Autonomous Vehicle Platoons In Urban Road Networks:A Joint Distributed Reinforcement Learning and Model Predictive Control Approach

In this paper, platoons of autonomous vehicles operating in urban road networks are considered. From a methodological point of view, the problem of interest consists of formally characterizing vehicle state trajectory tubes by means of routing decisions complying with traffic congestion criteria. To this end, a novel distributed control architecture is conceived by taking advantage of two methodologies: deep reinforcement learning and model predictive control. On one hand, the routing decisions are obtained by using a distributed reinforcement learning algorithm that exploits available traffic data at each road junction. On the other hand, a bank of model predictive controllers is in charge of computing the more adequate control action for each involved vehicle. Such tasks are here combined into a single framework:the deep reinforcement learning output(action) is translated into a set-point to be tracked by the model predictive controller;conversely, the current vehicle position, resulting from the application of the control move, is exploited by the deep reinforcement learning unit for improving its reliability. The main novelty of the proposed solution lies in its hybrid nature: on one hand it fully exploits deep reinforcement learning capabilities for decisionmaking purposes;on the other hand, time-varying hard constraints are always satisfied during the dynamical platoon evolution imposed by the computed routing decisions. To efficiently evaluate the performance of the proposed control architecture, a co-design procedure, involving the SUMO and MATLAB platforms, is implemented so that complex operating environments can be used, and the information coming from road maps(links,junctions, obstacles, semaphores, etc.) and vehicle state trajectories can be shared and exchanged. Finally by considering as operating scenario a real entire city block and a platoon of eleven vehicles described by double-integrator models, several simulations have been performed with the aim to put in light the main f eatures of the proposed approach. Moreover, it is important to underline that in different operating scenarios the proposed reinforcement learning scheme is capable of significantly reducing traffic congestion phenomena when compared with well-reputed competitors.

Design of Aided Decision-Making Program for Prioritizing Construction Projects in Urban Road Network Planning

The importance and complexity of prioritizing construction projects (PCP) in urban road network planning lead to the necessity to develop an aided decision making program (ADMP). Cost benefit ratio model and stage rolled method are chosen as the theoretical foundations of the program, and then benefit model is improved to accord with the actuality of urban traffic in China. Consequently, program flows, module functions and data structures are designed, and particularly an original data structure of road ...

Integrated reliability of travel time and capacity of urban road network under ice and snowfall conditions

In order to evaluate and integrate travel time reliability and capacity reliability of a road network subjected to ice and snowfall conditions,the conceptions of travel time reliability and capacity reliability were defined under special conditions.The link travel time model(ice and snowfall based-bureau public road,ISB-BPR) and the path choice decision model(elastic demand user equilibrium,EDUE) were proposed.The integrated reliability was defined and the model was set up.Monte Carlo simulation was used to calculate the model and a numerical example was provided to demonstrate the application of the model and efficiency of the solution algorithm.The results show that the intensity of ice and snowfall,the traffic demand and supply,and the requirements for level of service(LOS) have great influence on the reliability of a road network.For example,the reliability drops from 65% to 5% when the traffic demand increases by 30%.The comprehensive performance index may be used for network planning,design and maintenance.

Traffic Signals Control with Adaptive Fuzzy Controller in Urban Road Network

An adaptive fuzzy logic controller (AFC) is presented for the signal control of the urban traffic network. The AFC is composed of the signal control system-oriented control level and the signal controller-oriented fuzzy rules regulation level. The control level decides the signal timings in an intersection with a fuzzy logic controller. The regulation level optimizes the fuzzy rules by the Adaptive Rule Module in AFC according to both the system performance index in current control period and the traffic flows in the last one. Consequently the system performances are improved. A weight coefficient controller (WCC) is also developed to describe the interactions of traffic flow among the adjacent intersections. So the AFC combined with the WCC can be applied in a road network for signal timings. Simulations of the AFC on a real traffic scenario have been conducted. Simulation results indicate that the adaptive controller for traffic control shows better performance than the actuated one.

