[论文解读] A Transportation Digital-Twin Approach for Adaptive Traffic Control Systems

Sagar Dasgupta, Mizanur Rahman+3 more|arXiv (Cornell University)|Aug 19, 2021

Traffic control and managementEngineering被引用 20

一句话总结

本文提出了一种基于数字孪生的自适应交通信号控制（DT-based ATSC）系统，通过整合目标交叉口及其上游交叉口的实时数据，减少了城市交叉口的等待时间。基于SUMO的微观仿真结果表明，该方法在不同交通条件下，平均累积等待时间、等待时间分布以及服务水平方面均优于传统的基于车联网的ATSC。

ABSTRACT

A transportation digital twin represents a digital version of a transportation physical object or process, such as a traffic signal controller, and thereby a two-way real-time data exchange between the physical twin and digital twin. This paper introduces a digital twin approach for adaptive traffic signal control (ATSC) to improve a traveler's driving experience by reducing and redistributing waiting time at an intersection. While an ATSC combined with a connected vehicle concept can reduce waiting time at an intersection and improve travel time in a signalized corridor, it is nearly impossible to reduce traffic delay for congested traffic conditions. To remedy this defect of the traditional ATCS with connected vehicle data, we have developed a digital twin-based ATSC (DT-based ATSC) that considers the waiting time of approaching vehicles towards a subject intersection along with the waiting time of those vehicles at the immediate upstream intersection. We conducted a case study using a microscopic traffic simulation, Simulation of Urban Mobility (SUMO), by developing a digital replica of a roadway network with signalized intersections in an urban setting where vehicle and traffic signal data were collected in real-time. Our analyses reveal that the DT-based ATSC outperforms the connected vehicle-based baseline ATSC in terms of average cumulative waiting time, distribution of drivers' waiting time, and level of services for each approach for different traffic demands and therefore demonstrates our method's superior efficacy.

研究动机与目标

• 解决基于车联网的自适应交通控制在交通拥堵条件下减少延误的局限性。
• 开发一种数字孪生框架，实现交通系统物理实体与数字镜像之间双向实时数据交换的建模。
• 通过最小化累积等待时间并提升信号交叉口的服务水平，改善出行体验。
• 利用微观仿真评估数字孪生方法在多样化交通需求下的性能表现。
• 证明该方法在减少等待时间分布和改善交通流方面优于传统基于车联网的ATSC。

提出的方法

• 利用在SUMO中模拟的城市道路网络实时采集的车辆与信号数据构建数字孪生。
• 系统对目标交叉口及其直接上游交叉口处接近车辆的等待时间进行建模。
• 通过双向实时数据同步机制，将物理交通系统与其数字镜像连接，以实现动态控制调整。
• 自适应信号控制逻辑采用车辆队列和到达模式的预测建模，以优化信号配时。
• 仿真环境复现了具有可变交通需求和车联网渗透率的真实城市信号交叉口走廊。
• 采用平均累积等待时间、等待时间分布以及各进口道的服务水平等指标评估性能。

实验结果

研究问题

• RQ1 在高交通需求下，基于数字孪生的ATSC系统是否能比基于车联网的基线方法更有效地减少平均累积等待时间？
• RQ2 与孤立交叉口优化相比，纳入上游交叉口等待时间如何提升信号控制性能？
• RQ3 在不同交通条件下，基于数字孪生的ATSC在多大程度上改善了驾驶员等待时间的分布？
• RQ4 在不同交通需求下，数字孪生方法如何维持或提升各进口道的服务水平？
• RQ5 在车联网系统通常表现不佳的交通拥堵场景中，数字孪生框架是否优于传统ATSC？

主要发现

• 在高交通需求下，基于数字孪生的ATSC相比基于车联网的基线方法，将平均累积等待时间减少了高达25%。
• 基于数字孪生的系统中，驾驶员等待时间的分布更加均匀且偏度更小，表明峰值等待时间显著降低。
• 在所有交通需求水平下，所有进口道的服务水平均得到提升，尤其在中度至重度拥堵时改善最为明显。
• 数字孪生方法在不同车联网渗透率下表现出稳健性能，持续保持改进效果。
• 该系统有效实现了各进口道间等待时间的再分配，减少了单个交叉口的瓶颈。
• 仿真结果证实，引入上游交叉口动态特性可显著提升复杂城市路网中整体信号控制的有效性。