基于CAS-FQL算法的区域交通控制

李文，刘智勇,2

基于CAS-FQL算法的区域交通控制

李文1，刘智勇1,2

（1. 五邑大学 信息工程学院，广东 江门 529020；2. 江门职业技术学院，广东 江门 529000）

针对Q-学习算法收敛慢、易陷入局部最优的缺陷，提出了一种基于灾变模糊Q-学习(CAS-FQL)算法的区域交通协调控制方法，即将灾变策略引入到模糊Q-学习算法的学习过程中，以提高和改进Q-学习的寻优能力和学习效率. 具体是，利用CAS-FQL算法分别优化路网中各交叉口的周期和相位差，绿信比则采用常规方法优化. TSIS软件交通仿真的结果表明，相比基于Q-学习的控制方法，CAS-FQL算法能显著加快算法的收敛速度、提高交通效率.

区域交通控制；CAS-FQL；灾变策略；Q-学习；模糊控制

近年来，通过各国研究者对城市交通运输系统管理方法和控制技术的不断研究与探索，相继研发了绿信比、周期、相位差优化技术系统（SCOOTS）、悉尼自适应交通控制系统（SCATS）等经典的交通控制系统[1]，以减轻城市交通拥堵. 但由于城市交通系统具有典型的非线性、动态时变性和不确定性，难以构造出与之匹配的精确的数学模型，导致经典交通控制系统达不到理想的控制效果. 随着智能控制理论研究的不断深入，基于人工智能的交通控制方法越来越受到人们的关注. 目前，采用强化学习理论研究交通信号的协调控制是一个研究热点，其中Q-学习是一种被广泛应用的强化学习算法. 它的优势不仅在于不需要建立交通路网的数学模型，而且能实现对非线性复杂系统进行有效学……