Шаар ичиндеги сигнал менен башкарылган кесилиштер транспорт системасынын эң маанилүү түйүндөрүнүн бири. Унаалар ар башка багыттардан кесилишке келет, солго бурулат, түз жүрөт, оңго бурулат жана бул кыймылдардын баары светофорлор менен жөнгө салынат. Салттуу сигналдык башкаруу системалары карама-каршы кыймылдарды бөлүп, коопсуздукту камсыз кылууга аракет кылат; бирок унаа санынын өсүшү, өзгөрмө суроо-талап, тыгыз убактарда пайда болгон кезек, күтүү убактысы, күйүүчү май керектөө, CO2 эмиссиясы жана кырсык тобокелдиги бул системаларды барган сайын кыйын абалга салууда.

Изилдөө бул көйгөйдү үч багытта карайт. Биринчиси — тыгын маселеси. Унаалар кызыл жарыкта күтүп турган сайын кезек пайда болот, кесилиштин өткөрүмдүүлүгү төмөндөйт жана сапар убактысы узарат. Экинчиси — экологиялык таасир. Токто-жүрүү кыймылы жана ашыкча күтүү ар бир унаага туура келген эмиссияны көбөйтөт. Үчүнчүсү — коопсуздук. Айрыкча кесилишке жакындаганда күтүүсүз токтоо, өтө жакын ээрчүү жана адам айдоочулардын каталары кагылышууга-чейинки-убакытты кыскартып, конфликт тобокелдигин көбөйтүшү мүмкүн.

Бул изилдөөнүн жаңычыл жагы сигналдык башкарууну жеке унааларга карата гана эмес, унаа конвойлору, башкача айтканда platoon түзүмдөрү аркылуу кароосунда. Автоматташкан жана байланышкан унаалар V2V байланышы аркылуу бири-биринен кыйла туруктуу аралыктарда жүрө алат. Бирок светофор бул конвойду ортосунан бөлүп салса, алдыдагы унаалар өтүп жатканда арттагылар кызылда калышы мүмкүн. Бул жагдай конвойдун бүтүндүгүн гана бузбайт; артта күтүү, кайра ылдамдоо, кошумча эмиссия жана жаңы кезектин пайда болушун да жаратат. Ошондуктан изилдөө төмөнкү суроого жооп издейт: светофор контроллери күтүү убактысын, CO2 эмиссиясын жана автоматташкан унаа конвойлорунун бөлүнүшүн бир эле учурда азайта алабы?

Бул көйгөй эмне үчүн маанилүү?

Акылдуу транспорт системаларындагы эң чоң кыйынчылыктардын бири — ар башка максаттардын бири-бирине байланыштуу болушу. Эгер жол кыймылын башкаргыч күтүү убактысын гана азайтууга аракет кылса, айрым багыттарга узагыраак жашыл берип, кыска мөөнөттө жакшы жыйынтык ала алат. Бирок мындай ыкма башка багыттан келе жаткан унаа конвойлорун бөлүп, эмиссияны көбөйтүп же коопсуздук жагынан терс токто-жүрүү толкундарын жаратышы мүмкүн. Эмиссияны гана азайтуу да жетишсиз; анткени кесилиште узун кезектер пайда болсо, система иш жүзүндө ийгиликсиз болот. Конвойду гана сактоо да жетишсиз; анткени башка багыттарда адилетсиз күтүү жана тыгын жаралышы мүмкүн.

Ошондуктан изилдөө кесилиш башкаруусун көп максаттуу көйгөй катары түзөт. MOPADRL модели үч максатты бир эле учурда эске алат:

• Трафик натыйжалуулугу: Күтүү убактысын жана кезектерди азайтуу,
• Экологиялык таасир: CO2 эмиссиясын төмөндөтүү,
• Конвой бүтүндүгү: Кызыл жарыктан улам конвойдун бөлүнүшүн жазалоо.

Бул ыкма келечекте байланышкан жана автоматташкан унаалар кеңири жайылган шаарларда кесилиштерди туруктуу жарык пландары менен гана башкарууга болбой турганын көрсөтөт. Кесилиш келе жаткан унаалардын санын гана эмес, алардын түзүмүн, байланыш абалын, конвой мамилелерин жана жакындап келүү аралыктарын да түшүнүшү керек.

Адабияттагы боштук эмнеде?

Изилдөөдө мурдагы иштердин маанилүү кемчилиги ачык көрсөтүлөт. Терең бекемдөөчү үйрөнүүгө негизделген светофор башкаруусу боюнча көп изилдөө бар. Автоматташкан унаа конвойлору боюнча да кеңири адабият бар. Бирок бул эки багытты бирге караган изилдөөлөр чектелүү.

Айрым учурдагы иштер светофор башкаруусунда бир максаттуу оптималдаштырууну колдонот; мисалы, кечигүүнү гана же күтүү убактысын гана кыскартууга басым жасайт. Айрым иштер конвойлорду эске алса да, конвой жүрүм-турумун микроскопиялык V2V/V2I байланыш менен майда-чүйдөсүнө чейин моделдөөнүн ордуна даяр симуляция кошумчаларына же кыйла макроскопиялык божомолдорго таянат. Ошондой эле конвой өлчөмүнүн кесилиштин иштешине системалуу таасири көп иштерде кеңири изилденген эмес.

Бул изилдөө бул боштукту үч негизги салым менен толтурууга аракет кылат:

• Конвойду эске алган, көп максаттуу DDQN сигнал контроллерин иштеп чыгат.
• V2V байланышына негизделген микроскопиялык конвой ээрчүү моделин түзүп, аны убакыт доменинде коопсуздук жана string stability боюнча текшерет.
• Конвой өлчөмүн 3 менен 7 унаанын аралыгында өзгөртүп, оптималдуу platoon өлчөмүн тең салмактуу жана тең салмаксыз суроо-талап сценарийлеринде изилдейт.

MOPADRL архитектурасы кантип иштейт?

Изилдөөнүн система архитектурасы үч катмардан турат. Биринчи катмар — конвойду башкаруу. Бул жерде конвой лидери CACC, башкача айтканда Cooperative Adaptive Cruise Control модели менен жүрөт. Конвой ээрчигичтери болсо изилдөөчүлөр сунуштаган V2V негизиндеги ээрчигич башкаруу мыйзамы аркылуу лидерден келген ылдамдык, ылдамдануу жана конвой абалы маалыматтарын колдонушат.

Экинчи катмар — MOPADRL сигнал контроллери. Бул контроллер Double Deep Q-Network, башкача айтканда DDQN агенти. Агент кесилиштеги трафик абалын, активдүү сигнал фазасын жана жакындап келе жаткан конвой маалыматын байкап, кайсы жашыл фазаны берүүнү чечет.

