Makutano ya ishara za mijini ni moja wapo ya makutano muhimu zaidi ya mfumo wa trafiki. Magari huja kwenye makutano kutoka pande tofauti, kugeuka kushoto, kwenda moja kwa moja, kugeuka kulia, na harakati hizi zote zinadhibitiwa na taa za trafiki. Mifumo ya jadi ya udhibiti wa ishara inajaribu kuhakikisha usalama kwa kutenganisha harakati zinazoingiliana; hata hivyo, kuongezeka kwa idadi ya magari, mahitaji tofauti, foleni wakati wa kilele, wakati wa kusubiri, matumizi ya mafuta, uzalishaji wa CO2 na hatari ya ajali inazidi kuwa changamoto kwa mifumo hii.

Utafiti unashughulikia tatizo hili katika vipengele vitatu. Ya kwanza ni tatizo la msongamano. Magari yanaposubiri kwenye taa nyekundu, foleni hutengenezwa, uwezo wa makutano hupungua na muda wa kusafiri huongezeka. Ya pili ni athari za mazingira. Harakati za kuacha na kwenda na kusubiri zisizo za lazima huongeza uzalishaji kwa kila gari. Ya tatu ni usalama. Hasa wakati wa kukaribia makutano, kusimama ghafla, kufuata kwa karibu na makosa ya madereva ya binadamu yanaweza kuongeza hatari ya migongano kwa kupunguza muda wa ajali.

Kipengele cha ubunifu cha utafiti huu ni kwamba inadhibiti ishara sio tu kulingana na magari ya kibinafsi, bali pia Misafara ya magari Hiyo ni, inafikiria kwa suala la miundo ya msafara. Magari ya kiotomatiki na yaliyounganishwa yanaweza kusonga kwa umbali wa kawaida zaidi kwa kila mmoja kwa mawasiliano V2V. Hata hivyo, ikiwa taa ya trafiki itagawanya msafara huu katikati, magari yaliyo mbele yanaweza kupita na yale yaliyo nyuma yanaweza kubaki kwenye nyekundu. Hali hii haivurugi tu uadilifu wa msafara; pia inaunda kusubiri nyuma, kuongeza kasi tena, uzalishaji wa ziada na uundaji mpya wa foleni. Kwa hivyo, utafiti unatafuta kujibu swali lifuatalo: Je, kidhibiti wa taa za trafiki anaweza kupunguza muda wa kusubiri, uzalishaji CO2 na kuvunjika kwa misafara ya gari moja kwa moja kwa wakati mmoja?

Kwa nini tatizo hili ni muhimu?

Moja ya changamoto kubwa katika mifumo ya usafirishaji ya akili ni kuunganishwa kwa maeneo tofauti. Ikiwa mdhibiti wa trafiki anajaribu tu kupunguza muda wa kusubiri, inaweza kufanya kazi vizuri kwa muda mfupi kwa kutoa maelekezo kwa muda mrefu. Walakini, njia hii inaweza kugawanya misafara ya magari yanayotoka pande zingine, kuongeza uzalishaji, au kutoa mawimbi ya kusimama-na-kwenda. Haitoshi tu kupunguza uzalishaji; kwa sababu ikiwa foleni ndefu huunda kwenye makutano, mfumo unashindwa. Pia haitoshi kulinda tu msafara; kwa sababu kusubiri kwa haki na msongamano kunaweza kuundwa katika pande zingine.

Kwa hivyo, utafiti huanzisha udhibiti wa makutano kama shida ya malengo mengi. Mfano MOPADRL unazingatia malengo matatu kwa wakati mmoja:

• Ufanisi wa trafiki: Kupunguza muda wa kusubiri na foleni,
• Athari za mazingira: Kupunguza uzalishaji wa CO2,
• Uadilifu wa msafara: Adhabu kwa mgawanyiko wa msafara kwa sababu ya taa nyekundu.

Njia hii inaonyesha kuwa katika miji ambayo magari yaliyounganishwa na otomatiki yatakuwa ya kawaida katika siku zijazo, makutano hayawezi kusimamiwa na mipango ya mwanga iliyowekwa peke yake. Makutano lazima yaelewe sio tu idadi ya magari yanayoingia, lakini pia muundo wao, hali ya mawasiliano, uhusiano wa msafara na umbali wa njia.

Kuna pengo gani katika fasihi?

Utafiti unaonyesha wazi upungufu muhimu wa utafiti wa awali. Kuna tafiti nyingi juu ya udhibiti wa taa za trafiki unaotegemea uimarishaji wa ujifunzaji. Pia kuna fasihi kubwa juu ya misafara ya gari la kiotomatiki. Walakini, tafiti zinazohusu maeneo haya mawili pamoja ni mdogo.

Baadhi ya tafiti zilizopo hutumia uboreshaji wa lengo moja katika udhibiti wa taa za trafiki; kwa mfano, inazingatia tu kupunguza latency au muda wa kusubiri tu. Hata kama tafiti zingine zinazingatia misafara, zinategemea nyongeza za uigaji zilizotengenezwa tayari au mawazo zaidi ya macroscopic badala ya uundaji wa kina wa tabia ya msafara na mawasiliano ya V2V/V2I ya microscopic. Kwa kuongeza, athari ya kimfumo ya saizi ya msafara kwenye utendaji wa makutano haijachunguzwa kwa undani katika tafiti nyingi.

Utafiti huu unajaribu kujaza pengo hili kwa michango mitatu kuu:

• Inakuza kidhibiti wa mawimbi wa DDQN anayefahamu msafara, anayelenga anuwai.
• V2V huunda muundo wa ufuatiliaji wa msafara wa hadubini kulingana na mawasiliano na kuithibitisha kwa suala la usalama na uthabiti wa kamba katika kikoa cha wakati.
• Inatafuta saizi bora ya msafara katika hali za mahitaji ya usawa na isiyo na usawa kwa kubadilisha saizi ya msafara kati ya gari 3 na 7.

Je, usanifu MOPADRL unafanyaje kazi?

Usanifu wa mfumo wa utafiti una tabaka tatu. Safu ya kwanza ni udhibiti wa msafara. Hapa, kiongozi wa msafara hufanya kazi na CACC, ambayo ni, mfano wa Ushirika wa Adaptive Cruise Control. Wafuasi wa msafara, kwa upande mwingine, hutumia kasi, kuongeza kasi na habari ya hali ya msafara kutoka kwa kiongozi na sheria ya udhibiti wa wafuasi wa V2V iliyopendekezwa na watafiti.

Safu ya pili ni kidhibiti wa MOPADRL ishara. Kidhibiti huyu ni Mtandao wa Q wa Kina Mbili, ambayo ni, wakala DDQN. Wakala anaamua ni awamu gani ya kijani ya kutoa kwa kuchunguza hali ya trafiki kwenye makutano, awamu ya ishara inayotumika na habari inayokuja ya msafara.

