基于时序关联规则挖掘的交通拥堵预测研究

交通拥堵造成的时间延误和能源浪费给社会带来了巨额的经济损失并严重影响了居民的生活环境,是当前亟需解决的重要问题。现有的交通拥堵预测方法并没有考虑到交通流量的时序性,因而不能很好地适应复杂的交通情况。针对这一背景,提出了一种基于遗传算法的时序关联规则挖掘的方法,并通过对挖掘出的时序关联规则进行分类来预测交通拥堵。实验结果表明,本方法能够准确有效地对交通拥堵事件进行预测,能够很好地适用于复杂的交通拥堵状况。

基于强化学习的交通灯控制与车辆诱导算法

城市交通控制的核心是由交通灯控制系统和车辆诱导系统两部分组成,实现在空间上对交通流进行分流和在时间上对交通灯进行动态配时。文章设计基于Q学习的交通灯控制算法和基于Sarsa学习的车辆诱导算法,从对系统整体性能的角度出发利用协同控制策略,更好地解决城市道路交通拥堵问题。