Үчүнчү катмар — SUMO микроскопиялык трафик симуляция чөйрөсү. Унаа кыймылы, сигнал фазалары, V2X байланыш каналы, эмиссия эсептери жана баалоо метрикалары ушул чөйрөдө иштетилген. Изилдөөдөгү система диаграммасы конвойду башкаруу менен сигнал контроллери бири-биринен өзүнчө эмес, бир эле симуляция цикли ичинде байланышкан компоненттер катары иштей турганын көрсөтөт.

V2V жана V2I байланышы эмне үчүн өз-өзүнчө маанилүү?

V2V байланышы конвой ичиндеги унаалардын бири-бирине салыштырмалуу коопсуз жана тартиптүү жүрүшүн камсыз кылат. Лидер унаанын ылдамдыгы, ылдамдануусу жана конвой абалы ээрчигичтерге берилет. Ошентип ээрчигичтер алдыдагы унааны гана көрүп эмес, конвой лидеринин абалын да билип жүрүшөт. Бул айрыкча күтүүсүз токтоо жана кайра ылдамдоо учурунда конвойдун термелүүсүз жүрүшү үчүн маанилүү.

V2I байланышы болсо конвой менен светофордун ортосунда түзүлөт. Жакындап келе жаткан конвой кесилиш контроллерине Platoon-Request, башкача айтканда конвой үчүн жашыл суроо жөнөтө алат. Бирок изилдөө бул суроону шартсыз кабыл албайт. Жашыл артыкчылык конфликт төмөн болгон шартта гана берилет. Ошентип система бир конвойду өткөрүү үчүн башка багыттарда олуттуу кезек же конфликт жаратуу тобокелдигин азайтууга аракет кылат.

Бул айырма абдан маанилүү. V2V гана болсо унаалар өз ара тартиптүү жүрөт, бирок светофор аларды дагы эле бөлүп коюшу мүмкүн. V2I гана болсо светофор конвойдогу унааларга артыкчылык бере алат, бирок унаалардын микроскопиялык ээрчүү жүрүм-туруму жетиштүү коопсуз жана туруктуу болбой калышы мүмкүн. MOPADRL ушул эки байланыш формасын бирге колдонуп, конвой ичиндеги кыймылды да, кесилиш деңгээлиндеги сигнал чечимин да координациялайт.

Адам айдаган унаалар үчүн колдонулган IDM модели

Изилдөөдө адам айдаган унаалар үчүн Intelligent Driver Model, башкача айтканда IDM колдонулган. IDM унаанын ылдамдануусун максаттуу ылдамдыкка жакындашына жана алдындагы унаага чейинки аралыкка жараша эсептеген үзгүлтүксүз убакыттагы ээрчүү модели. Изилдөөдө берилген негизги IDM ылдамдануу формуласы төмөнкүдөй:

\[ a=a_0\left[1-\left(\frac{v}{v_0}\right)^\delta-\left(\frac{s^*(v,\Delta v)}{s}\right)^2\right] \]

Бул жерде a унаанын ылдамдануусун, a0 максималдуу ылдамданууну, v учурдагы ылдамдыкты, v0 каалаган ылдамдыкты, δ ылдамдануу даражасын, s алдындагы унаага чейинки чыныгы аралыкты жана s*(v, Δv) каалаган динамикалык ээрчүү аралыкты билдирет.

Каалаган динамикалык аралык төмөнкүдөй берилген:

\[ s^*(v,\Delta v)=s_0+\max\left[0, vT+\frac{v\Delta v}{2\sqrt{a_0b}}\right] \]

Бул жерде s0 токтоо аралыкты, T каалаган убакыт интервалын, Δv салыштырма ылдамдыкты жана b ыңгайлуу жайлоону көрсөтөт. Бул формуланын күнүмдүк мааниси мындай: унаа ылдамдаган сайын же алдындагы унаага карата жабылуу ылдамдыгы өскөн сайын коопсуз аралык чоңоёт. Адам айдаган сценарийлерде унаа жүрүм-туруму ушул модель менен берилген.

Автоматташкан унаа лидери үчүн CACC модели

Конвой лидерлери Cooperative Adaptive Cruise Control, башкача айтканда CACC модели менен башкарылган. Бул модельде унаа ылдамдык башкаруу, аралыкты жөнгө салуу, аралыкты жабуу жана кагылышуудан качуу сыяктуу ар башка режимдерде жүрөт. Ылдамдык башкаруу режиминде ылдамдануу буйругу төмөнкүдөй берилген:

\[ a_{i,k+1}=k_4(v_d-v_{i,k}) \]

Бул жерде a_i,k+1 i унаасынын кийинки убакыт кадамындагы ылдамдануусун, vd каалаган ылдамдыкты, vi,k учурдагы ылдамдыкты жана k4 башкаруу күчөтүү коэффициентин билдирет. Унаа максаттуу ылдамдыктан төмөн болсо оң ылдамдануу, жогору болсо терс ылдамдануу чыгарат.

Аралыкты жөнгө салуу режиминде ылдамдык жаңыртуусу төмөнкүдөй берилген:

\[ v_{i,k+1}=v_{i,k}+k_5e_{i,k}+k_6\dot{e}_{i,k} \]

Бул жерде e_i,k аралык катасын, ė_i,k бул катанын өзгөрүү ылдамдыгын, k5 жана k6 башкаруу күчөтүү коэффициенттерин көрсөтөт. Катанын туундусу болсо төмөнкүдөй аныкталат:

\[ \dot{e}_{i,k}=v_{i-1,k}-v_{i,k}-t_da_{i,k} \]

Бул туюнтма ээрчиген унаанын алдындагы унаага карата ылдамдык айырмасын жана өзүнүн ылдамдануу абалын эске алат. Максат — унаалар конвой түрүндө коопсуз аралыкты сактап жүрүшү.

V2V негизиндеги ээрчигич башкаруу жана эки катмарлуу аралык саясаты

Изилдөөнүн оригиналдуу салымдарынын бири конвой ээрчигичтери үчүн сунушталган V2V негизиндеги башкаруу түзүмү. Конвой төмөнкүдөй аныкталат:

\[ \mathcal{P}_k=\{v_{k,0},v_{k,1},...,v_{k,N_k}\} \]

Бул жерде v_k,0 конвой лидерин, v_k,i i номерлүү ээрчигичти, N_k болсо конвойдогу ээрчигичтердин санын билдирет. Ээрчигич унаанын узунунан абалы төмөнкүдөй берилген:

\[ \mathbf{x}_{k,i}(t)=(p_{k,i}(t),v_{k,i}(t)) \]

Бул жерде p бампер абалын, v ылдамдыкты билдирет. Эки унаанын бамперден-бамперге аралыгы болсо төмөнкүдөй:

\[ g_{k,i}(t)=p_{k,i-1}(t)-p_{k,i}(t)-L_{k,i-1} \]

Бул жерде g_k,i ээрчигич менен дароо алдындагы унаанын ортосундагы аралыкты, L_k,i-1 болсо алдындагы унаанын узундугун көрсөтөт. Изилдөөдө унаанын узундугу 5 m деп алынган.