Safu ya tatu ni mazingira SUMO uigaji wa trafiki ya microscopic. Harakati za gari, awamu za ishara, njia ya mawasiliano ya V2X, mahesabu ya utoaji wa hewa chafu na metriki za tathmini ziliendeshwa katika mazingira haya. Mchoro wa mfumo katika utafiti unaonyesha kuwa udhibiti wa msafara na kidhibiti wa ishara hazifanyi kazi kando kutoka kwa kila mmoja, lakini kama vifaa vya mawasiliano katika mzunguko sawa wa kuiga.

Kwa nini mawasiliano ya V2V na V2I ni muhimu tofauti?

V2V mawasiliano huhakikisha kwamba magari kwenye msafara yanasonga kwa usalama na kwa utaratibu kuhusiana na kila mmoja. Kasi, kuongeza kasi na hali ya msafara wa gari linaloongoza huwasilishwa kwa wafuasi. Kwa hivyo, wafuasi hufanya sio tu kwa kuona gari mbele yao, lakini pia kwa kujua hali ya kiongozi wa msafara. Hii ni muhimu sana kwa msafara kusonga bila kushuka kwa thamani, haswa katika hali ya kusimama kwa ghafla na kuongeza kasi.

V2I mawasiliano yameanzishwa kati ya msafara na taa ya trafiki. Msafara unaokaribia unaweza kutuma kwa kidhibiti cha makutano ombi linaloitwa Platoon-Request, yaani ombi la kupewa taa ya kijani. Hata hivyo, utafiti haukubali ombi hili bila masharti. Kipaumbele cha kijani hutolewa tu katika hali ya chini ya migogoro. Kwa hivyo, mfumo unajaribu kupunguza hatari ya kuunda foleni kubwa au migogoro katika pande nyingine ili kupitisha msafara.

Tofauti hii ni muhimu sana. Ikiwa kuna V2V tu, magari yataendesha mara kwa mara kati yao wenyewe, lakini taa ya trafiki bado inaweza kuwagawanya. Ikiwa kuna V2I tu, taa ya trafiki inaweza kutoa kipaumbele kwa msafara, lakini tabia inayofuata ya microscopic ya magari inaweza kuwa salama na thabiti vya kutosha. MOPADRL hutumia aina hizi mbili za mawasiliano pamoja kuratibu harakati za ndani ya msafara na uamuzi wa ishara katika kiwango cha makutano.

IDM mfano unaotumika kwa magari yanayoendeshwa na binadamu

Katika utafiti huo, Mfano wa Dereva wa Akili (IDM) ulitumika kwa magari yenye madereva wa kibinadamu. IDM ni muundo wa ufuatiliaji wa wakati unaoendelea ambao huhesabu kuongeza kasi ya gari kulingana na njia yake ya kasi inayolengwa na umbali kati yake na gari lililo mbele yake. Fomula ya msingi ya kuongeza kasi ya IDM iliyotolewa katika utafiti ni kama ifuatavyo:

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

Hapa, a inarejelea kuongeza kasi ya gari, a0 kuongeza kasi ya juu, v kasi ya sasa, v0 kasi inayotaka, δ msingi wa kuongeza kasi, s umbali halisi kutoka kwa gari lililo mbele na s*(v, Δv) inahusu umbali unaohitajika unaofuata.

Umbali unaohitajika wa nguvu umetolewa kama ifuatavyo:

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

Hapa, s0 inarejelea umbali wa kusimama, T muda unaotaka, Δv kasi ya jamaa na b inaonyesha kupungua kwa kasi vizuri. Maana ya kila siku ya fomula hii ni kama ifuatavyo: Umbali salama huongezeka wakati gari linaharakisha au kasi ya kufunga inaongezeka ikilinganishwa na gari lililo mbele. Katika hali na madereva wa kibinadamu, tabia ya gari inawakilishwa na mfano huu.

CACC mfano wa kiongozi wa gari la magari

Viongozi wa msafara wanasimamiwa na Udhibiti wa Ushirika wa Adaptive Cruise Control, au mfano wa CACC. Katika mfano huu, gari husogea katika hali tofauti kama vile udhibiti wa kasi, udhibiti wa umbali, kufungwa kwa umbali na kuepuka mgongano. Katika utawala wa kudhibiti kasi, amri ya kuongeza kasi hutolewa kama ifuatavyo:

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

Hapa, a_i,k+1 inarejelea i kuongeza kasi ya gari katika hatua inayofuata, vd kasi inayotaka, vi,k kasi ya sasa na k4 faida ya kudhibiti. Ikiwa gari iko chini ya kasi inayolengwa, hutoa kuongeza kasi chanya, na ikiwa iko juu yake, hutoa kuongeza kasi hasi.

Katika utawala wa udhibiti wa umbali, sasisho la kasi linaonyeshwa kama ifuatavyo:

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

Hapa, e_i,k inarejelea hitilafu ya umbali, ė_i,k kiwango cha mabadiliko ya kosa hili, k5 na k6 faida za kudhibiti. Derivative ya makosa inafafanuliwa kama:

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

Taarifa hii inazingatia tofauti ya kasi ya gari lifuatalo ikilinganishwa na gari lililo mbele na kuongeza kasi yake mwenyewe. Lengo ni magari kusonga kwenye msafara huku yakidumisha umbali salama.

Udhibiti wa wafuasi wa V2V na sera ya umbali wa ngazi mbili

Moja ya michango ya asili ya utafiti ni muundo wa udhibiti unaopendekezwa wa V2V kwa wafuasi wa msafara. Msafara unafafanuliwa kama:

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

Hapa, v_k,0 inarejelea kiongozi wa msafara, v_k,i Nambari ya mfuasi i, N_k inahusu idadi ya wafuasi kwenye msafara. Hali ya longitudinal ya gari la mfuasi imetolewa kama ifuatavyo:

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

Hapa, p inarejelea nafasi ya bafa, v Inahusu kasi. Umbali wa bumper-to-bumper kati ya magari hayo mawili ni kama ifuatavyo:

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

Hapa, g_k,i inarejelea umbali kati ya mfuatiliaji na gari lililo mbele yake, L_k,i-1 inaonyesha urefu wa gari mbele. Katika utafiti, urefu wa gari ulichukuliwa kama 5 m.

Katika kila hatua ya kuiga, gari linaloongoza hutangaza habari tatu zifuatazo kwa wafuasi:

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

Hapa, v0 inarejelea kasi ya kiongozi, a0 kasi ya kiongozi, σP ni bendera ya hali ya msafara. Bendera hii inaonyesha ikiwa msafara umekamilika, umesimamishwa kwa nyekundu, au umevunjika.

