53、基于人工智能的最优交通控制：技术与应用

基于人工智能的最优交通控制：技术与应用

1. 交通现状与智能解决方案需求

如今，全球范围内交通流量急剧增加，导致事故增多、道路拥堵和交通堵塞，进而引发更多类型的排放。因此，迫切需要智能出行解决方案，以确保交通的效率、安全和可持续性。

智能车辆若不仅追求自身目标（如最短行驶时间），还能在特定交通状况下（如因低效人类驾驶行为导致的走走停停和拥堵）提高并稳定所有车辆的交通流量，将有助于解决这些问题。若能直接影响其他车辆的驾驶行为，智能车辆控制可平衡这些低效情况。而设计这样的智能控制器是关键所在。

自上世纪以来，人们就开始研究描述交通动态和人类驾驶行为的模型。如今，车辆技术和移动基础设施能够收集和传输大量综合数据，特别是随着 5G 等通信技术的出现和成熟。这些数据可被复杂的驾驶辅助系统或（半）自动驾驶车辆利用，智能交通控制系统也可借助这些数据实现道路使用者与基础设施之间的通信与协作。为开发和实施此类解决方案，我们需要智能方法来控制交通流量，这些方法应考虑已有的建模和可用数据，以不断改进交通控制。

2. 两种最优交通控制方法

为了实现最优交通控制，我们将介绍两种不同的方法，分别适用于不同的交通场景：
- 基于无模型强化学习（RL）的复杂环岛交通灯最优控制 ：该方法主要依赖实时交通数据，是一种纯数据驱动的方法。
- 结合基于模型和数据驱动的混合控制方法 ：用于环形道路上控制单辆车以稳定交通流量，使用机器学习近似模型预测控制器。

3. 基于强化学习的交通灯控制

强化学习是人工智能和机器学习工具箱中的一种数据驱动控