交通AI控制——实践与方法电子书

内容简介

序言

第1章 百年城市交通控制

1.1 交通控制起源

1.2 城市交通控制的第一次技术革命

1.3 城市交通控制的第二次技术革命

1.4 城市交通控制的第三次技术革命

1.4.1 高效与低效的差别

1.4.2 城市交通控制方法的瓶颈

1.4.3 AI将辅助突破当前交通控制低效的瓶颈

第2章 交通控制技术演进历程

2.1 无数据时代的交通控制技术

2.2 小数据时代的交通控制技术

2.3 大数据时代的交通控制技术

2.3.1 “互联网+信号灯”的兴起

2.3.2 “互联网+信号灯”的局限性

2.4 AI 时代的交通控制技术

第3章 交通控制应用现状

3.1 交通控制业务现状

3.1.1 信号配时工程师与交通信号配时中心

3.1.2 信号配时人员及交通信号配时中心的困境

3.1.3 交通信号配时中心业务面临的挑战

3.2 工程侧交通数据现状

3.2.1 工程侧对交通数据的达标要求

3.2.2 环形线圈车辆检测器数据

3.2.3 地磁车辆检测器数据

3.2.4 雷达检测器数据

3.2.5 视频车辆检测器数据

3.2.6 互联网数据

3.3 工程侧网络环境现状

3.4 交通控制安全现状

3.4.1 交通控制安全问题

3.4.2 交通控制安全问题解决思路

第4章 交通控制机遇与挑战

4.1 交通控制业务应如何升级

4.1.1 交通控制业务的三次变革

4.1.2 城市交通管理业务的主要模式

4.1.3 交通管理产品的迭代历程

4.2 交通控制系统如何解决数据瓶颈

4.2.1 交通控制系统的数据瓶颈

4.2.2 交通控制系统突破数据瓶颈的路径

4.3 交通控制应用如何突破当前桎梏

4.3.1 国外经验参考

4.3.2 经验借鉴转化

4.3.3 国内推进工作

4.4 交通控制产业如何走向良性健康

4.4.1 SCATS Cornerstone及未来创新模式

4.4.2 我国交通控制产业革新模式

第5章 视图AI应用于交通视频分析

5.1 视图AI在城市交通领域的应用简介

5.2 交通视频解析的技术架构

5.2.1 视频采集模块

5.2.2 预处理模块

5.2.3 目标检测与目标跟踪模块

5.2.4 场景分割模块

5.2.5 行为分析模块

5.2.6 事件检测模块

5.2.7 数据融合与统计模块

5.2.8 数据存储与管理模块

5.2.9 可视化与报警模块

5.2.10 API接口模块

5.3 交通视频结构化的技术原理

5.3.1 交通视频接入

5.3.2 交通视频解码

5.3.3 图像算法推理

5.3.4 目标跟踪

5.3.5 数据中介

5.3.6 OSD信息叠加

5.3.7 视频编码

5.3.8 视频推流

5.3.9 视频结构化硬件平台

5.4 视图AI解析的交通数据种类

5.4.1 视图AI解析的交通数据种类

5.4.2 视图AI解析的交通数据质量

5.4.3 核心问题分析

5.5 视图AI在交通AI控制中的作用

第6章 存量检测器采集的交通流量

6.1 路口交通流运行特性分析

6.1.1 路口交通流相似性

6.1.2 路口交通流不确定性

6.2 路段交通流运行特性分析

6.2.1 路段交通流相似性

6.2.2 路段交通流不确定性

6.3 区域交通流空间特性分析

6.3.1 区域交通流空间分布相似性

6.3.2 区域交通流空间分布不均匀性

6.4 存量检测器数据情况

6.4.1 SCATS检测器数据

6.4.2 SCATS检测器质量分析方法

6.4.3 分析结果

第7章 存量检测器数据质量诊断

7.1 检测器数据的时空分布

7.2 检测器数据的特征及分类

7.2.1 特征类型

7.2.2 特征分类准则与标签

7.3 基于决策树的检测器数据质量诊断方法

7.3.1 决策树分类原理

7.3.2 数据质量诊断决策树模型

7.3.3 对数据质量诊断决策树进行剪枝优化

7.4 检测器数据质量实例分析

第8章 信号控制系统配时参数合理性诊断

8.1 交通信号配时参数特性

8.1.1 绿信比方案与路网运行相关性

8.1.2 信号周期与交通参数相关性

8.2 绿信比方案合理性诊断

8.2.1 路网运行需求拟合

8.2.2 绿信比方案合理性判定

8.3 信号周期方案合理性诊断

8.3.1 交通参数映射函数构建

8.3.2 信号周期方案合理性判定

8.4 交通信号配时参数诊断案例

8.4.1 信号配时绿信比方案合理性诊断

8.4.2 信号周期方案合理性诊断

第9章 交通网络重要节点及控制子区判断

9.1 城市交通网络节点重要度评估指标

9.1.1 基于复杂网络特性的节点重要度评估指标

9.1.2 基于交通流运行特征的节点重要度评估指标

9.2 节点重要度评估模型

9.2.1 评估指标的确定

9.2.2 评估指标权重方法的确定

9.2.3 基于TOPSIS法的节点重要度评估方法

9.3 构建路网关联度模型

9.3.1 控制子区划分原则

9.3.2 关联度模型的选取

9.4 基于改进标签传播算法的子区划分方法

9.4.1 标签传播算法介绍

9.4.2 标签传播算法改进

9.4.3 基于改进标签传播算法的控制子区动态划分流程

9.5 改进标签传播算法的控制子区动态划分演算

9.6 基于合并指数的控制子区动态划分方法演算