Лидер унаа ар бир симуляция кадамында ээрчигичтерге төмөнкү үч маалыматты жарыялайт:

\[ \mathcal{B}(t)=(v_0(t),a_0(t),\sigma_{\mathcal{P}}(t)) \]

Бул жерде v0 лидер ылдамдыгын, a0 лидер ылдамдануусун, σP болсо конвой абалынын белгисин билдирет. Бул белги конвой толук экенин, кызылда токтогонун же бузулганын көрсөтөт.

Изилдөөнүн маанилүү инженердик деталы — лидер менен биринчи ээрчигичтин ортосунда бир убакыт кадамы, башкача айтканда 0,1 секунд байланыш кечигүүсү кабыл алынганы. Ички ээрчигичтер үчүн бул натыйжалуу кечигүү нөл деп алынган. Ошондуктан аралык саясаты эки катмарлуу болуп түзүлгөн:

\[ g_i^*= \begin{cases} g_{LF}^*=4.0\,m, & i=1\\ g_{II}^*=2.0\,m, & i\geq 2 \end{cases} \]

Бул жерде gLF* лидер менен биринчи ээрчигичтин максаттуу аралыгын, gII* ички ээрчигичтердин максаттуу аралыгын билдирет. Биринчи ээрчигич үчүн 4 m, ички ээрчигичтер үчүн 2 m максат коюлган. Мунун себеби лидер маалыматы биринчи ээрчигичке 0,1 секунд кечигүү менен жетет. Ички ээрчигичтер ошол эле лидер берүүсүн ошол эле кадамда колдонгондуктан, кыскараак аралык жетиштүү деп эсептелген.

4 m / 2 m аралык дизайны кантип негизделген?

Изилдөөдө эки катмарлуу аралык саясаты интуиция менен гана тандалган эмес, аналитикалык түрдө чыгарылган. Эң начар абал сценарийинде лидер унаа 13,89 m/s ылдамдыктан авариялык тормоз басат. Биринчи ээрчигич лидердин буйругун 0,1 секунд кеч алгандыктан, ушул убакыт ичинде мурдагы ылдамдык менен жүрө берет. Бул жабылуу аралыгы төмөнкүдөй эсептелет:

\[ \Delta_{close}=v^\circ\tau=13.89\times0.1=1.389\,m \]

Бул жерде Δclose жабылуу аралыгын, v° жүрүү ылдамдыгын жана τ байланыш кечигүүсүн билдирет. Коопсуздук минимумы 2 m деп алынган. Бул учурда лидер менен биринчи ээрчигичтин максаттуу аралыгы төмөнкү теңсиздикти аткарышы керек:

\[ g_{LF}^*-\Delta_{close}\geq g_{min} \]

Бул төмөнкүнү билдирет:

\[ g_{LF}^*\geq g_{min}+v^\circ\tau=3.389\,m \]

Изилдөөдө 4 m тандалып, 0,611 m кошумча коопсуздук запасы калтырылган. Бул дизайн микроскопиялык траектория анализинде текшерилген. Байкалган кызыл фазадагы минималдуу лидер-биринчи ээрчигич аралыгы 2,61 m болгон, аналитикалык божомол болсо 2,611 m. Бул өтө жакын дал келүү аралык дизайны симуляцияда күтүлгөндөй иштегенин көрсөтөт.

Сигнал башкаруу көйгөйү MDP катары кантип түзүлгөн?

Изилдөөдө светофор башкаруусу Markov Decision Process, башкача айтканда MDP катары моделденген. Негизги түзүм төмөнкүдөй берилет:

\[ \mathcal{M}=(\mathcal{S},\mathcal{A},\mathcal{T},r,\gamma) \]

Бул жерде S абал мейкиндигин, A аракет мейкиндигин, T өтүү ядросун, r сыйлык функциясын жана γ дисконт факторун билдирет. Светофор контроллери ар бир чечим учурунда учурдагы абалды байкап, жашыл фаза тандайт жана анын натыйжасында кезек, күтүү, эмиссия жана конвой бүтүндүгү боюнча сыйлык алат.

Агенттин максаты күтүлгөн дисконттолгон жалпы сыйлыкты эң чоң кылган саясатты үйрөнүү:

\[ J(\pi)=\mathbb{E}_{\pi}\left[\sum_{k=0}^{\infty}\gamma^kr_{k+1}\right] \]

Бул жерде π башкаруу саясатын, J(π) ошол саясаттын күтүлгөн жалпы натыйжалуулугун билдирет. Күнүмдүк тил менен айтканда, агент ошол учурдагы жарык чечимин гана эмес, бул чечимдин келечектеги кезектерге жана конвойлорго тийгизген таасирин да үйрөнүүгө аракет кылат.

DDQN эмне үчүн колдонулган?

Изилдөөдө сигнал башкаруу агенти катары Double Deep Q-Network, башкача айтканда DDQN колдонулган. DDQN классикалык DQN айрым учурларда аракет маанилерин чыныгыдан жогору баалоо көйгөйүн азайтуу үчүн аракет тандоо менен аракет баалоону бөлөт. Изилдөөдө онлайн тармак жана максат тармак болуп эки нейрондук тармак колдонулган.

Убакыт айырмасынын максаты төмөнкүдөй берилген:

\[ y_k=r_{k+1}+\gamma(1-d_{k+1})Q_{\theta^-}\left(s_{k+1},\arg\max_{a'}Q_\theta(s_{k+1},a')\right) \]

Бул жерде yk үйрөнүү максатын, rk+1 сыйлыкты, γ келечектеги сыйлыктардын салмагын, d терминалдык абал белгисин, Qθ онлайн тармакты жана Qθ− максат тармакты билдирет.

Жоготуу функциясы болсо Bellman орточо квадраттык катасы:

\[ \mathcal{L}(\theta)=\mathbb{E}\left[\left(Q_\theta(s_k,a_k)-y_k\right)^2\right] \]

Бул формуланын мааниси төмөнкүдөй: нейрондук тармак тандалган аракеттин маанисин баалайт; андан кийин бул баа сыйлык жана келечектеги күтүлгөн мааниден түзүлгөн максатка жакындатылат. Светофор башкаруусунда бул “бул фазаны тандоо узак мөөнөттө кезек, күтүү, эмиссия жана конвой бүтүндүгү үчүн жакшыбы?” деген суроону үйрөнүү.

MOPADRL абал вектору: Контроллер эмнени көрөт?

