[论文解读] Traffic Lights with Auction-Based Controllers: Algorithms and Real-World Data

Shumeet Baluja, Michele Covell+1 more|arXiv (Cornell University)|Feb 3, 2017

Transportation Planning and Optimization参考文献 16被引用 4

一句话总结

本文提出了一种基于拍卖机制的交通信号灯控制器，利用道路嵌入式传感器的实时数据，动态优化信号配时，无需依赖车车通信或车路通信。通过将相位切换视为微拍卖，传感器读数决定出价权重，系统从数月的真实GPS数据中学习最优配时策略，在山景城和芝加哥均显著优于静态、优化和基于规划的控制器，有效降低平均行程时间并提升道路通行能力。

ABSTRACT

Real-time optimization of traffic flow addresses important practical problems: reducing a driver's wasted time, improving city-wide efficiency, reducing gas emissions and improving air quality. Much of the current research in traffic-light optimization relies on extending the capabilities of traffic lights to either communicate with each other or communicate with vehicles. However, before such capabilities become ubiquitous, opportunities exist to improve traffic lights by being more responsive to current traffic situations within the current, already deployed, infrastructure. In this paper, we introduce a traffic light controller that employs bidding within micro-auctions to efficiently incorporate traffic sensor information; no other outside sources of information are assumed. We train and test traffic light controllers on large-scale data collected from opted-in Android cell-phone users over a period of several months in Mountain View, California and the River North neighborhood of Chicago, Illinois. The learned auction-based controllers surpass (in both the relevant metrics of road-capacity and mean travel time) the currently deployed lights, optimized static-program lights, and longer-term planning approaches, in both cities, measured using real user driving data.

研究动机与目标

• 开发一种响应式、数据驱动的交通信号灯控制器，可在不依赖车车通信或车路通信的前提下，基于现有基础设施运行。
• 通过从自愿参与的安卓用户收集的大规模真实GPS数据中学习最优信号配时，提升真实城市环境中的交通流。
• 通过仿真近似当前部署的静态交通灯行为，建立评估新型交通控制系统的现实基准。
• 证明基于拍卖的控制机制能够自主发现有效的交通管理策略，例如取消保护左转、优先考虑主干道。
• 在未来统一拍卖框架内，实现通信功能的集成，如应急车辆优先通行或货币竞价。

提出的方法

• 控制器采用微拍卖机制，每个交通相位根据来自环形感应线圈或摄像头的实时传感器数据提交出价。
• 出价权重和拍卖规则通过来自安卓用户的大规模历史GPS数据学习获得，使系统能够适应真实交通模式。
• 系统在每次相位切换时实时进行拍卖，以选择下一个最优相位，出价值反映当前的交通流量和通行状况。
• 采用基于仿真的方法推断当前部署的静态交通灯的配时方案，为性能比较提供现实基准。
• 该方法避免集中协调，仅依赖本地传感器输入和分布式决策，确保可扩展性。
• 拍卖机制设计具有可扩展性，可自然集成未来通信输入，如车辆提供的到达时间或优先出价。

实验结果

研究问题

• RQ1 去中心化、仅依赖传感器的交通信号灯控制器是否能在真实城市交通中优于静态、优化和基于规划的控制器？
• RQ2 如何利用现有基础设施的实时交通数据，在不依赖车路通信的前提下学习自适应信号配时？
• RQ3 基于学习的拍卖机制能否自然涌现出有效的交通管理策略（如取消保护左转、优先主干道）？
• RQ4 能否通过仿真和GPS数据准确近似当前部署的静态交通灯行为，以实现公平的性能评估？
• RQ5 未来通信功能（如应急车辆优先通行或货币竞价）如何集成到拍卖框架中？

主要发现

• 基于拍卖的控制器在山景城和芝加哥均显著降低了平均行程时间并提升了道路通行能力，优于真实世界数据中的静态、优化和基于规划的控制器。
• 系统自动发现了如取消保护左转、优先主干道通行等有效策略，且无需预设规则。
• 在山景城，控制器通过适应实时流量变化，在高速公路匝道汇合区（高拥堵区域）表现出色。
• 在芝加哥，控制器在密集城市路网中表现出色，显示出对不同交通模式的强鲁棒性。
• 基于仿真的方法成功近似了现有静态交通灯的配时方案，为性能评估提供了有效基准。
• 该方法具有可扩展性，可自然集成未来通信功能，如应急车辆优先出价或基于费用的通行权。