Maelezo muhimu ya uhandisi ya utafiti ni kwamba hatua ya wakati, i.e. ucheleweshaji wa mawasiliano ya sekunde 0,1, inakubaliwa kati ya kiongozi na mfuasi wa kwanza. Kwa wafuasi wa ndani, ucheleweshaji huu mzuri ni sifuri. Kwa sababu hii, sera ya umbali imeundwa katika tabaka mbili:

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

Hapa, gLF* inarejelea umbali unaolengwa kati ya kiongozi na mfuasi wa kwanza, gII* inahusu umbali unaolengwa kati ya wafuasi wa ndani. Inalengwa 4 m kwa mfuasi wa kwanza na 2 m kwa wafuasi wa ndani. Hii ni kwa sababu habari ya kiongozi humfikia mfuasi wa kwanza kwa kuchelewa kwa sekunde 0,1. Umbali mfupi ulizingatiwa kuwa wa kutosha kwa sababu wafuasi wa ndani walitumia malisho sawa ya kiongozi katika hatua sawa.

Je, muundo wa umbali wa 4 m / 2 m unahesabiwa haki?

Katika utafiti, sera ya umbali wa ngazi mbili haikuchaguliwa tu kwa angavu, lakini ilitokana na uchambuzi. Katika hali mbaya zaidi, gari linaloongoza hufunga breki haraka kwa kasi ya 13,89 m/s. Kwa kuwa mfuasi wa kwanza anapokea amri ya kiongozi 0,1 kuchelewa kwa sekunde, inaendelea kusonga mbele kwa kasi ya awali wakati huu. Umbali huu wa kufunga umehesabiwa kama ifuatavyo:

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

Hapa, Δclose inarejelea umbali wa kufunga, v° kasi ya kusafiri na τ inahusu ucheleweshaji wa mawasiliano. Msingi wa usalama unachukuliwa kama 2 m. Katika kesi hii, umbali unaolengwa kati ya kiongozi na mfuasi wa kwanza unapaswa kutoa usawa ufuatao:

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

Hii inamaanisha:

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

Katika utafiti, 4 m walichaguliwa na ukingo wa ziada wa usalama uliachwa 0,611 m. Ubunifu huu ulithibitishwa katika uchambuzi wa trajectory ya microscopic. Awamu nyekundu iliyozingatiwa ilikuwa 2,61 m umbali wa chini wa mfuasi wa kiongozi-kwanza, na makadirio ya uchambuzi yalikuwa 2,611 m. Makubaliano haya ya karibu sana yanaonyesha kuwa muundo wa umbali ulifanya kazi kama inavyotarajiwa katika simulation.

Je, tatizo la udhibiti wa mawimbi limewekwaje kama MDP?

Katika utafiti, udhibiti wa taa za trafiki unaigwa kama Mchakato wa Uamuzi wa Markov, au MDP. Muundo wa kimsingi unaonyeshwa kama ifuatavyo:

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

Hapa, S inarejelea nafasi ya hali, A nafasi ya hatua, T kernel ya mpito, r kazi ya malipo na γ inahusu sababu ya punguzo. Katika kila wakati wa uamuzi, kidhibiti wa taa ya trafiki anaangalia hali ya sasa, huchagua awamu ya kijani, na kwa sababu hiyo, hupokea zawadi katika suala la foleni, kusubiri, utoaji wa hewa chafu na uadilifu wa msafara.

Lengo la wakala ni kujifunza sera inayofanya malipo ya jumla ya punguzo yanayotarajiwa kuwa ya juu zaidi:

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

Hapa, π inarejelea sera ya udhibiti, J(π) inahusu utendaji wa jumla unaotarajiwa wa sera hii. Kwa maneno ya kila siku, wakala anatafuta kujifunza sio oonly uamuzi wa sasa mwepesi, lakini pia athari za uamuzi huo kwenye foleni na misafara ya siku zijazo.

Kwa nini DDQN ilitumika?

Katika utafiti huo, Double Deep Q-Network au DDQN ilitumika kama wakala wa kudhibiti ishara. DDQN hutenganisha uteuzi wa hatua na tathmini ya hatua ili kupunguza shida ya maadili ya DQN ya kawaida ya kukadiria kupita kiasi katika hali zingine. Mitandao miwili ya neva, mtandao wa mtandaoni na mtandao unaolengwa, ilitumika katika utafiti.

Lengo la tofauti ya wakati limetolewa kama ifuatavyo:

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

Hapa, yk inarejelea lengo la kujifunza, rk+1 tuzo, γ uzito wa thawabu za baadaye, d bendera ya hali ya terminal, Qθ mtandao wa mtandaoni na Qθ− inahusu mtandao unaolengwa.

Kazi ya upotezaji ni hitilafu ya mraba ya Bellman:

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

Maana ya fomula hii ni kwamba mtandao wa neva unatabiri thamani ya hatua iliyochaguliwa; kisha utabiri huu unaletwa karibu na lengo lililoundwa na thawabu na thamani inayotarajiwa ya baadaye. Katika udhibiti wa taa za trafiki, hii ni kujifunza swali "je, kuchagua awamu hii ni nzuri kwa foleni, kusubiri, utoaji chafu na uadilifu wa msafara kwa muda mrefu?"

Vekta ya hali ya MOPADRL: Kidhibiti kinaona nini?

Vector ya hali ya MOPADRL ni 20-dimensional na ina vitalu vitatu:

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

Hapa, p_k inarejelea kizuizi cha shinikizo la strip, φ_k habari ya awamu inayotumika, ψ_k Inahusu kizuizi cha kugundua msafara. Shinikizo la njia 12 linajumuisha jumla ya idadi ya magari kwenye njia ya kukaribia na idadi ya magari yaliyosimama. Kizuizi cha awamu inayotumika kinaonyesha ni awamu gani ya kijani kibichi ni. Kizuizi cha sensor ya msafara kinaonyesha kwa kila awamu ikiwa kuna gari la msafara katika njia zinazohudumiwa na awamu o 50 m mstari wa kusimama.

Uainishaji wa shinikizo la sliver hufafanuliwa kama:

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

Hapa, nl inarejelea jumla ya idadi ya magari katika njia husika, nstop_l Inahusu idadi ya magari yaliyosimama. Ikiwa unazingatia, magari yaliyosimamishwa yanazingatiwa kwa uzito mara mbili. Kwa sababu magari yaliyosimamishwa hayaonyeshi tu wiani wa sasa, bali pia mkusanyiko wa kuchelewa.

Sensor ya msafara hufanya kazi kwa mantiki ifuatayo: Ikiwa gari lolote la msafara unaofanya kazi liko 50 m au karibu na mstari wa kusimama kwenye njia inayohudumiwa na awamu fulani, uwepo wa msafara wa awamu o umewekwa kama 1. Habari hii ya ziada inayoonekana kuwa ndogo hufanya wakala asiwe kipofu wa msafara.

Kazi ya zawadi ya malengo mengi: Kusubiri, utoaji, na kukatika kwa msafara

Moja ya vipengele muhimu vya MOPADRL ni kazi ya malipo. Malipo huhesabiwa sio tu kulingana na wakati wa kusubiri, lakini pia kwa kuzingatia wakati wa kusubiri, utoaji wa CO2 na msafara kushuka pamoja.