MOPADRL абал вектору 20 өлчөмдүү жана үч блоктон турат:

\[ s_k=[\mathbf{p}_k\|\boldsymbol{\phi}_k\|\boldsymbol{\psi}_k]\in[0,1]^{20} \]

Бул жерде p_k тилке басымы блогун, φ_k активдүү фаза маалыматын, ψ_k болсо конвойду аныктоо блогун билдирет. Тилке басымы 12 жакындашуу тилкесиндеги жалпы жана токтоп турган унаалардын санын камтыйт. Активдүү фаза блогу учурдагы жашыл фазанын кайсы фаза экенин көрсөтөт. Конвой сенсор блогу болсо ар бир фаза үчүн ошол фаза тейлеген тилкелерде токтоо сызыгынан 50 m ичинде конвой унаасы бар-жогун көрсөтөт.

Тилке басымынын өзгөчөлүгү төмөнкүдөй аныкталат:

\[ p_l(k)=\min\left\{1,\frac{2n_l^{stop}(k)+n_l(k)}{100}\right\} \]

Бул жерде nl тиешелүү тилкедеги жалпы унаа санын, nstop_l токтоп турган унаалардын санын билдирет. Көрүнүп тургандай, токтоп турган унаалар эки эсе салмак менен эсепке алынат. Себеби токтоп турган унаалар учурдагы тыгыздыкты гана эмес, кечигүү топтолгонун да көрсөтөт.

Конвой сенсору төмөнкү логика менен иштейт: эгер активдүү конвойдун кандайдыр бир унаасы белгилүү фаза тейлеген тилкеде токтоо сызыгына 50 m же андан жакын болсо, ошол фаза үчүн конвой бар экендиги 1 деп коддолот. Бул кичине көрүнгөн кошумча маалымат агентти platoon-blind, башкача айтканда конвойду көрбөгөн абалдан чыгарат.

Көп максаттуу сыйлык функциясы: Күтүү, эмиссия жана конвойдун бөлүнүшү

MOPADRLдин эң маанилүү компоненттеринин бири — сыйлык функциясы. Сыйлык күтүү убактысына гана эмес, күтүү убактысы, CO2 эмиссиясы жана конвойдун бөлүнүшү бирге эске алынып эсептелет.

Адегенде ар бир чечим мезгилинде күтүү убактысы жана эмиссия айырмасы эсептелет:

\[ \Delta W_k=W(k-1)-W(k) \]

\[ \Delta E_k=E(k-1)-E(k) \]

Бул жерде ΔW күтүү убактысынын жакшырышын, ΔE эмиссиянын азайышын билдирет. Бул маанилер оң болсо, система мурдагы мезгилге салыштырмалуу жакшырган болот.

Акыркы сыйлык функциясы төмөнкүдөй:

\[ r_{k+1}=\Pi_{[-1,1]}\left(w_W\widetilde{\Delta W}_k+w_E\widetilde{\Delta E}_k-\lambda_PN_k^{brk}\right) \]

Бул жерде wW = 0,67 күтүү убактысынын салмагын, wE = 0,33 эмиссия салмагын, λP = 1,0 конвой бөлүнүү жазасынын салмагын, Nbrk болсо ошол мезгилде конвойдон бөлүнгөн ээрчигич унаалардын санын билдирет. Π[-1,1] операциясы сыйлыкты -1 менен 1 аралыгына чектейт.

Бул формула изилдөөнүн негизги идеясын абдан жакшы көрсөтөт. Агент күтүү убактысын азайтса сыйлык алат. Эмиссияны азайтса сыйлык алат. Бирок конвойду кызыл жарыктан улам бөлсө жаза алат. Ошентип система “кесилишти тез бошотом, бирок конвойлорду бөлөм” сыяктуу кыска мөөнөттө жакшы көрүнгөн, бирок узак мөөнөттө терс натыйжа берүүчү саясаттардан алыстатылат.

V2I Platoon-Request механизми кантип чектелген?

MOPADRLде жакындап келе жаткан конвойлор светофорго жашыл фаза суроосун жөнөтө алат. Бирок бул суроо туш келди же шартсыз кабыл алынбайт. Изилдөөдө үч шарт аныкталган:

• Конвой лидери токтоо сызыгына 10–50 m аралыгында жакындаган болушу же 10 mден жакын болуп токтоп турушу керек.
• Конфликттүү багытта 150 m ичинде башка конвой болбошу керек.
• Конвой тейленбеген конфликттүү тилкелерде токтоп турган унаа болбошу керек.

Бул шарттардын максаты — жашыл артыкчылыкты конфликт төмөн болгон шарттарда гана берүү. Ошентип бир конвойду өткөрүү үчүн башка багыттарды адилетсиз жана кооптуу түрдө баскан башкаруу пайда болбойт. Бул дизайн V2I артыкчылыгынын практикалык жана тең салмактуу болушун камсыз кылат.

Эксперимент чөйрөсү: SUMO микросимуляциясы

Изилдөөдө бардык эксперименттер SUMO, башкача айтканда Simulation of Urban MObility чөйрөсүндө жүргүзүлгөн. Сыноо тармагы төрт багыттуу өзүнчө сигналдуу кесилиш. Ар бир жакындашууда үч кирүү тилкеси жана эки чыгуу тилкеси бар. Тилке түзүмү бир солго бурулуу тилкеси, бир түз гана жүрүү тилкеси жана бир түз+оң тилке болуп түзүлгөн. Ылдамдык чеги 50 km/s, башкача айтканда болжол менен 13,89 m/s деп алынган. Ээрчигич унааларга аралыкты жабуу зарыл болгондо гана 60 km/s, башкача айтканда болжол менен 16,67 m/s жетүү ылдамдыгынын чегине уруксат берилген.

Унаалардын келиши 0–3600 секунддук бөлүктө Weibull бөлүштүрүүсү менен түзүлгөн. Бул бөлүштүрүү тыгыз убак трафигине окшош келүү профилин берет: башында акырын өсүү, ортодо тыгыз чоку, аягында азайуу. Изилдөөдө 1000 унаа/саат жана 2000 унаа/саат суроо-талап деңгээлдери, тең салмактуу жана тең салмаксыз багыт бөлүштүрүүлөрү, ошондой эле 3–7 унаа өлчөмүндөгү конвойлор текшерилген.

Баалоо 100 жупташкан кокустук үрөн аркылуу жүргүзүлгөн. Бул бир гана кокустук симуляция жыйынтыгына таянбастан, өзгөрмө трафик келүүлөрүн ишенимдүү салыштыруу үчүн маанилүү.

Салыштырылган контроллерлер

Изилдөө беш сигнал контроллерин салыштырган:

• Fixed-Time: Трафик абалын эске албаган туруктуу убакыттагы жарык планы.
• Actuated: Келген унааларга жараша жашылды узарта алган классикалык сенсордук башкаруу.
• MO-DDQN: Көп максаттуу, бирок конвойду эске албаган DDQN негизиндеги үйрөнүүчү контроллер.
• MOPADRL-WV2I: Конвойду эске алган жана конвой бөлүнүү жазасы бар, бирок V2I жашыл суроо механизми жок модель.
• MOPADRL: Конвойду эске алуу, конвой бөлүнүү жазасы жана шарттуу V2I Platoon-Request механизмин бирге колдонгон сунушталган модель.