Bi-objective optimization models for mitigating traffic congestion in urban road networks

Traffic congestion in road transportation networks is a persistent problem in major metropolitan cities around the world.In this context,this paper deals with exploiting underutilized road capacities in a network to lower the congestion on overutilized links while simultaneously satisfying the system optimal flow assignment for sustainable transportation.Four congestion mitigation strategies are identified based on deviation and relative deviation of link volume from the corresponding capacity.Consequently,four biobjective mathematical programming optimal flow distribution(OFD)models are proposed.The case study results demonstrate that all the proposed models improve system performance and reduce congestion on high volume links by shifting flows to low volumeto-capacity links compared to UE and SO models.Among the models,the system optimality with minimal sum and maximum absolute relative-deviation models(SO-SAR and SO-MAR)showed superior results for different performance measures.The SO-SAR model yielded 50%and 30%fewer links at higher link utilization factors than UE and SO models,respectively.Also,it showed more than 25%improvement in path travel times compared to UE travel time for about 100 paths and resulted in the least network congestion index of1.04 compared to the other OFD and UE models.Conversely,the SO-MAR model yielded the least total distance and total system travel time,resulting in lower fuel consumption and emissions,thus contributing to sustainability.The proposed models contribute towards efficient transportation infrastructure management and will be of interest to transportation planners and traffic managers.

城市水灾下交通路网基础设施(群)韧性研究综述

从韧性研究角度出发,结合水动力模型与交通流理论,对城市水灾下交通路网基础设施(群)分析理论、运行机制、模型构建、安全管控、恢复提升等进行分析与阐述.首先,运用文献计量法,分析水灾下路网韧性研究概况与发展历程,明晰城市水灾下路网分析方向热点与演进历程;其次,从城市水淹计算与水灾交通路网2个角度,系统梳理城市雨洪场景与设施交互的计算理论;进而,分别从交通路网基础设施与城市水灾之间的相互影响、地上立交枢纽与地下交通设施水灾分析以及水灾下城市交通路网韧性分析与度量出发,阐述城市水灾与交通路网基础设施交互机制;然后,从灾前预防、灾中调度以及灾后恢复3个阶段,说明城市路网水灾处置与性能恢复策略.最后,归纳既有研究面临的主要问题与挑战,并从基于信息物理融合的智能调度、计入垂向尺度的交通设施抗水分析、面向实际场景的高精度恢复模型等方面,对极端气候下城市交通路网基础设施(群)韧性研究未来方向进行研判.

改进K-shell算法的城市道路网关键交叉口识别

交叉口重要性不仅与自身属性相关,还受相邻路段属性的影响,针对城市道路网中关键交叉口识别方法准确率不足的问题,提出一种考虑城市道路网特性的改进K-shell算法。即在传统K-shell算法基础上,综合考虑交叉口及其相邻路段的结构特性与交通特性,提出交叉口重要度的概念,利用CRITIC法确定交叉口重要度中相关指标的权重系数,对城市道路网中的交叉口进行重要性排序。以哈尔滨市二环内道路网为例,构建级联失效模型,分析随着失效交叉口比例的增加,不同排序方法下的网络效率、网络最大连通子图比率、故障节点比率的波动情况,结果表明,改进K-shell算法能够更加有效地识别城市道路网关键交叉口。

暴雨内涝下城市路网抗涝韧性评估

极端降雨给城市路网的正常运行带来了极大挑战,为了评估在应对极端降雨时路网的抗涝韧性,本文采用场景模拟方法分析暴雨内涝灾害对路网的影响;以道路水深是否超过水深阈值为标准,判断道路的连通性,构建以节点强度和不同水深下道路速度的衰减函数为计算指标的综合评价框架;基于降雨—积水过程下道路系统的性能变化曲线和4R特征理论,分析4种暴雨重现期下路网的抗涝韧性;提出通过改造易涝交通枢纽提高路网抗涝韧性的提升策略。结果表明:降雨对路网服务性能的影响要大于对路网结构性能的影响,路网的抗涝韧性随着降雨重现期的增大而减小,道路的淹没程度与道路等级和降雨强度两个方面有关;易涝交通枢纽对路网抗涝韧性有较大影响,降雨重现期越小,影响越大。在实施提升策略后,可以显著提升路网的鲁棒性和快速性,增强路网的抗涝韧性。