Kwanza, wakati wa kusubiri na tofauti za utoaji wa hewa chafu huhesabiwa katika kila kipindi cha uamuzi:

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

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

Hapa, ΔW inarejelea uboreshaji wa muda wa kusubiri, ΔE Inahusu kupungua kwa uzalishaji. Ikiwa maadili haya ni mazuri, inamaanisha kuwa mfumo umeboreshwa ikilinganishwa na kipindi kilichopita.

Kazi ya mwisho ya malipo ni kama ifuatavyo:

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

Hapa, wW = 0,67 inarejelea wakati wa kusubiri uzito, wE = 0,33 uzito wa uzalishaji, λP = 1,0 ukali wa adhabu ya kuvunja msafara, Nbrk inarejelea idadi ya magari ya wafuasi ambayo yalijitenga na msafara katika kipindi o. Π[-1,1] operesheni mazao thawabu kutoka -1 hadi 1.

Fomula hii inaonyesha wazo kuu la utafiti vizuri sana. Ikiwa wakala atapunguza muda wa kusubiri, anapokea thawabu. Ikiwa atapunguza chafu, anapokea thawabu. Hata hivyo, ikiwa atakatiza msafara kwa sababu ya taa nyekundu, anapokea adhabu. Kwa hivyo, mfumo umeondolewa kwenye sera kama vile "wacha niondoe makutano haraka, lakini gawanya misafara", ambayo inaweza kutoa matokeo mabaya kwa muda mfupi lakini kwa muda mrefu.

V2I Je, utaratibu wa Ombi la Msafara ni mdogo vipi?

Misafara inayokaribia MOPADRL inaweza kutuma ombi la awamu ya kijani kibichi kwa taa ya trafiki. Walakini, ombi hili halikubaliwi bila mpangilio au bila masharti. Masharti matatu yalitambuliwa katika utafiti:

• Kiongozi wa msafara lazima awe amekaribia mstari wa kusimama ndani 10–50 m masafa au lazima awe amesimama karibu zaidi ya 10 m.
• Haipaswi kuwa na msafara mwingine katika 150 m katika mwelekeo wa mzozo.
• Haipaswi kuwa na magari yaliyosimamishwa katika njia za kugongana ambazo hazijahudumiwa za msafara huo.

Madhumuni ya masharti haya ni kutoa kipaumbele cha kijani tu katika hali za migogoro ya chini. Kwa hivyo, hakuna udhibiti ambao unakandamiza isivyo haki na hatari mambo mengine kupitisha msafara. Ubunifu huu unahakikisha kuwa kipaumbele V2I kinawezekana na cha usawa.

Mazingira ya majaribio: SUMO microsimulation

Majaribio yote katika utafiti yalifanywa katika mazingira ya SUMO, yaani, katika mazingira ya Uigaji wa Uhamaji wa Mjini. Wavu wa majaribio ni makutano ya pekee ya njia nne zilizoashiria. Kuna njia tatu za kuingilia na njia mbili za kutoka kwenye kila mbinu. Mpangilio wa njia ni njia moja ya kugeuka kushoto, njia moja moja ya moja tu, na njia moja ya moja kwa moja+kulia. Kikomo cha kasi kinachukuliwa kama 50 km/s, yaani, takriban 13,89 m/s. Magari ya wafuasi yanaruhusiwa tu kufikia dari ya kasi ya 60 km/s, yaani, takriban 16,67 m/s wakati kufungwa kwa umbali kunahitajika.

Waliowasili kwa gari walitolewa na usambazaji wa Weibull katika sekunde 0–3600. Usambazaji huu huunda wasifu wa kuwasili sawa na trafiki ya saa ya kukimbilia: ongezeko la taratibu mwanzoni, kilele kikali katikati, kupungua mwishoni. Katika utafiti, viwango vya mahitaji ya gari 1000 / saa na 2000 ya gari/saa, usambazaji wa mwelekeo uliosawazishwa na usio na usawa, na saizi za msafara kati ya magari 3–7 zilijaribiwa.

Tathmini hiyo ilitokana na mbegu 100 nasibu zilizooanishwa. Hii ni muhimu kwa ulinganisho wa kuaminika zaidi wa wanaowasili kwa trafiki tofauti, badala ya kutegemea matokeo moja ya uigaji bila mpangilio.

Vidhibiti ikilinganishwa

Utafiti huo ulilinganisha vidhibiti vitano vya ishara:

• Fixed-Time: Mpango wa mwanga wa wakati uliowekwa ambao hauzingatii hali ya trafiki.
• Actuated: Udhibiti wa sensor ya kawaida ambayo inaweza kupanua kijani kulingana na magari yanayoingia.
• MO-DDQN: Kidhibiti cha ujifunzaji kinachotegemea DDQN bila ufahamu wa msafara.
• MOPADRL-WV2I: Mfano na ufahamu wa msafara na adhabu ya kuvunja msafara, lakini bila utaratibu V2I ombi la kijani.
• MOPADRL: Mfano uliopendekezwa unaotumia ufahamu wa msafara, adhabu ya kuvunja msafara, na utaratibu wa masharti V2I Platoon-Request pamoja.

Mpango huu wa kulinganisha ni muhimu; kwa sababu inajaribu kutenganisha sio tu ikiwa MOPADRL inafanya kazi vizuri lakini pia ni sehemu gani inachangia nini. Kwa mfano, tofauti kati ya MOPADRL-WV2I na MOPADRL inaonyesha mchango wa utaratibu wa kipaumbele V2I. Tofauti kati ya MO-DDQN na MOPADRL inaonyesha athari ya pamoja ya ufahamu wa msafara, adhabu ya kuvunja, na muundo wa V2I.

Vipimo vya tathmini

Katika utafiti, utendaji ulipimwa kwa metriki sita kuu:

• Urefu wa wastani wa mkia,
• Idadi ya wastani ya magari ndani ya mtandao ni
• Wastani wa muda wa kusubiri kwa kila gari,
• Wastani wa muda wa safari kwa kila gari,
• Wastani wa uzalishaji wa CO2 kwa kila gari,
• Idadi ya misafara iliyovunjika.

Kwa usalama, idadi ya migongano kulingana na muda uliobaki hadi ajali, yaani Time-to-Collision, pia hutumiwa. Kipimo hiki kinahesabu ni muda gani umesalia hadi mgongano ikiwa magari yataendelea kwa kasi yao ya sasa. Kizingiti cha sekunde 0,5 hutumiwa kwa magari ya kiotomatiki na sekunde 1,5 kwa jozi za magari na madereva wa kibinadamu.