Бул салыштыруу түзүмү маанилүү; анткени MOPADRL жакшы иштейби деген суроо менен гана чектелбей, кайсы компонент кандай салым кошконун ажыратууга аракет кылат. Мисалы, MOPADRL-WV2I менен MOPADRL ортосундагы айырма V2I артыкчылык механизминин салымын көрсөтөт. MO-DDQN менен MOPADRL ортосундагы айырма болсо конвойду эске алуу, бөлүнүү жазасы жана V2I түзүмүнүн биргелешкен таасирин көрсөтөт.

Баалоо метрикалары

Изилдөөдө натыйжалуулук алты негизги метрика менен өлчөнгөн:

• Орточо кезек узундугу,
• Тармактагы орточо унаа саны,
• Унаа башына орточо күтүү убактысы,
• Унаа башына орточо сапар убактысы,
• Унаа башына орточо CO2 эмиссиясы,
• Бөлүнгөн конвой саны.

Ошондой эле коопсуздук үчүн кагылышууга-чейинки-убакыт, башкача айтканда Time-to-Collision конфликт саны колдонулган. Бул метрика унаалар учурдагы ылдамдык менен жүрө берсе, кагылышууга канча убакыт калганын эсептейт. Автоматташкан унаалар үчүн 0,5 секунд, адам айдаган унаа жуптары үчүн 1,5 секунд чеги колдонулган.

Фаза 1: Конвой өлчөмү жана контроллерди салыштыруу

Биринчи баалоо баскычында 1000 унаа/саат суроо-талапта 3, 4, 5, 6 жана 7 унаалуу конвойлор текшерилген. Тең салмактуу суроо-талапта MOPADRL бардык platoon өлчөмдөрүндө натыйжалуулук метрикалары боюнча эң мыкты контроллер болгон. Жети унаалуу конвойдо орточо кезек узундугу 0,53 унаа, орточо күтүү убактысы 1,95 секунд/унаа, орточо сапар убактысы 111,51 секунд/унаа жана орточо CO2 эмиссиясы 117.021 mg/унаа деп билдирилген.

Бул жыйынтыктар туруктуу убакыттагы башкарууга салыштырмалуу кезек узундугу жана күтүү убактысы болжол менен жүздө 94 азайганын билдирет. Actuated контроллерге салыштырмалуу азайуу болжол менен жүздө 86. Бул MOPADRL классикалык туруктуу планды гана эмес, трафик суроо-талабына жооп бере алган сенсордук башкарууну да олуттуу түрдө ашып кеткенин көрсөтөт.

Тең салмактуу суроо-талапта эң жакшы MOPADRL конфигурациясы жети унаалуу конвой. Бирок тең салмаксыз суроо-талапта оптимум алты унаалуу конвойго жылган. Бул табылга абдан маанилүү: эң жакшы конвой өлчөмү туруктуу сан эмес; ал суроо-талап үлгүсүнө көз каранды. Тең салмаксыз суроо-талапта түндүк-түштүк коридору басымдуу болгондо, алты унаалуу конвой чектелген жашыл терезеге жакшыраак баткан.

Конвой бүтүндүгү натыйжалуулукка зыян келтиреби?

Изилдөөнүн эң кызыктуу табылгаларынын бири — конвой бүтүндүгү жазасы натыйжалуулукка зыян келтирбегени. Бир караганда модельге “конвойду бөлүү” жазасын кошкондо, модель күтүү убактысы же кезек жагынан начар чечимдерди чыгарышы мүмкүн деп ойлонууга болот. Анткени система конвойду сактоо үчүн айрым унааларды көбүрөөк күттүрүшү мүмкүн.

Бирок жыйынтыктар тескерисин көрсөттү. MOPADRL конвойду эске албаган MO-DDQNге салыштырмалуу бардык конвой өлчөмдөрүндө бардык натыйжалуулук метрикалары боюнча жакшы жыйынтык берген. Кезек узундугун жүздө 10–69, күтүү убактысын жүздө 10–65, сапар убактысын жүздө 1,0–4,4, CO2 эмиссиясын жүздө 1,3–6,6 жакшыртып; ошол эле учурда бөлүнгөн конвой санын жүздө 30–99 азайткан.

Мунун себеби түзүмдүк. Конвой кызыл жарыкта бөлүнгөндө артта калган унаалар күтөт, кийин кайра ылдамдайт, кезек жаратат жана эмиссияны көбөйтөт. Демек, конвойду сактоо конвой бүтүндүгүн гана эмес, күтүү жана эмиссия максаттарын да колдойт. Изилдөөнүн сөзү менен айтканда, бул максаттар бири-бирине атаандаш эмес, туура сыйлык түзүмүндө бири-бирин толуктоочу максаттар.

V2I артыкчылыгынын салымы кандай?

MOPADRL менен MOPADRL-WV2I салыштыруусу V2I Platoon-Request механизминин таасирин бөлүп көрсөтөт. Эки модель тең бир эле абал векторун жана бир эле сыйлык функциясын колдонот; айырма MOPADRL гана жакындап келе жаткан конвойго конфликт төмөн шартта жашыл артыкчылык бере алат.

Тең салмактуу суроо-талапта V2I артыкчылыгы кезек узундугун жүздө 28–53, күтүү убактысын жүздө 23–53, сапар убактысын жүздө 1,9–4,3 жана CO2 эмиссиясын жүздө 3,0–5,9 азайткан. Бирок бөлүнгөн конвой санына кошумча таасири чектелүүрөөк; себеби конвой бөлүнүү жазасы көп учурда бөлүнүүнү дээрлик нөлгө түшүргөн. Бул натыйжа V2I механизминин негизги салымы конвойду “тезирээк” өткөрүү экенин, конвой бөлүнүшүн алдын алууда болсо сыйлык функциясындагы жаза буга чейин эле күчтүү иштегенин көрсөтөт.

Фаза 2: Адам айдаган чөйрө менен V2X конвой чөйрөсүн салыштыруу

Экинчи баалоо баскычында адам айдаган унаа чөйрөсү менен толугу менен V2X колдоосу бар конвой чөйрөсү салыштырылган. Адам айдаган базалык сценарийлерде Actuated жана MO-DDQN колдонулган. V2X чөйрөсүндө сунушталган MOPADRL контроллери жана Фаза 1де табылган оптималдуу конвой өлчөмдөрү колдонулган: тең салмактуу суроо-талап үчүн жети унаа, тең салмаксыз суроо-талап үчүн алты унаа.

Үч суроо-талап сценарийи каралган:

• 1000 унаа/саат тең салмактуу суроо-талап,
• 2000 унаа/саат тең салмактуу суроо-талап,
• 2000 унаа/саат тең салмаксыз суроо-талап.

