113470382A (zh) | 2021-08-19 | 2021-08-19 | 一种综合多变量的主动交通控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113470382A true CN113470382A (zh) | 2021-10-01 |
Family
ID=77866835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110956038.6A Pending CN113470382A (zh) | 2021-08-19 | 2021-08-19 | 一种综合多变量的主动交通控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113470382A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101042805A (zh) * | 2007-03-09 | 2007-09-26 | 吉林大学 | 单个交叉口混合交通信号的控制方法 |
CN102124505A (zh) * | 2008-06-13 | 2011-07-13 | Tmt服务和供应(股份)有限公司 | 交通控制系统和方法 |
CN105225502A (zh) * | 2015-11-02 | 2016-01-06 | 招商局重庆交通科研设计院有限公司 | 一种基于多智能体的交叉口信号控制方法 |
US9633560B1 (en) * | 2016-03-30 | 2017-04-25 | Jason Hao Gao | Traffic prediction and control system for vehicle traffic flows at traffic intersections |
CN108133602A (zh) * | 2017-11-17 | 2018-06-08 | 北京华道兴科技有限公司 | 一种城市交通信号控制方法和装置 |
CN109035786A (zh) * | 2018-10-10 | 2018-12-18 | 南京宁昱通交通科技有限公司 | 一种提高主干路相邻交叉口通行效率的交通时段控制方法 |
CN109637160A (zh) * | 2018-11-29 | 2019-04-16 | 中电海康集团有限公司 | 一种动态交通条件下的单点控制方法 |
CN110211396A (zh) * | 2019-05-30 | 2019-09-06 | 华南理工大学 | 一种高速公路收费站与周边交叉口群的动态调控方法 |
-
2021
- 2021-08-19 CN CN202110956038.6A patent/CN113470382A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101042805A (zh) * | 2007-03-09 | 2007-09-26 | 吉林大学 | 单个交叉口混合交通信号的控制方法 |
CN102124505A (zh) * | 2008-06-13 | 2011-07-13 | Tmt服务和供应(股份)有限公司 | 交通控制系统和方法 |
CN105225502A (zh) * | 2015-11-02 | 2016-01-06 | 招商局重庆交通科研设计院有限公司 | 一种基于多智能体的交叉口信号控制方法 |
US9633560B1 (en) * | 2016-03-30 | 2017-04-25 | Jason Hao Gao | Traffic prediction and control system for vehicle traffic flows at traffic intersections |
CN108133602A (zh) * | 2017-11-17 | 2018-06-08 | 北京华道兴科技有限公司 | 一种城市交通信号控制方法和装置 |
CN109035786A (zh) * | 2018-10-10 | 2018-12-18 | 南京宁昱通交通科技有限公司 | 一种提高主干路相邻交叉口通行效率的交通时段控制方法 |
CN109637160A (zh) * | 2018-11-29 | 2019-04-16 | 中电海康集团有限公司 | 一种动态交通条件下的单点控制方法 |
CN110211396A (zh) * | 2019-05-30 | 2019-09-06 | 华南理工大学 | 一种高速公路收费站与周边交叉口群的动态调控方法 |
Non-Patent Citations (3)
Title |
---|
ZHANG LILI: "Urban Intersection Signal Control Based on Time-Space Resource Scheduling", 《IEEE ACCESS》 * |
叶晓飞等: "信号控制交叉口出口道路内停车最佳距离设置方法", 《公路交通科技》 * |
张立立,赵琦,王力,刘建东,张玲玉,李凯龙: "城市交叉口交通控制模型的退化研究", 《交通运输系统工程与信息》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Haghighi et al. | Control from signal temporal logic specifications with smooth cumulative quantitative semantics | |
Hsu et al. | Temperature prediction and TAIFEX forecasting based on fuzzy relationships and MTPSO techniques | |
CN109887282B (zh) | 一种基于层级时序图卷积网络的路网交通流预测方法 | |
Qiao et al. | Two-stage fuzzy logic controller for signalized intersection | |
Guo et al. | An integrated MPC and deep reinforcement learning approach to trams-priority active signal control | |
CN104700634B (zh) | 基于最小生成树聚类改进遗传算法的相邻交叉口干道协调控制方法 | |
CN107194491A (zh) | 一种基于公交客流和站间行程时间预测的动态调度方法 | |
Odeh et al. | A hybrid fuzzy genetic algorithm for an adaptive traffic signal system | |
CN110717627A (zh) | 一种基于对偶图框架的全量交通预测方法 | |
CN111783369A (zh) | 一种多闸群明渠调水工程的短期多目标优化调度方法 | |
CN101763528A (zh) | 基于贝叶斯网络的基因调控网络构建方法 | |
Ghods et al. | Adaptive freeway ramp metering and variable speed limit control: a genetic-fuzzy approach | |
CN111917642A (zh) | 分布式深度强化学习的sdn网络智慧路由数据传输方法 | |
CN109919532A (zh) | 一种物流节点确定方法及装置 | |
Peng et al. | Separated proportional-integral lagrangian for chance constrained reinforcement learning | |
Chen et al. | A fuzzy back propagation network ensemble with example classification for lot output time prediction in a wafer fab | |
CN113470382A (zh) | 一种综合多变量的主动交通控制方法 | |
Yin et al. | Adaptive traffic signal control for multi-intersection based on microscopic model | |
EP4027274A1 (en) | Calculation device, calculation method, and non-transitory computer-readable medium storing program | |
Bouaziz et al. | Extended immune programming and opposite-based PSO for evolving flexible beta basis function neural tree | |
CN105334730A (zh) | 加热炉氧含量的iga优化t-s模糊arx建模方法 | |
CN113096378B (zh) | 基于深度集合经验模态分解的高速公路od预测方法 | |
Wang et al. | Problem Feature-Based Meta-Heuristics with Reinforcement Learning for Solving Urban Traffic Light Scheduling Problems | |
Kafash et al. | Designing fuzzy controller for traffic lights to reduce the length of queues in according to minimize extension of green light time and reduce waiting time | |
Jeschke et al. | Parametrized model predictive control approaches for urban traffic networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211001 |