基于ICAE算法的城市群高速公路网布局优化研究

为提升城市群高速公路网通达程度和可达性水平,建立了体现城市群特征的优化模型,并改进了帝国竞争算法,以哈长城市群为案例,探究布局优化效果。采用高速公路出行时间确定城市群可达性等级,通过考虑可达性、距离等参数建立优化模型;引入进化算子改进算法,构建进化帝国竞争算法;根据哈长城市群特征确定约束条件并求解,利用求解节点和周边道路网确定优化方案。研究表明:改进的算法收敛精度提高16.4%,时间缩短42.4%,共求解出6个节点,规划新建高速公路6条,改建高速公路14条,优化后的城市群高速公路2 h交通圈覆盖范围达到65.3%,14个县域交通圈等级上升,优化方案扩大了城市群2 h交通圈范围。

基于轻量级Transformer的城市路网提取方法

针对现有方法存在道路区域提取不精准和实时性不足的限制,提出基于轻量级Transformer的路网提取方法RoadViT.利用卷积神经网络与Transformer混合的MobileViT架构进行编码特征,有效地提取高级上下文信息.提出金字塔解码器实现多尺度特征的提取和融合,生成像素类别的概率分布.结合Mosaic与多尺度缩放和随机裁剪策略实现数据增强,构建精细多样的遥感图像.针对城市遥感图像中道路类别和背景类别的不平衡问题,提出动态加权损失函数.实验结果表明,RoadViT的参数量仅为1.25×10^(6),在Jetson TX2上的推理速度可达10帧/s,在CHN6-CUG数据集上的精度可达57.0%.所提方法是轻量级Transformer在城市遥感图像中的有效探索,在保证推理实时性的同时,实现道路提取精度的提升.

占道施工影响下区域路网容量计算与关键路段识别方法

为研究占道施工事件对区域路网络容量的影响,基于双层规划理论,构建了考虑路段通行能力约束的区域路网络容量计算模型,并设计了求解算法。通过VISSIM仿真软件,确定了施工区段通行能力基准值,对实际通行能力与各影响因素之间的定量关系进行分析,给出了占道施工条件下实际通行能力计算方法。结合交通流分配结果、边介值、蓄意破坏前后路网效率变化率给出了占道施工期区域关键路段识别方法。最后以哈尔滨市阿城区的路网为案例,通过手机信令数据获取得到出行需求分布,计算占道施工前后的路网容量,并对占道施工期阿城区路网进行了重要度排序。研究表明:初始条件下区域路网络容量为38 445 pcu/h,施工时为36 865 pcu/h,路网络容量值减少了4.1%。

一种降低城区网格道路5G重叠覆盖率的新方法

目前,城区网格道路场景5G网络进入了精细化运维的新阶段,其主要矛盾也由整体覆盖不足转变为部分路段重叠覆盖严重。5G重叠覆盖会对用户的上网和语音等基本业务造成较大的影响。传统道路重叠覆盖优化存在标准不统一、问题常反复、工作效率低等痛点问题。提出了重叠覆盖贡献度的概念,基于专家经验制定了重叠覆盖根因定位分析流程算法,并开发了重叠覆盖问题优化IT平台。实践证明,该方法能有效降低城区网格道路的5G重叠覆盖率,帮助企业节省网络优化费用,真正实现降本增效。