Awamu ya 1: Ukubwa wa msafara dhidi ya kidhibiti

Katika awamu ya kwanza ya tathmini, misafara ya magari ya 3, 4, 5, 6 na 7 ilijaribiwa chini ya mahitaji 1000 magari kwa saa. Katika kesi ya mahitaji ya usawa, MOPADRL alikuwa mdhibiti bora katika vipimo vya ufanisi katika vipimo vyote vya msafara. Katika msafara wa magari saba, wastani wa urefu wa foleni uliripotiwa kama magari 0,53, wastani wa muda wa kusubiri ulikuwa sekunde 1,95 / gari, wastani wa muda wa safari ulikuwa sekunde 111,51 / gari, na wastani wa uzalishaji wa CO2 uliripotiwa kama 117.021 mg / gari.

Matokeo haya yanamaanisha kupunguzwa kwa karibu asilimia 94 kwa urefu wa foleni na muda wa kusubiri ikilinganishwa na udhibiti wa wakati uliowekwa. Ikilinganishwa na kidhibiti aliyeanzishwa, upunguzaji ni karibu asilimia 86. Hii ina maana kwamba MOPADRL kwa kiasi kikubwa huzidi sio tu mpango wa kawaida uliowekwa, lakini pia udhibiti unaoongozwa na sensor ambao unaweza kuguswa na mahitaji ya trafiki.

Katika mahitaji ya usawa, usanidi bora wa MOPADRL ni msafara wa magari saba. Walakini, katika mahitaji yasiyo na usawa, bora zaidi ilihamia kwa msafara wa magari sita. Ugunduzi huu ni muhimu: saizi bora ya msafara sio thamani iliyowekwa; inategemea muundo wa mahitaji. Wakati ukanda wa kaskazini-kusini ulikuwa mkubwa zaidi katika mahitaji yasiyo na usawa, msafara wa magari sita ulitoshea vyema kwenye dirisha la kijani kibichi.

Je, uadilifu wa msafara huumiza ufanisi?

Moja ya matokeo ya kushangaza zaidi ya utafiti ni kwamba adhabu ya uadilifu wa msafara haidhuru ufanisi. Kwa mtazamo wa kwanza, wakati adhabu ya "msafara wa msafara" inaongezwa kwa mfano, inaweza kuonekana kuwa mfano huo unaweza kufanya maamuzi mabaya zaidi katika suala la muda wa kusubiri au kupanga foleni. Kwa sababu mfumo unaweza kuweka baadhi ya magari kusubiri kwa muda mrefu ili kulinda msafara.

Walakini, matokeo yalionyesha kinyume. MOPADRL ilifanya vizuri zaidi kwa metriki zote za ufanisi katika kila saizi ya msafara kuliko eMO-DDQN bila ufahamu wa msafara. Iliboresha urefu wa foleni kwa asilimia 10–69, wakati wa kusubiri kwa asilimia 10–65, wakati wa safari kwa asilimia 1,0–4,4, na uzalishaji wa CO2 kwa asilimia 1,3–6,6; pia ilipunguza idadi ya misafara iliyokatwa kwa asilimia 30–99.

Sababu ya hii ni ya kimuundo. Wakati msafara umegawanywa kwenye taa nyekundu, magari nyuma yanasubiri, kisha kuharakisha tena, kutoa foleni na kuongeza uzalishaji. Kwa hiyo, kulinda msafara hausaidii tu uadilifu wa msafara, bali pia kusubiri na malengo ya utoaji wa hewa. Kwa maneno ya utafiti, malengo haya sio washindani, lakini malengo ya ziada katika muundo sahihi wa malipo.

Ni mchango gani wa kipaumbele V2I?

MOPADRL dhidi ya MOPADRL-WV2I hutofautisha athari za utaratibu wa V2I Platoon-Request. Mifano hizo mbili hutumia vector sawa ya hali na kazi sawa ya malipo; tofauti ni kwamba MOPADRL inaweza kutoa kipaumbele cha kijani kwa msafara ujao katika hali ya migogoro ya chini.

Kipaumbele cha V2I katika mahitaji ya usawa; Ilipunguza urefu wa foleni kwa asilimia 28–53, muda wa kusubiri kwa asilimia 23–53, wakati wa safari kwa asilimia 1,9–4,3 na uzalishaji wa CO2 kwa asilimia 3,0–5,9. Hata hivyo, athari yake ya ziada kwa idadi ya misafara iliyovunjika ni mdogo zaidi; kwa sababu adhabu ya kuvunja msafara tayari imepunguza mapumziko hadi karibu sifuri katika hali nyingi. Matokeo haya yanaonyesha kuwa mchango kuu wa utaratibu wa V2I ni kuweza kupitisha misafara "haraka", wakati adhabu katika kazi ya malipo tayari ina nguvu katika kuzuia kuvunjika kwa msafara.

Awamu ya 2: Mazingira yanayoendeshwa na binadamu dhidi ya mazingira V2X msafara

Katika awamu ya pili ya tathmini, mazingira ya gari yanayoendeshwa na binadamu yalilinganishwa na mazingira ya msafara unaosaidiwa kikamilifu V2X. Iliyoendeshwa na MO-DDQN ilitumika katika hali za kimsingi na madereva wa kibinadamu. Katika mazingira ya V2X, kidhibiti cha MOPADRL kilichopendekezwa na vipimo bora vya msafara vilivyopatikana katika Awamu ya 1 vilitumika: magari saba kwa mahitaji ya usawa, magari sita kwa mahitaji yasiyo na usawa.

Matukio matatu ya mahitaji yalichunguzwa:

• 1000 mahitaji ya usawa ya gari/saa,
• 2000 mahitaji ya usawa ya gari/saa,
• 2000 mahitaji yasiyo na usawa ya gari/saa.

MOPADRL ilitoa thamani bora zaidi ya wastani katika kila kipimo katika hali zote tatu. Ikilinganishwa na e MO-DDQN, mfano wa msingi wa ujifunzaji unaoendeshwa na binadamu, ilipunguza urefu wa wastani wa foleni kwa asilimia 73–75 na wakati wa kusubiri kwa asilimia 67–75. Ikilinganishwa na kidhibiti kilichoendeshwa, urefu wa foleni na upunguzaji wa muda wa kusubiri ulikuwa mkubwa zaidi: katika anuwai ya asilimia 82–89 na asilimia 80–87.

Tofauti kubwa katika metriki za uhamaji wa mtiririko kama vile CO2, wakati wa safari, na idadi ya magari ndani ya mtandao ilionekana katika mahitaji 2000 usawa wa saa ya gari. Hii ni muhimu; kwa sababu wakati mahitaji sawa ya jumla hayana usawa, watawala wa kawaida au wa kujifunza wanaweza kufikia faida fulani za ufanisi kwa kutoa kijani kirefu kwa njia kuu. Mahitaji ya usawa lakini ya juu ni hatua ngumu zaidi ya uendeshaji; kila mwelekeo ni busy, na inakuwa ngumu zaidi kutoa kijani katika mwelekeo gani na lini. Tafsiri ya utafiti ni kwamba faida ya V2X inapima na ugumu wa uendeshaji, sio tu kiwango cha mahitaji ghafi.

