Detailergebnis zu DOK-Nr. 59824
Automatische adaptive Steuerung von Verkehrskorridoren unter Verwendung von verstärktem Lernen: Methode und Fallstudien (Orig. engl.: Automated adaptive traffic corridor control using reinforcement learning)
| Autoren |
B. Abdulhai C. Jacob |
|---|---|
| Sachgebiete |
6.7 Verkehrslenkung, Verkehrssteuerung, Telekommunikation |
Washington, D.C.: Transportation Research Board (TRB), 2006 (Transportation Research Record (TRB) H. 1959) S. 1-8, 4 B, 4 T, 12 Q
Die Autoren weisen zunächst darauf hin, dass die Wirksamkeit der wichtigsten Steuerungsmöglichkeiten für Autobahnkorridore, nämlich Rampenzuflusskontrolle und dynamische Verkehrsverteilung mit Wechselverkehrszeichen, gesteigert wird, wenn sie koordiniert zur Anwendung kommen. Häufig sind jedoch die Zuständigkeiten für die Autobahnen und das benachbarte Hauptverkehrsstraßennetz verschieden, verbunden mit mangelhaftem Informationsaustausch und schlechter Koordination. Der Beitrag berichtet über eine Forschungsarbeit zur Entwicklung einer selbstlernenden adaptiven integrierten Steuerung für einen Korridor (Autobahn und benachbartes HVS-Netz) bei fließendem und gestörtem Verkehr. Der Beitrag erläutert zunächst das "verstärkte Lernen" (reinforcement learning), eine Methode der künstlichen Intelligenz für das Lernen von Maschinen, sowie ein Simulationsmodell zum "Trainieren" des Steuerungsagenten im offline-Modus. Anschließend werden die Simulationsergebnisse an einem realen Korridor in Toronto für verschieden komplexe Konstellationen (eine oder mehrere Rampen und Wechselverkehrszeichen) vorgestellt.