安全驱动的城市交叉口自适应信号控制方法

为提升城市交叉口的交通安全，提出1种安全驱动的自适应交通信号控制方法，以交通安全提升为主，同时优化通行效率和尾气排放。基于多目标深度强化学习，构建信号控制算法框架和双重决斗深度Q网络模型，使用离散交通状态编码定义当前交通状态，利用卷积神经网络提取状态特征。针对不同奖励函数量纲无法统一的问题，设计综合奖励函数。基于长沙市交叉口场景和交通流数据，在SUMO搭建实验环境。研究结果表明：在单交叉口真实流量和模拟流量场景下，与现有交通信号控制相比，所提方法在交通冲突频率、车辆行车延误、CO₂排放等指标上都表现出更好的性能。研究结果可为城市交叉口安全优化提供参考。