Matokeo ya usalama: Kwa nini migogoro TTC imeenda sifuri

Matokeo ya kushangaza zaidi ya utafiti katika suala la usalama ni kwamba MOPADRL ilipunguza idadi ya migogoro ya wakati wa ajali hadi sifuri katika hali zote za mahitaji. Katika mifumo ya kimsingi na madereva wa kibinadamu, migogoro ya TTC iliongezeka sana kadiri mahitaji yalivyoongezeka. Kwa upande mwingine, migogoro hii haikurekodiwa kamwe katika mazingira ya msafara wa V2X.

Sababu ya matokeo haya ni kwamba muundo wa CACC unaotegemea V2V hupunguza mabadiliko ya kasi ya kufunga ndani ya msafara. Habari ya kasi na kuongeza kasi ya kiongozi hupitishwa kwa wafuasi; wafuasi hubadilika kulingana na tabia ya kusimama au kuongeza kasi ya kiongozi kwa muda mfupi sana. Sera ya umbali wa safu mbili pia imeundwa kunyonya ucheleweshaji wa sekunde 0,1 kati ya kiongozi na mfuasi wa kwanza. Kwa hivyo, hali ya kinematic inayosababisha mgongano wa nyuma haikutokea ndani ya msafara.

Ni muhimu kuwa mwangalifu hapa: Utafiti hausemi kwamba "hakuna ajali zinazotokea katika ulimwengu wa kweli". Matokeo yalipatikana katika mazingira ya kuiga, chini ya mawasiliano ya kuaminika ya V2V na hali fulani za trafiki. Hata hivyo, matokeo haya yanaonyesha kuwa kwa mawasiliano ya V2X ya kuaminika na udhibiti sahihi wa umbali, migogoro ya ufuatiliaji katika mbinu ya makutano inaweza kupunguzwa kwa kiasi kikubwa.

Awamu ya 3: Uchambuzi wa janga la microscopic

Awamu ya tatu ya tathmini ilifanyika ili kuelewa ikiwa uboreshaji wa kiwango cha mfumo ulikuwa thabiti katika kiwango cha gari. Katika utafiti huo, msafara mmoja wa V2X wa magari saba ulifuatiliwa katika hatua za sekunde 0,1 katika mzunguko wote wa kukaribia, kusimama kwa rangi nyekundu, kumwaga, na kusonga tena.

Misiba ya umbali wa wakati inaonyesha kuwa magari ya msafara yalisimama pamoja kwenye taa nyekundu, yakasogea pamoja kwenye kijani kibichi, na msafara ulivuka makutano bila kugawanywa. Msafara wa pili katika mzunguko huo huo pia ulionekana kusimamisha urefu mmoja wa msafara nyuma. Hii inaonyesha kuwa mfano huo una uwezo wa kutoa tabia ya kawaida sio tu kwa kiwango cha magari moja, bali pia kwa kiwango cha misafara inayofuatana.

Katika uchambuzi wa umbali, umbali wa wastani kati ya mfuasi wa kiongozi-kwanza ulipatikana kuwa 3,73 ± 0,48 m, na umbali wa wastani kati ya wafuasi wa ndani ulionekana kuwa 2,002 ± 0,020 m. Thamani muhimu zaidi ni umbali wa chini wa mfuasi wa kwanza katika awamu nyekundu: 2,61 m. Kwa kuwa hesabu ya uchambuzi inatabiri 2,611 m, matokeo haya yanaonyesha kuwa muundo umethibitishwa katika kiwango cha microscopic.

Katika usawazishaji wa kasi, tofauti ya kasi kati ya jozi za wafuasi wa ndani ni sifuri katika kiwango cha usahihi wa nambari. Tofauti ya juu zaidi ya kasi ya muda mfupi kati ya kiongozi na mfuasi wa kwanza kwa sababu ya kuchelewa kwa sekunde 0,1 iliripotiwa kama 0,55 m/s. Uwiano wa utulivu wa kamba ni 1,00; Hiyo ni, upotoshaji wa kuongeza kasi-kupunguza kasi haukukua wakati wote wa msafara wote. Hii inaonyesha kuwa msafara unasonga kwa uamuzi, sio tu kwa karibu.

Umuhimu wa kazi katika suala la zamani, la sasa na la baadaye

Hapo zamani, udhibiti wa taa za trafiki ulitegemea sana mipango ya wakati uliowekwa, sheria za sensorer za ndani, au uboreshaji kulingana na idadi ya magari tu. Baadaye, mifano ya ujifunzaji wa kuimarisha ilianza kutumika kwa udhibiti wa makutano; hata hivyo, mifano mingi ilidhani mazingira ya gari inayoendeshwa na binadamu au ilijumuisha misafara ya gari ya kiotomatiki katika shida ya udhibiti kwa njia ndogo.

Kwa upande wa leo, utafiti huu unaonyesha kuwa udhibiti wa makutano umeingia katika hatua mpya. Kuanzia sasa, makutano yanaweza kushughulikia sio tu swali la "kuna magari zaidi katika mwelekeo gani?", lakini pia maswali ya "katika mwelekeo gani kuna msafara unaokaribia wa magari ya moja kwa moja, kusubiri na uzalishaji utaathiriwa vipi ikiwa msafara huu umegawanywa, kuna foleni katika mwelekeo unaokinzana, je, kipaumbele cha kijani kinaweza kutolewa?"

Kwa upande wa siku zijazo, mifano kama vile MOPADRL inaweza kuchangia udhibiti wa ishara ya mijini iliyoratibiwa zaidi ikiwa magari yaliyounganishwa na ya kiotomatiki yataenea. Utafiti umeonyesha kuwa uratibu V2X unaweza kutoa faida kubwa katika makutano yenye shughuli nyingi na upakiaji wa ulinganifu, haswa chini ya mahitaji makubwa. Walakini, kwa matumizi halisi, maswala kama trafiki mchanganyiko, viwango tofauti vya kupenya kwa gari la kiotomatiki, ucheleweshaji wa mawasiliano, upotezaji wa pakiti, korido nyingi za makutano na jiometri tofauti za makutano zinahitaji kuchunguzwa kando.

Ni nini kinachoweza kuwa na athari kwa maisha ya kila siku?

Wakati utafiti huu unatafsiriwa moja kwa moja katika maisha ya kila siku, inaonyesha kuwa katika siku zijazo, taa za trafiki haziwezi tu kuwa mifumo ya passiv ambayo inahesabu sekunde, lakini pia mifumo ya udhibiti inayoelewa na kuwasiliana na vikundi vya magari vinavyokaribia. Katika mfumo kama huo, magari yanaweza kukaribia makutano katika msafara, taa ya trafiki inaweza kugundua msafara huu, kutoa kipaumbele cha kijani chini ya hali zinazofaa, na kupitisha msafara bila kukatiza.

