基于模糊Q学习的分布式自适应交通信号控制

针对当前城市区域交通状况复杂,难以用传统数学模型对其进行精确描述的特点,提出了一种基于模糊Q学习的分布式交通协调控制模型。该模型将每一个路口的交通控制系统看作一个独立的路口Agent,每一个路口Agent根据预测的当前相位和下一相位的交通流信息以及下游路段的交通流信息采用模糊Q学习算法决策出当前相位的绿灯时间,最后利用VISSIM4.2交通仿真平台进行了简单网络仿真实验,验证了该算法的可行性。仿真结果表明,该模型运用于交通控制中相比于定时控制能有效提高路网控制效率。