MOPADRL үч сценарийдин баарында бардык метрикалар боюнча эң жакшы орточо маанини берген. Эң күчтүү адам айдаган үйрөнүүчү базалык модель MO-DDQNге салыштырмалуу орточо кезек узундугун жүздө 73–75, күтүү убактысын жүздө 67–75 азайткан. Actuated контроллерге салыштырмалуу кезек узундугу жана күтүү убактысынын азайышы мындан да чоң: болжол менен жүздө 82–89 жана жүздө 80–87 аралыгында.

CO2, сапар убактысы жана тармактагы унаа саны сыяктуу агым-мобилдүүлүк метрикаларында эң чоң айырма 2000 унаа/саат тең салмактуу суроо-талапта байкалган. Бул маанилүү; анткени ошол эле жалпы суроо-талап тең салмаксыз болгондо классикалык же үйрөнүүчү контроллерлер басымдуу коридорго узагыраак жашыл берип, айрым натыйжалуулук пайдасын ала алышат. Тең салмактуу, бирок жогорку суроо-талап болсо татаалыраак иштөө чекити; бардык багыттар тыгыз жана кайсы багытка качан жашыл берүү татаалдашат. Изилдөөнүн түшүндүрмөсү боюнча V2X артыкчылыгы суроо-талаптын көлөмүнө гана эмес, иштөө кыйынчылыгына жараша да өсөт.

Коопсуздук жыйынтыгы: TTC конфликттери эмне үчүн нөлгө түштү?

Изилдөөнүн коопсуздук боюнча эң маанилүү жыйынтыгы — MOPADRL бардык суроо-талап сценарийлеринде кагылышууга-чейинки-убакытка негизделген конфликт санын нөлгө түшүргөнү. Адам айдаган базалык системаларда TTC конфликттери суроо-талап көбөйгөн сайын олуттуу өскөн. V2X конвой чөйрөсүндө болсо мындай конфликттер катталган эмес.

Бул жыйынтыктын себеби V2V негизиндеги CACC түзүмү конвой ичиндеги жабылуу ылдамдыгынын термелүүсүн азайтат. Лидердин ылдамдык жана ылдамдануу маалыматы ээрчигичтерге берилет; ээрчигичтер лидердин тормоздоо же ылдамдоо жүрүм-турумуна өтө кыска убакытта ылайыкташат. Эки катмарлуу аралык саясаты лидер менен биринчи ээрчигичтин ортосундагы 0,1 секунд кечигүүнү сиңире тургандай түзүлгөн. Ошондуктан конвой ичинде арттан кагылышууга алып баруучу кинематикалык шарттар пайда болгон эмес.

Бул жерде этият болуу керек: изилдөө “реалдуу дүйнөдө эч качан кырсык болбойт” деп айтпайт. Жыйынтыктар симуляция чөйрөсүндө, ишенимдүү V2V байланышы жана белгилүү трафик сценарийлери боюнча алынган. Бирок бул табылга ишенимдүү V2X байланышы жана туура аралык контролу менен кесилишке жакындагандагы ээрчүү конфликттерин олуттуу азайтууга болорун көрсөтөт.

Фаза 3: Микроскопиялык траектория анализи

Үчүнчү баалоо баскычы система деңгээлиндеги жакшыруу унаа деңгээлинде да чындап шайкеш экенин түшүнүү үчүн жүргүзүлгөн. Изилдөөдө жети унаалуу бир V2X конвой жакындашуу, кызылда токтоо, бошонуу жана кайра кыймылга келүү цикли боюнча 0,1 секунд кадам менен көзөмөлдөнгөн.

Убакыт-аралык траекториялары конвой унаалары кызыл жарыкта чогуу токтогонун, жашылда чогуу кыймылдаганын жана конвой бөлүнбөй кесилиштен өткөнүн көрсөтөт. Ошол эле циклде экинчи конвой да бир конвой узундугу артта токтогону байкалган. Бул модель бир гана унаа деңгээлинде эмес, ырааттуу конвойлор деңгээлинде да тартиптүү жүрүм-турум түзө аларын көрсөтөт.

Аралык анализинде лидер-биринчи ээрчигичтин орточо аралыгы 3,73 ± 0,48 m, ички ээрчигичтердин орточо аралыгы 2,002 ± 0,020 m болгон. Эң маанилүү маани кызыл фазадагы лидер-биринчи ээрчигичтин минималдуу аралыгы: 2,61 m. Аналитикалык эсеп 2,611 m деп көрсөткөндүктөн, бул натыйжа дизайндын микроскопиялык деңгээлде ырасталганын көрсөтөт.

Ылдамдык синхрондоштурууда ички ээрчигич жуптардын ылдамдык айырмасы сандык тактык деңгээлинде нөлгө барабар. Лидер менен биринчи ээрчигичтин ортосундагы 0,1 секунд кечигүүдөн улам эң жогорку өтмө ылдамдык айырмасы 0,55 m/s деп билдирилген. String stability катышы 1,00; башкача айтканда ылдамдануу-жайлоо бузулуусу конвой боюнча өскөн эмес. Бул конвой жакын аралыкты гана сактабастан, туруктуу жүргөнүн көрсөтөт.

Изилдөөнүн өткөн, бүгүнкү жана келечектеги мааниси

Өткөндө светофор башкаруусу негизинен туруктуу убакыттагы пландарга, жергиликтүү сенсордук эрежелерге же унаа санына гана негизделген оптималдаштырууга таянган. Кийин бекемдөөчү үйрөнүү моделдери кесилиш башкаруусуна колдонулуп баштаган; бирок көп модель адам айдаган унаа чөйрөсүн болжолдоп, автоматташкан унаа конвойлорун башкаруу көйгөйүнө чектелүү киргизген.

Бүгүнкү күндө бул изилдөө кесилиш башкаруусу жаңы этапка өткөнүн көрсөтөт. Эми кесилиш “кайсы багытта көбүрөөк унаа бар?” деген суроону гана эмес, “кайсы багытта жакындап келе жаткан автоматташкан унаа конвойу бар, бул конвой бөлүнсө күтүү жана эмиссия кандай өзгөрөт, конфликттүү багытта кезек барбы, жашыл артыкчылык берсе болобу?” деген суроолорду бирге карай алат.

Келечекте MOPADRL сыяктуу моделдер байланышкан жана автоматташкан унаалар кеңири тараса, шаар ичиндеги сигнал башкаруусун координациялоого салым кошо алат. Айрыкча жогорку суроо-талапта, симметриялуу жүктөлгөн тыгыз кесилиштерде V2X координациясы чоң пайда бере алары изилдөөдө көрсөтүлгөн. Бирок реалдуу колдонуу үчүн аралаш трафик, ар кандай автоматташкан унаа кирүү үлүшү, байланыш кечигүүсү, пакет жоготуусу, көп кесилиштик коридорлор жана ар башка кесилиш геометриялары өзүнчө изилдениши керек.