9.7 划分方法的评估对比

9.7.1 基于模块度的划分方法评估

9.7.2 基于控制效益的划分方法评估

第10章 基于时空混合图卷积的车速预测

10.1 交通预测问题描述

10.1.1 问题分析和数据

10.1.2 交通事件矩阵独热编码

10.2 深度时空混合图卷积网络交通预测任务

10.2.1 DHSGC模型整体结构

10.2.2 DHSGC模型混合图卷积层

10.2.3 DHSGC模型时间特征提取层

10.2.4 路段并行预测处理模块

10.2.5 路网静态和动态因素编码

10.3 车速预测案例分析

10.3.1 数据集介绍和预处理

10.3.2 DHSGC模型对比算法

10.3.3 实验环境与参数设置

10.3.4 实验结果与算法性能分析

10.3.5 外部因素消融实验

10.4 以速度估计排队车辆数的可行性分析

10.5 基于LSTM的排队车辆数估计

10.5.1 循环神经网络与LSTM

10.5.2 路口建模

10.6 实验与结果分析

10.6.1 仿真搭建与数据准备

10.6.2 实验结果分析

第11章 基于改进ACGAN的排队估计

11.1 GAN机制

11.1.1 GAN算法原理与学习方法

11.1.2 ACGAN算法原理

11.2 Bi-LSTM网络机制

11.3 排队车辆数估计算法

11.3.1 模型结构

11.3.2 目标函数

11.3.3 训练优化

11.4 实验与结果分析

11.4.1 训练细节

11.4.2 实验结果分析

第12章 车辆排队微观仿真框架设计

12.1 仿真框架需求分析

12.2 仿真框架功能设计

12.2.1 数据收集模块

12.2.2 多源数据库

12.2.3 算法模块

12.2.4 估计模块

12.2.5 仿真模块

12.2.6 交互可视化模块

12.3 车辆排队仿真思路

12.3.1 相位时刻确定

12.3.2 仿真情况分析

12.4 车辆排队仿真整体流程

第13章 智组织交通控制方法

13.1 自适应信号控制失效的原因分析

13.2 智组织交通控制的基本原理

第14章 单点智组织控制方法

14.1 TSS-CII配时方法的计算基础

14.1.1 候选信号灯组设计

14.1.2 各流向权重的确定

14.1.3 等待时间上限及其确定方法

14.1.4 基于地点交通参数的TSS-CII配时方法

14.2 各车道排队车辆数的计算方法

14.3 关键流向的确定方法

14.4 拟放行信号灯组绿灯时间的确定方法

14.5 放行信号灯组的确定方法

14.6 基于路段交通参数的TSS-CII配时方法

14.7 模拟分析

14.7.1 模拟方案设计

14.7.2 实验结果初步分析

14.7.3 检测器布设位置方案分析

14.7.4 饱和车头时距分析

第15章 干线智组织控制方法

15.1 传统干线协调控制方法失效原因分析

15.2 TSS-CAI的基本原则与概念界定

15.2.1 TSS-CAI的基本原则

15.2.2 相关概念的界定

15.3 干线协调控制有效带宽评价算法

15.4 TSS-CAI算法设计

15.4.1 TSS-CAI控制策略

15.4.2 TSS-CAI控制算法的处理过程

15.4.3 上游路口干线方向绿灯时间设计

15.5 模拟分析

15.5.1 模拟方案设计

15.5.2 有效带宽搜索分析

15.5.3 模拟结果及对比分析

15.5.4 有效带宽阈值分析

第16章 区域智组织控制方法

16.1 传统区域协调控制方法失效原因分析

16.2 TSS-CDI的基本概念界定

16.3 TSS-CDI动态控制子区的划分方法

16.3.1 拥挤条件下的控制子区及其动态划分定义

16.3.2 局部拥挤条件下控制子区划分的方法

16.3.3 TSS-CDI截流点和卸载点的确定方法

16.4 TSS-CDI算法设计

16.4.1 TSS-CDI控制策略

16.4.2 TSS-CDI算法流程

16.5 模拟分析

16.5.1 模拟方案设计

16.5.2 模拟结果及对比分析

第17章 交通控制方案滚动生成系统设计

17.1 系统架构

17.2 系统功能

17.3 数据结构

第18章 交通AI控制算法框架

18.1 交通控制要素

18.1.1 关键参数

18.1.2 评价指标

18.2 深度强化学习算法

18.2.1 DRL算法

18.2.2 RL算法

18.2.3 卷积神经网络

18.2.4 注意力机制

18.3 交通AI控制框架设计

18.3.1 控制对象研究

18.3.2 DRL的交通控制框架设计

第19章 交通AI控制方法

19.1 多智能体深度强化学习模型

19.2 基于GCN速度预测的交通环境

19.2.1 子区图网络建模

19.2.2 子区速度预测

19.3 基于改进型QMIX算法的多智能体设计

19.3.1 子区智能体设计

19.3.2 QMIX动作决策

19.4 基于滚动时域的控制模式

19.5 控制方案滚动生成方法

第20章 交通AI控制方案验证

20.1 实验数据

20.1.1 基础数据

20.1.2 运行数据

20.2 模型训练

20.2.1 系统环境

20.2.2 预测模型训练

20.2.3 控制模型训练

20.3 实验结果分析

参考文献

后记