基于强化学习的间歇式公交专用道协调控制方法

在公共交通中,公交专用道作为重要的交通设施,能够在保证高速、高效、高质量的同时,减少城市交通拥堵,提高公共交通的服务质量和运营效率。本文针对间歇式公交专用道与下游信号交叉口的信号控制协调优化需求,提出了涵盖公交专用道Agent、公交车Agent和交通信号灯Agent的多类型多智能体（Multi-Type Multi-Agent）混合控制模型,并采用Q学习和SARSA两种强化学习方法对传统间歇式公交专用道、移动间歇式公交专用道两种控制场景进行了参数设计,提出了TLS-IBL-QL、TLS-IBL-SARSA、TLS-MBL-QL和TLS-MBL-SARSA优化模型。实验结果表明,TLS-IBL-SARSA算法的性能优于TLS-IBL-QL算法,TLS-MBL-QL的性能优于TLS-MBL-SARSA算法,两类控制算法均明显优于传统的TLS-DBL公交专用道控制。