Күнүмдүк жашоого таасири кандай болушу мүмкүн?

Бул изилдөөнү күнүмдүк жашоого түз которсок, келечекте светофорлор секунд санаган пассивдүү системалар гана эмес, жакындап келе жаткан унаа топторун түшүнгөн жана алар менен байланышкан активдүү башкаруу системаларына айланышы мүмкүн. Мындай системада унаалар конвой болуп кесилишке жакындайт, светофор бул конвойду аныктайт, ылайыктуу шартта жашыл артыкчылык берет жана конвойду бөлбөй өткөрөт.

Бул айдоочулар үчүн кыска күтүү, шаарлар үчүн аз кезек, айлана-чөйрө үчүн төмөн CO2 эмиссиясы жана коопсуздук үчүн аз ээрчүү конфликти дегенди билдириши мүмкүн. Бирок бул пайдалар изилдөөнүн симуляция чөйрөсүндө жана толук V2X колдоосу бар унаалар болжолу менен алынган. Реалдуу жашоодо адам айдаган унаалар, жөө адамдар, велосипедчилер, автобус аялдамалары, тез жардам унаалары, байланыш үзгүлтүктөрү жана айдоо жүрүм-турумунун ар түрдүүлүгү сыяктуу кыйла татаал факторлор бар.

Изилдөөнүн күчтүү жактары

Изилдөөнүн күчтүү жактарынын бири — конвойду эске алууну концепциялык деңгээлде гана калтырбаганы. Конвой маалыматы абал векторуна кошулган, конвой бөлүнүшү сыйлык функциясында ачык жазаланган жана V2I Platoon-Request механизми менен жакындап келе жаткан конвойлорго шарттуу артыкчылык берилген.

Экинчи күчтүү жагы — унаа ээрчүү модели микроскопиялык деңгээлде текшерилген. Изилдөө системанын орточо көрсөткүчтөрүн гана карабастан, бир конвойдун ар бир унаасынын аралык, ылдамдык жана ылдамдануу жүрүм-турумун изилдеген. Аналитикалык 2,611 m божомолу симуляцияда 2,61 m болуп ырасталганы модель дизайны кокустук натыйжа эмес экенин көрсөтөт.

Үчүнчү күчтүү жагы — ablation логикасы менен ар башка контроллерлерди салыштырганы. Fixed-Time, Actuated, MO-DDQN, MOPADRL-WV2I жана MOPADRL салыштыруусу аркылуу үйрөнүү, конвойду эске алуу, конвой бөлүнүү жазасы жана V2I артыкчылыгынын салымдары өз-өзүнчө чечмеленген.

Изилдөөнүн чектөөлөрү

Изилдөө аягында бир нече чектөөнү ачык белгилейт. Биринчиден, эксперименттер өзүнчө бир сигналдуу кесилиште гана жүргүзүлгөн. Реалдуу шаар трафигинде кесилиштер көбүнчө коридор же тармак түрүндө бири-бирине таасир этет. Бир кесилиштеги чечим кийинки кесилиштердин кезегине жана жашыл толкун түзүмүнө таасир бере алат.

Экинчиден, изилдөө бир тектүү V2X кирүүсүн болжолдойт. Башкача айтканда, V2X чөйрөсүндө бардык унаалар кызматташкан конвой түрүндө жүрөт деп кабыл алынган. Реалдуу дүйнөдө узак убакыт бою адам айдаган, байланышкан жана толук автоматташкан унаалар чогуу жүрөт. Бул аралаш трафик чөйрөсү модель натыйжалуулугун өзгөртүшү мүмкүн.

Үчүнчүдөн, V2V байланыш каналы ишенимдүү деп алынган. Реалдуу колдонууда кечигүү, пакет жоготуу, сенсор катасы, позициялоо катасы же киберкоопсуздук көйгөйлөрү болушу мүмкүн. Изилдөөдө лидер-биринчи ээрчигич үчүн 0,1 секунд кечигүү эске алынганы менен, кыйла өзгөрмө жана бузулууга дуушар байланыш шарттары келечектеги иштер үчүн маанилүү.

Төртүнчүдөн, модель бир гана суроо-талап бөлүштүрүүсүндө үйрөтүлгөн. Ар башка шаарлар, айдоо маданияттары, кесилиш геометриялары, жөө өтмөктөр, автобус тилкелери, тез жардам артыкчылыктары жана велосипед трафиги сыяктуу шарттарда модель кайра текшерилиши керек.

Изилдөө эмнени айтат, эмнени айтпайт?

Изилдөө MOPADRL SUMO симуляция чөйрөсүндө, белгилүү кесилиш геометриясы жана суроо-талап сценарийлеринде туруктуу убакыттагы, сенсордук жана platoon-көр эмес үйрөнүүчү контроллерлерден жакшыраак иштегенин көрсөтөт. Ошондой эле V2V негизиндеги конвой модели каралган шарттарда конвой ичиндеги ээрчүү конфликттерин нөлгө түшүрүп, конвой туруктуулугун сактаганын көрсөтөт.

Изилдөө бул модель реалдуу шаарларда түз колдонууга даяр деп айтпайт. Реалдуу талаа сынагын бербейт. Аралаш трафик кирүү үлүштөрүн кеңири карабайт. Көп кесилиштик тармак башкаруусун чечпейт. Байланыш бузулганда же пакет жоголгондо туруктуулукту кеңири баалабайт. Ошондуктан жыйынтыктар күчтүү симуляция далили катары кабыл алынышы керек, бирок акыркы талаа ийгилиги же коопсуздук кепилдиги деп чечмеленбеши керек.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Ыкманын кыскача мазмуну

1. Көйгөйдү аныктоо: Сигналдуу кесилиш башкаруусу V2X колдоосу бар автоматташкан унаа конвойлору менен бирге каралган.
2. Унаа модели: Адам айдаган унаалар IDM менен, конвой лидерлери CACC менен, конвой ээрчигичтери сунушталган V2V негизиндеги ээрчигич башкаруу мыйзамы менен моделденген.
3. Конвой аралык саясаты: Лидер-биринчи ээрчигич үчүн 4 m, ички ээрчигичтер үчүн 2 m максаттуу аралык аныкталып, бул маанилер байланыш кечигүүсү аркылуу аналитикалык негизделген.
4. Сигнал башкаруу модели: Кесилиш башкаруусу MDP катары түзүлүп, DDQN негизиндеги MOPADRL агенти үйрөтүлгөн.
5. Абал вектору: 12 өлчөмдүү тилке басымы, 4 өлчөмдүү активдүү фаза коддоштуруусу жана 4 өлчөмдүү конвой сенсор блогу менен 20 өлчөмдүү абал вектору түзүлгөн.
6. Сыйлык функциясы: Күтүү убактысынын азайышы, CO2 эмиссиясынын азайышы жана конвой бөлүнүү жазасы бириктирилген.
7. V2I механизми: Жакындап келе жаткан конвойлор конфликт төмөн шартта жашыл фаза суроосун жөнөтө алган.
8. Симуляция: SUMO чөйрөсүндө төрт багыттуу өзүнчө сигналдуу кесилиш, ар кандай суроо-талап сценарийлери жана 3–7 унаалуу конвой өлчөмдөрү менен текшерилген.
9. Салыштыруу: Fixed-Time, Actuated, MO-DDQN, MOPADRL-WV2I жана MOPADRL контроллерлери 100 жупташкан кокустук үрөн менен салыштырылган.

