Onderzoekers van de University of Technology Sydney en DATA61 hebben onlangs een nieuwe methode ontwikkeld om de timing van signalen in stedelijke omgevingen onder zware verkeersomstandigheden te optimaliseren. Hun aanpak, gepresenteerd in een paper dat vooraf is gepubliceerd op arXiv, het gebruik van genetische algoritmen (GA's), een populaire informaticatechniek voor het oplossen van optimalisatieproblemen.

"Het idee van dit onderzoekswerk kwam van verschillende ritten met mijn auto in de stad Sydney, die vaak wordt getroffen door verkeersincidenten, veroorzaakt veel vertraging en verhoogde verkeersopstoppingen, "Toe Mao, een van de onderzoekers die het onderzoek heeft uitgevoerd, vertelde TechXplore. "Hierdoor vroeg ik me af:hoe kunnen we dit probleem oplossen met behulp van geavanceerde computerwetenschappelijke technieken?"

Verkeerscontrolesignalen zijn de meest voorkomende instrumenten om het wegverkeer in dichtbevolkte stedelijke omgevingen te controleren en te beheren. De instellingen van een verkeerslicht, ook bekend als signaalcontroleplan, kan het wegverkeer aanzienlijk beïnvloeden, vooral als er zich voor het eerst storingen voordoen.

Tot dusver, de meeste voorgestelde oplossingen voor optimalisatie van verkeersregelingen zijn ontworpen om te werken onder normale verkeersomstandigheden. Dit komt omdat het optimaliseren van de controleplannen van een verkeerslicht na een incident of wanneer het verkeer op een piek is, een bijzonder uitdagende taak is, vooral als er meerdere rijstroken of een heel weggedeelte worden aangetast.

In tegenstelling tot de meeste eerdere werken, Mao en zijn collega's wilden met behulp van GA's de controle van verkeerslichten onder zware verkeersomstandigheden optimaliseren. GA's zijn een computerwetenschappelijke techniek die is geïnspireerd op de biologische evolutie die bij mensen is waargenomen, die is ontworpen om op natuurlijke wijze de meest optimale oplossingen te selecteren uit een eerste reeks mogelijkheden.

"GA's worden vaak gebruikt bij optimalisatieproblemen (bijv. het vinden van de beste faseduur die de reistijd op een kruispunt zou minimaliseren) door gebruik te maken van bio-geïnspireerde functies zoals individuele mutatie, kruising, en selectie van de beste individuen om de beste genen van een populatie voort te zetten - in ons geval beste signaalfasen, "Zei Mao. "We dachten dat GA's een fantastische oplossing zouden zijn om dit probleem op te lossen en besloten ze te gebruiken om de geoptimaliseerde verkeerssignaalplannen voor het door het incident getroffen gebied te genereren."

De door Mao en zijn collega's ontwikkelde GA onderzoekt in wezen alle mogelijke verkeersregelplannen voor een bepaald kruispunt (bijvoorbeeld de groene tijd voor "rechtsaf"-signalen, "ga rechtdoor" signalen, enzovoort.). Het belangrijkste doel is om de totale reistijd in een gebied dat is getroffen door een verkeersongeval tot een minimum te beperken door de beste combinatie van signaalfasen over alle kruispunten in dat gebied te identificeren.

“We genereren eerst een groot aantal verkeersregelplannen, inclusief verschillende faseduren gelijkmatig verdeeld in een grote numerieke ruimte, die de eerste generatie individuen vormen uit de gehele bevolking, " legde Mao uit. "Dan passen we selectie toe, crossover en mutatie om meer willekeur te introduceren bij het verkennen van de ruimte van alle mogelijkheden, en selecteer alleen de beste kandidaten om de optimalisatie in een volgende generatie voort te zetten."

Vervolgens, de door Mao en zijn collega's bedachte benadering evolueert de oorspronkelijke populatie gedurende een bepaald aantal generaties totdat de meerderheid van de individuen binnen die populatie vergelijkbaar is, en het heeft een optimale oplossing bereikt. Het uiteindelijke resultaat van de GA is een geoptimaliseerd verkeerslichtcontroleplan voor alle verkeerslichten in gebieden die worden getroffen door verkeersongevallen.

Hoewel eerdere studies verschillende andere optimalisatietechnieken voor verkeerslichten hebben voorgesteld, de meeste hiervan zijn gebaseerd op verkeersmodellering en op kennis gebaseerde experts (d.w.z. heuristische) systemen. Deze systemen reageren passief op waargenomen verkeersomstandigheden en zijn daarom niet in staat om actief oplossingen aan te dragen voor het verminderen van congestie veroorzaakt door verkeersongevallen.

"Onze methode heeft drie belangrijke voordelen, " legde Mao uit. Ten eerste, het beschouwt eenmalige verkeersincidenten, als we het incident actief in het model invoeren nadat iemand het heeft gemeld, daardoor is het verkeerslichtplan op de hoogte van het incident en kan het sneller reageren. Ten tweede, het houdt rekening met het omleidingsgedrag van chauffeurs door een dynamische verkeerstoewijzing toe te passen, die rekening houdt met de capaciteitsdaling van de weg als gevolg van de verkeersincidenten. Eindelijk, onze methode is efficiënt voor het verkennen van vele mogelijkheden van signaalcontroleplannen."

De onderzoekers evalueerden hun techniek met behulp van een netwerk met vier kruispunten ontworpen in AIMSUN, een gerenommeerd platform voor verkeersmodellering. Ze construeerden drie verschillende scenario's waarin de GA de timing van de verkeerslichten moest optimaliseren, zowel onder normale omstandigheden als met zwaar verkeer. Bij deze testen zij merkten op dat wanneer verkeersregelplannen kunnen worden aangepast aan een verandering van route door automobilisten nadat een verkeersongeval heeft plaatsgevonden, congestie heeft de neiging om sneller te verdwijnen.

"Bij het gebruik van onze methode, we hebben de totale reistijd van chauffeurs met 40,76% verbeterd in vergelijking met helemaal geen reactie (d.w.z. geen controle over de signaalfasering), " zei Mao. " Ons onderzoek kan suggesties geven voor verkeersbeheercentra over hoe te handelen bij een nieuw incident, als onderdeel van een routine voor het beheren van een betere verkeersrespons."

In de toekomst, de door Mao en zijn collega's ontwikkelde GA zou kunnen helpen bij de ontwikkeling van effectievere verkeersregelsystemen. Volgens de onderzoekers is door de datastreamingmogelijkheden en rekenprestaties van hun techniek te verbeteren, zouden ze het uiteindelijk in staat kunnen stellen verkeerssignalen automatisch te optimaliseren, actief reageren op live verkeersincidenten.

"We passen de methode momenteel toe op een ingewikkelder netwerk en zelfs een groter netwerk vanuit de stad Sydney, "Zei Mao. "We onderzoeken ook om de rekentijd verder te verkorten en de efficiëntie verder te verhogen door de GA te koppelen aan machine learning, die de convergentie naar de beste oplossingen zou kunnen versnellen."

© 2019 Wetenschap X Netwerk