王庞伟 冯 月 邓 辉 汪云峰 王 力

（北方工业大学城市道路交通智能控制技术北京市重点实验室 北京100144）

0 引 言

随着汽车保有量的逐年增加，人民生活水平逐渐提高，同时带来的交通拥堵、能源消耗、环境污染和交通事故等问题日益突出，不仅影响人们的出行效率和生命安全，而且导致巨额的财力和物力损失。近年来，随着互联网、信息通信和环境感知等相关技术的快速发展，车联网技术成为解决交通问题的新方案。王庞伟等[1]提出1 种利用车路信息融合的实时交通状态评价方法，用实时交通状态评价得分表示交通状态变化趋势，运用信息融合方法提高了交通状态评价结果的实时性与客观性，同时为车路协同技术应用于实时交通诱导，缓解城市交通拥堵提供了理论依据。赵盼明等[2]研究了基于模糊控制的信号协调优化方案，通过一级和二级模糊控制器分别对区域交叉口群信号进行协调控制，达到减少区域最大排队长度和平均行车延误的目的。随着深度学习的出现，交通信号控制系统通过车联网获取路况信息，同时通过深度强化学习网络[3-4]（deep q-learning network，DQN）无模型数据驱动的方法控制交叉口，使车辆快速通过交叉口，缓解城市道路拥堵，提高道路通行能力。

目前国内外学者已在该研究领域积累了显著科研成果。曹建峰[5]提出了分段优化的数解法智能交通绿波带算法，在控制连续交叉口中取得较好效果，但在一定程度上不能适应多变的交通流特征。……