Hii inaweza kumaanisha kusubiri kwa muda mfupi kwa madereva, foleni za chini kwa miji, uzalishaji mdogo wa CO2 kwa mazingira, na migogoro michache ya ufuatiliaji wa usalama. Hata hivyo, faida hizi zilipatikana katika mazingira ya kuiga ya utafiti na chini ya dhana ya gari linalosaidiwa kikamilifu V2X. Katika maisha halisi, kuna mambo magumu zaidi, kama vile magari yenye madereva wa kibinadamu, watembea kwa miguu, waendesha baiskeli, vituo vya mabasi, magari ya dharura, usumbufu wa mawasiliano, na utofauti wa tabia ya kuendesha gari.

Nguvu za utafiti

Moja ya nguvu za utafiti ni kwamba haiachi ufahamu wa msafara tu katika kiwango cha dhana. Habari ya msafara iliongezwa kwa vector ya hali, msafara cha msafara kiliadhibiwa wazi katika kazi ya malipo, na misafara V2I inayokaribia na utaratibu wa Ombi la Msafara ilipewa kipaumbele cha masharti.

Nguvu ya pili ni uthibitisho wa mfano wa ufuatiliaji wa gari katika kiwango cha microscopic. Utafiti haukuangalia tu wastani wa mfumo; ilichunguza umbali wa gari, kasi, na tabia ya kuongeza kasi ya msafara mmoja. Uthibitishaji wa 2,61 m wa utabiri wa uchambuzi wa 2,611 m katika simulation unaonyesha kuwa muundo wa mfano haukuwa matokeo ya nasibu.

Nguvu ya tatu ni kwamba inalinganisha watawala tofauti na mantiki ya ablation. Shukrani kwa kulinganisha kwa Muda Uliowekwa, Ulioendeshwa, MO-DDQN, MOPADRL-WV2I na MOPADRL, michango ya kujifunza, ufahamu wa msafara, adhabu ya kuvunja msafara na kipaumbele V2I inaweza kufasiriwa kando.

Mapungufu ya utafiti

Utafiti unasema wazi baadhi ya mapungufu mwishoni mwake. Kwanza, majaribio yalifanywa katika makutano ya pekee yenye ishara. Katika trafiki halisi ya jiji, makutano mara nyingi huathiriana kama korido au mitandao. Uamuzi uliofanywa katika makutano moja unaweza kuathiri foleni na muundo wa mawimbi ya kijani ya makutano yanayofuata.

Pili, utafiti unachukua kupenya kwa V2X homogeneous. Kwa maneno mengine, imekubaliwa kuwa magari yote yanatembea katika misafara ya ushirika katika mazingira ya V2X. Katika ulimwengu wa kweli, magari yanayoendeshwa na binadamu, magari yaliyounganishwa na magari ya kiotomatiki kabisa yataishi pamoja kwa muda mrefu. Mazingira haya mchanganyiko ya trafiki yanaweza kubadilisha mafanikio ya mfano.

Tatu, njia V2V ya mawasiliano inachukuliwa kuwa ya kuaminika. Katika utekelezaji halisi, kunaweza kuwa na latency, upotezaji wa pakiti, hitilafu ya sensorer, hitilafu ya nafasi, au maswala ya usalama wa mtandao. Ingawa utafiti ulizingatia ucheleweshaji wa sekunde 0,1 kwa mfuasi wa kiongozi-kwanza, hali ya mawasiliano inayobadilika zaidi na iliyoharibika ni muhimu kwa masomo ya baadaye.

Nne, mfano huo umefunzwa juu ya usambazaji wa mahitaji moja. Katika hali kama vile miji tofauti, tamaduni tofauti za kuendesha gari, jiometri tofauti za makutano, vivuko vya watembea kwa miguu, njia za basi, vipaumbele vya dharura, na trafiki ya baiskeli, mfano unahitaji kujaribiwa tena.

Utafiti unasema nini na hausemi nini?

Utafiti unaonyesha kuwa MOPADRL inatoa utendakazi bora katika mazingira SUMO uigaji kuliko vidhibiti vya ujifunzaji vya muda maalum, hisia, na vipofu chini ya jiometri maalum ya makutano na hali za mahitaji. Pia inaonyesha kuwa muundo wa msafara unaotegemea V2V hupunguza migogoro ya ufuatiliaji wa msafara hadi sifuri na kudumisha utulivu wa msafara chini ya hali iliyosomwa.

Utafiti hausemi kwamba mtindo huu uko tayari kwa matumizi ya moja kwa moja katika miji halisi. Haitoi upimaji halisi wa uwanja. Haitoi chini katika viwango vya kupenya kwa trafiki mchanganyiko. Haisuluhishi udhibiti wa mtandao wa makutano mengi. Haitathmini kabisa uthabiti chini ya kushindwa kwa mawasiliano au upotezaji wa pakiti. Kwa hivyo, matokeo yanapaswa kuonekana kama ushahidi wenye nguvu wa kuiga, lakini haipaswi kufasiriwa kama dhamana ya mafanikio ya uwanja au usalama.

Mbinu ya Utafiti na Matokeo

Muhtasari wa njia

1. Maelezo ya tatizo: Udhibiti wa makutano uliowekwa alama unashughulikiwa pamoja na misafara ya magari ya moja kwa moja inayosaidiwa na V2X.
2. Mfano wa Gari: Magari yanayoendeshwa na binadamu yanaigwa kwa IDM, viongozi wa msafara kwenye CACC, na wafuasi wa msafara kwenye sheria inayopendekezwa ya udhibiti wa wafuasi wa V2V.
3. Sera ya umbali wa msafara: Umbali unaolengwa wa 4 m kwa mfuasi wa kwanza wa kiongozi na 2 m kwa wafuasi wa ndani uliamuliwa na maadili haya yalihesabiwa haki kupitia ucheleweshaji wa mawasiliano.
4. Mfano wa udhibiti wa ishara: Imeanzishwa kama MDP ya kudhibiti makutano na wakala wa MOPADRL wa DDQN amefunzwa.
5. Vekta ya hali: Vekta ya hali ya 20-dimensional ilitolewa kwa shinikizo la ukanda wa 12-dimensional, usimbaji wa awamu ya 4-dimensional, na kizuizi cha sensor ya msafara wa 4-dimensional.
6. Kazi ya malipo: Kupunguza muda wa kusubiri, upunguzaji wa uzalishaji wa CO2 na adhabu ya kuvunja msafara imeunganishwa.
7. V2I utaratibu: Misafara inayokaribia iliweza kutuma maombi ya awamu ya kijani katika hali ya chini ya migogoro.
8. Kuiga: Katika mazingira SUMO, makutano ya njia nne yaliyotengwa yamejaribiwa na hali tofauti za mahitaji na saizi za msafara wa magari 3–7.
9. Kulinganisha: Vidhibiti vya Muda Uliowekwa, Vilivyoendeshwa, MO-DDQN, MOPADRL-WV2I, na MOPADRL vililinganishwa 100 mbegu zisizo na mpangilio.