基于城市雨洪模型的长治市某城区应急救援路径规划研究

在洪水应急管理中,合理设计救援路线,有助于提高救援效率,减少灾害损失。在建立的内涝灾害救援路径规划框架中,采用高效高分辨率雨洪模型,模拟区域的内涝过程,基于内涝结果,采用原始法重构路网拓扑结构。考虑道路风险及水深对车速的影响,构建以时间为指标的路段权重矩阵,采用Floyd算法推求最短路径。另构建了以路径长度为指标的权重矩阵,作为对照。以长治市某城区为例,设置5种情景条件(无降雨、50 a、100 a、200 a、500 a),比较不同情景下的救援路线。结果表明:分别以通行时间、路径距离为指标构建路网权重进行计算,其结果有明显变化。500 a降雨条件下,以通行时间为指标构建的路网权重得到的规划路线,在通行距离上增加了12.43%,而在行驶时间上少了14.07%。

Road2vec:一种基于出租车轨迹数据的城市道路可视分析方法

发掘轨迹数据的时空连续性对分析路网结构和人类移动模式的非常重要,基于出租车GPS数据,提出一种城市道路的可视分析方法——road2vec.首先利用词嵌入技术将轨迹数据视为文本进行建模,得到道路的向量表示形式;然后计算得到道路向量在向量空间中的位置关系,并用这种位置关系来表示道路向量之间的相似性;最后根据相似性来探索道路在轨迹中的位置信息和连接关系.文中还设计了一套可视分析系统,以支持用road2vec方法探索城市道路相关信息.基于温州市出租车GPS数据的案例分析表明,该方法可以有效地反映人群在城市路网中的移动模式.

时空角度下极端天气的可达性指标比较

为了确定不同可达性指标在极端天气下的性能,基于Hansen可达性指标,结合飓风“桑迪”期间纽约市曼哈顿区的出租车行程数据,从吸引系数和阻抗函数角度比较5类可达性指标,从时间和空间维度分析曼哈顿区的灾前、灾中、灾后可达性.比较结果表明,需求吸引系数体现灾害对出行距离的影响,比人口吸引系数更适合描述灾害场景的出租车流量变化特征;3类阻抗函数可达性的皮尔逊相关系数绝对值均大于0.8,但可达性的变化幅度不同;相较于累积机会型阻抗函数,使用重力型或混合型阻抗函数评估的灾害下可达性水平更符合现实情况.实验结果显示,使用需求吸引系数和重力型阻抗函数分析可达性能够体现灾害不同阶段的出租车流量和行程时间变化特征,极端天气对城市路网的影响存在显著时空异质性.确定可达性指标的适用条件有助于评估灾害下的路网性能和指导灾后重建工作.

基于多图时空图卷积模型的城市交通流长时预测

交通流预测是智能交通系统中的重要组成部分,准确、及时和有效的预测信息对于城市道路的交通控制、诱导具有重要意义。然而,由于城市路网交通流时刻受到用地性质、天气变化等多种外部因素的影响,其预测面临着巨大挑战。为了有效预测城市路网交通流而提出了一种融合多源数据的多图时空图卷积模型。将影响城市路网交通流的外部因素分为静态和动态两类,并提供了一种明确和有结构的分类依据来理解影响交通流的各种外部因素。再将静态因素编码为多图,具体为距离矩阵、功能相似性矩阵和连通性矩阵,使用多图组成三通道输入时空相关性建模模块。该模块使用图卷积网络对交通流的空间相关性进行建模,学习节点特征和邻接信息;使用门控循环单元对交通流的时间相关性进行建模,捕捉交通流数据的动态变化和周期性规律。最后,使用融合层将多通道输出与动态因素进行融合作为最后预测输出。为了验证模型的有效性,使用SZ-TAXI数据集,与7种基准预测模型进行对比试验,结果表明,融合了多源外部因素的多图时空图卷积模型在评价指标MAE和RMSE上都比基准模型预测值更具准确性。并设计消融试验分析,处理静态因素的多图方法以及融合动态因素的方法均有效提高了城市路网交通流长时预测性能。

数据驱动道路绿化:基于街景的多维品质评估

旨在通过人本视角和品质提升来改善城市设计和政策中的道路绿化品质。选取苏州主城区48个街道,采用道路平均NDVI、PGVI及日常活动网络可达性3个指标进行城市道路绿化品质的多维度评估,并筛选具有高网络可达性且低绿量的道路。进一步对3类低绿化品质道路进行绿化布局与设计成因分析。结果表明,通过提高道路邻近绿量和通透性、增加人行道和车道的绿化面积、转换视角创造立体绿化空间等措施,可以有效提高城市道路绿化品质。研究成果可为城市绿化规划设计提供有益参考。

