为提升高速公路通行效率,优化网联自动驾驶车辆(connected and autonomous vehicle,CAV)专用道设置条件下的交织区时空资源配置,以保证CAV高效安全汇入主线专用道,提出了一种基于深度强化学习的交织区集成控制策略。以主线三车道高速公...为提升高速公路通行效率,优化网联自动驾驶车辆(connected and autonomous vehicle,CAV)专用道设置条件下的交织区时空资源配置,以保证CAV高效安全汇入主线专用道,提出了一种基于深度强化学习的交织区集成控制策略。以主线三车道高速公路为研究对象,并设置内侧车道为CAV专用道,设计了充分考虑CAV专用道汇入需求同时兼顾主线通行效率和匝道排队长度的多目标奖励函数,利用深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法实现包括入口匝道信号控制、主线车道级可变限速以及CAV车队间隙调整的集成控制策略,最后使用SUMO和Python搭建高速公路交织区仿真场景,验证所提集成控制策略的有效性。研究结果表明:CAV渗透率为30%时,在低、中、高不同水平交通需求场景下,对比无控制情况集成控制策略可使CAV汇入专用道的纵向位置有所提前,CAV汇入专用道成功率分别增加了19.34%、22.86%、25.55%;此外,车辆平均行程时间也分别降低了5.42%、17.41%、20.65%。所提出的交织区集成控制策略效果显著,不仅实现了CAV汇入专用道的有效引导,还提升了主线的通行效率及运行安全,为改善CAV专用道设置条件下高速公路交织区交通运行状况提供了理论依据和技术参考。展开更多