Fomula kuu na maana yao

Matokeo ya nambari

Mawazo kuu yaliyoonyeshwa na takwimu na picha

Mchoro wa usanifu wa mfumo wa utafiti unaonyesha kuwa MOPADRL sio tu algorithm ya udhibiti wa ishara. Udhibiti wa msafara, kidhibiti V2V mfuasi, ombi V2I msafara, kidhibiti cha ishara cha DDQN, na mazingira SUMO microsimulation yameunganishwa ndani ya mfumo huo huo. Muundo huu unaonyesha kuwa kiwango cha gari na kiwango cha makutano kinadhibitiwa pamoja.

Umbo la jiometri ya makutano linaonyesha kuwa kila njia ina njia tatu za kuingilia kwenye makutano ya njia nne zilizotengwa. Jiometri hii ni muhimu kwa kuelewa kuwa modeli inajaribiwa katika jaribio linalodhibitiwa la makutano moja badala ya mtandao wa jiji.

Grafu za mahitaji zilizosambazwa za Weibull zinaonyesha kuwa wanaowasili kwa gari sio sare, lakini badala yake hupanda na kushuka kwa muda, sawa na trafiki ya saa za kukimbilia. Katika mahitaji ya usawa, maelekezo hupakiwa kwa ulinganifu zaidi, wakati katika mahitaji yasiyo na usawa, korido fulani huwa na shughuli nyingi. Tofauti hii ni muhimu katika kuelezea kwa nini saizi bora ya msafara hubadilika kutoka 7 hadi 6.

Grafu za uboreshaji wa asilimia ya MOPADRL ikilinganishwa na vidhibiti vingine zinaonyesha faida kubwa na thabiti ikilinganishwa na vidhibiti vya muda maalum na vilivyoendeshwa. Tofauti dhidi ya MO-DDQN, ambaye anajifunza lakini ana ufahamu duni wa msafara, inaonekana zaidi katika foleni e na wakati wa kusubiri. Hii inaonyesha kuwa mchango mkuu wa MOPADRL ni kusonga misafara kwa wakati unaofaa na kupunguza kusimamisha na kwenda bila lazima.

Viwanja vya kutawanya kwa kila mbegu vinaonyesha kuwa matokeo MOPADRL yamejumlishwa katika safu nyembamba, za chini za utendaji, sio tu kwa wastani, bali pia katika mbegu tofauti za nasibu. Ukweli kwamba MOPADRL inabaki katika mzozo sifuri katika njama ya TTC inaonyesha wazi athari za usalama za udhibiti wa msafara V2V katika mazingira ya kuiga.

Grafu za trajectory za umbali wa wakati wa microscopic zinaonyesha kuwa msafara unasimama pamoja kwenye nyekundu, husogea pamoja kwenye kijani, na haujagawanywa. Grafu ya umbali inaonyesha kuwa umbali wa mfuasi wa kwanza wa kiongozi ni wa chini kama 2,61 m katika awamu nyekundu, lakini unabaki juu ya msingi wa usalama wa 2 m; wafuatiliaji wa ndani hudumisha umbali unaolengwa 2 m kwa uamuzi sana. Grafu za kusimama-na-kwenda zinaonyesha kuwa wimbi la breki na kuongeza kasi halikui kando ya msafara.

Matokeo ya kiufundi

Mafanikio ya MOPADRL hayatokani na sehemu moja lakini kutoka kwa vifaa vinne vinavyofanya kazi pamoja: udhibiti wa ishara ya ujifunzaji wa msingi wa DDQN, vekta ya hali ya msafara wa msafara, kazi ya malipo inayochanganya kukatika kwa msafara wa kusubiri, na utaratibu V2I kijani kibichi na hali ya chini ya migogoro. Muundo huu umefanya ulinzi wa msafara sio lengo tofauti la anasa, lakini ishara ya kudhibiti ambayo inaboresha moja kwa moja ufanisi wa trafiki na utoaji.

Dokezo la Chanzo na Mbinu

Makala hii imeandaliwa kwa kutegemea utafiti wa Amir Hossein Karbasi na Hao Yang wenye kichwa “MOPADRL: Multi-Objective Platoon-Aware Deep Reinforcement Learning Model for Signalized Intersection Control under V2X Communication”. Waandishi wa utafiti huo wanahusishwa na Chuo Kikuu cha McMaster, Idara ya Uhandisi wa Kiraia.

Ni nakala ya utafiti wa mapema iliyowasilishwa e Elsevier, ambayo imejumuishwa kwenye maandishi ya chanzo SSRN. Imeelezwa wazi katika maandishi “This preprint research paper has not been peer reviewed” Utafiti haukupitiwa na rika. Kwa sababu hii, matokeo hayapaswi kusomwa kama matokeo ambayo hatimaye yanathibitishwa katika fasihi iliyopitiwa na rika, lakini kama matokeo ya kina ya kiufundi ambayo mchakato wa ukaguzi wa rika haujakamilika.

Maudhui haya yametayarishwa kulingana na mfano, fomula, mpangilio wa kuiga, meza, grafu na matokeo yaliyowasilishwa na utafiti. Hakuna madai ya matumizi ya uwanja, mafanikio ya kibiashara, dhamana dhahiri ya usalama katika trafiki halisi ya jiji au kufuata kanuni ambazo hazijajumuishwa katika utafiti zimejumuishwa.

Mbinu ya utafiti inategemea uigaji SUMO wa trafiki wa microscopic, ujifunzaji wa kina wa uimarishaji wa DDQN, udhibiti wa msafara wa CACC unaotegemea V2V, na utaratibu V2I masharti wa Ombi la Platoon. Majaribio hayo yalifanywa katika makutano ya pekee ya njia nne zilizoashiria, na hali tofauti za mahitaji na saizi za msafara wa magari 3–7.

Utafiti una mapungufu makubwa. Uchambuzi ni mdogo kwa makutano moja yaliyotengwa; ukanda wa makutano mengi au uratibu wa kiwango cha mtandao haukuchunguzwa. V2X kupenya kulizingatiwa kuwa sawa; trafiki ya gari iliyochanganywa inayoendeshwa na binadamu na otomatiki haikuchambuliwa kwa undani. V2V mawasiliano yalidhaniwa kuwa ya kuaminika; upotezaji wa pakiti, latency tofauti, na makosa ya mawasiliano hayakujaribiwa sana. Mfano huo ulifunzwa juu ya usambazaji mmoja wa mahitaji. Kwa hivyo, matokeo yanapaswa kuungwa mkono na masomo ya baadaye, mitandao tofauti ya trafiki, na hali halisi ya trafiki mchanganyiko.