Негизги формулалар жана мааниси

Сандык жыйынтыктар

Сүрөттөр жана графиктер көрсөткөн негизги идеялар

Изилдөөнүн система архитектурасы диаграммасы MOPADRL бир гана сигнал башкаруу алгоритми эмес экенин көрсөтөт. Конвойду башкаруу, V2V ээрчигич контроллери, V2I конвой суроосу, DDQN негизиндеги сигнал контроллери жана SUMO микросимуляция чөйрөсү бир алкакта бириктирилген. Бул түзүм унаа деңгээли менен кесилиш деңгээли бирге башкарылганын көрсөтөт.

Кесилиш геометриясынын сүрөтү төрт багыттуу өзүнчө сигналдуу кесилиште ар бир жакындашуунун үч кирүү тилкеси бар экенин көрсөтөт. Бул геометрия модель шаар тармагында эмес, көзөмөлдөнгөн бир кесилиш экспериментинде сыналганын түшүнүү үчүн маанилүү.

Weibull бөлүштүрүлгөн суроо-талап графиктери унаалардын келиши бир калыпта эмес, тыгыз убактагы трафикке окшош түрдө убакыт боюнча өсүп, кийин азаярын көрсөтөт. Тең салмактуу суроо-талапта багыттар симметриялуураак жүктөлсө, тең салмаксыз суроо-талапта айрым коридорлор тыгызыраак болот. Бул айырма оптималдуу конвой өлчөмү эмне үчүн 7ден 6га жылганын түшүндүрүүдө маанилүү.

MOPADRLдин башка контроллерлерге карата пайыздык жакшыртуу графиктеринде туруктуу убакыттагы жана Actuated контроллерлерге каршы чоң жана туруктуу пайда көрүнөт. Үйрөнүүчү, бирок конвойду жакшы эске албаган MO-DDQNге каршы айырма көбүнчө кезек жана күтүү убактысында байкалат. Бул MOPADRLдин негизги салымы конвойлорду туура учурда өткөрүү жана керексиз токто-жүрүүнү азайтуу экенин көрсөтөт.

Per-seed бөлүштүрүү графиктери MOPADRL жыйынтыктары орточо мааниде гана эмес, ар башка кокустук үрөндөрдө да тар жана төмөн натыйжалуулук диапазондорунда топтолгонун көрсөтөт. TTC графигинде MOPADRL нөл конфликтте калганы V2V конвой башкаруусунун симуляциядагы коопсуздук таасирин ачык көрсөтөт.

Микроскопиялык убакыт-аралык траектория графиктери конвой кызылда чогуу токтоп, жашылда чогуу кыймылдап, бөлүнбөгөнүн көрсөтөт. Аралык графиги лидер-биринчи ээрчигич аралыгы кызыл фазада 2,61 mге чейин азайганы менен 2 m коопсуздук минимумунун үстүндө калганын; ички ээрчигичтер болсо 2 m максаттуу аралыкты өтө туруктуу сактаганын көрсөтөт. Stop-and-go графиктери тормоздоо жана ылдамдануу толкуну конвой боюнча өспөгөнүн көрсөтөт.

Техникалык жыйынтык

MOPADRL ийгилиги бир компоненттен эмес, төрт компоненттин чогуу иштешинен келип чыгат: DDQN негизиндеги үйрөнүүчү сигнал башкаруу, конвойду көрө алган абал вектору, күтүү-эмиссия-конвой бөлүнүшүн бириктирген сыйлык функциясы жана конфликт төмөн шарттагы V2I жашыл артыкчылык механизми. Бул түзүм конвойду сактоону өзүнчө кошумча максат эмес, түздөн-түз трафик натыйжалуулугун жана эмиссияны жакшырткан башкаруу сигналына айланткан.

Булак жана Ыкма Эскертмеси

Бул макала Amir Hossein Karbasi жана Hao Yang тарабынан даярдалган “MOPADRL: Multi-Objective Platoon-Aware Deep Reinforcement Learning Model for Signalized Intersection Control under V2X Communication” аттуу изилдөөгө негизделип даярдалган. Изилдөөнүн авторлору McMaster University, Department of Civil Engineering менен байланышкан.

Булак текст SSRNде жайгашкан жана Elsevierге сунушталган preprint изилдөө макаласы. Текстте ачык түрдө “This preprint research paper has not been peer reviewed” деп жазылгандыктан, изилдөө рецензиядан өтө элек. Ошондуктан жыйынтыктар рецензияланган адабиятта акыркы түрдө тастыкталган табылгалар катары эмес, техникалык жактан деталдуу, бирок рецензия процесси бүтө элек preprint жыйынтыктары катары окулушу керек.

Бул мазмун изилдөөдө берилген модель, формулалар, симуляция түзүмү, таблицалар, графиктер жана жыйынтыктар негизинде даярдалган. Изилдөөдө жок талаа колдонмосу, коммерциялык ийгилик, реалдуу шаар трафигинде толук коопсуздук кепилдиги же жөнгө салуучу шайкештик дооматы кошулган эмес.

Изилдөөнүн ыкмасы SUMO микроскопиялык трафик симуляциясына, DDQN негизиндеги терең бекемдөөчү үйрөнүүгө, V2V негизиндеги CACC конвой башкаруусуна жана шарттуу V2I Platoon-Request механизминине негизделет. Эксперименттер өзүнчө төрт багыттуу сигналдуу кесилиште, ар кандай суроо-талап сценарийлери жана 3–7 унаалуу конвой өлчөмдөрү менен жүргүзүлгөн.

Изилдөөнүн маанилүү чектөөлөрү бар. Анализ бир гана өзүнчө кесилиш менен чектелген; көп кесилиштик коридор же тармак деңгээлиндеги координация каралган эмес. V2X кирүүсү бир тектүү деп алынган; адам айдаган жана автоматташкан унаалар аралашкан трафик кеңири изилденген эмес. V2V байланышы ишенимдүү деп алынган; пакет жоготуусу, өзгөрмө кечигүү жана байланыш каталары толук текшерилген эмес. Модель бир гана суроо-талап бөлүштүрүүсүндө үйрөтүлгөн. Ошондуктан жыйынтыктар келечектеги иштер, ар башка трафик тармактары жана реалдуу аралаш трафик шарттары менен бекемделиши керек.