路网形态与城市活力的多尺度空间关系研究——以广州市中心城区为例

城市活力作为刻画城市社会经济发展的重要指标,其影响因素被持续关注。路网作为人与人联系的桥梁一直影响着城市活力,而路网形态对城市活力影响的空间异质性问题却鲜有研究。本文依据地理空间大数据,采用多空间尺度下的接近度和穿行度来量化表征路网形态,组合其他相关建成环境变量,构建多尺度地理加权回归(MGWR)模型,探究路网形态与广州市中心城区城市活力的多尺度空间关系。结果表明:①城市活力与路网形态的空间分布具有较强的相关关系。②相较于传统最小二乘(OLS)模型和地理加权回归(GWR)模型,MGWR模型可以充分表达解释变量对于因变量的空间异质性差异,且在不同空间尺度下回归结果更为稳健。③接近度在不同空间尺度均具有强空间异质性,且对城市活力具有正向影响,随空间尺度增加,接近度对城市活力的正向影响增强,在空间分布上接近度对商圈附近路网依赖性强的区域的城市活力正向影响更强;穿行度在不同空间尺度均有弱空间异质性,随空间尺度增加,接近度对城市活力的负向影响减弱,在空间分布上穿行度对商圈区域城市活力的负向影响更强。④不同空间尺度路网形态变量的差异可以改变其他建成环境变量对城市活力的影响。

一种面向地图认知的城市道路知识图谱构建方法

城市道路网是由城市内各种道路组成的相互联络、交织成网状,且为城市提供空间通道的道路系统。随着我国经济及3S技术的发展,城市道路里程呈几何式增长,“数据爆炸,知识匮乏”的情况愈加突出。知识图谱作为一种使用语义网将概念、实体及两者进行形式化表达的一种知识系统,可实现“数据-知识”的转化。但目前地理领域内的知识图谱普遍存在缺失空间关系描述的问题,因此将知识图谱和地理数据的空间特征相结合,构建成基于城市道路数据的知识图谱。文中介绍地理知识图谱的概念、内涵及现状,分析城市道路知识图谱中空间关系的重要性,讨论构建道路知识图谱的关键技术,最后阐述该知识图谱的应用方向。本研究在地理信息领域有一定的通用性,可为推动的地理知识服务智能化的发展提供理论支撑。

考虑韧性和调度费用的城市路网修复策略

城市道路交通网络作为城市运行的重要基础设施,在交通系统中发挥着不可替代的作用。然而,随着全球极端天气频繁发生,城市道路交通网络往往最先受到影响,如暴雨引发的严重内涝、洪水、地震等自然灾害能够广泛地对城市内部道路交通系统施加严重的破坏,从而严重地影响城市内部正常运转,造成大量经济损失、负面社会影响等。本文以非常规事件下的城市道路交通网络为对象,针对事件后恢复阶段的路网构建韧性评估框架,综合考虑维修调度成本、路段重要度,以及路网修复过程中用户的出行行为,建立了非常规事件下路网最优修复策略双层规划模型,并设计了基于修复重要度的大邻域搜索启发式算法求解模型。最后运用SiouxFalls道路网络验证本文所提方法的可行性与有效性,通过分析各维修方案在不同资源环境下的路网性能和路段流量变化,得出在确定资源环境下的最优维修方案。结果表明,在一定数量的维修队约束下,该模型得到的路网修复策略能最大限度地提升路网韧性,在修复过程中路网性能呈阶梯式上升。调度费用权重系数影响修复策略的制定,维修队数量为3,调度费用权重系数取值为0.50时,路网的恢复效果最好,韧性最高。本文所提出的方法不仅为实际修复方案制定提供理论支撑,还为管理者在非常规事件下的决策提供建议。