[论文解读] Decentralized Signal Control for Urban Road Networks

Tung Le, Péter Kovács+4 more|arXiv (Cornell University)|Oct 1, 2013

Network Traffic and Congestion Control参考文献 10被引用 6

一句话总结

本文提出了一种用于城市道路网络的去中心化基于BackPressure的交通信号控制策略，可在任何可行的交通需求下确保网络稳定。通过将数据网络中一种著名的最优吞吐量算法进行适配，该方法使每个交叉口能够仅基于本地队列长度测量值独立地做出周期时长和相位切换决策，从而在无需集中协调的情况下实现可证明的稳定性，并在吞吐量方面优于现有分布式策略。

ABSTRACT

We propose in this paper a decentralized traffic signal control policy for urban road networks. Our policy is an adaptation of a so-called BackPressure scheme which has been widely recognized in data network as an optimal throughput control policy. We have formally proved that our proposed BackPressure scheme, with fixed cycle time and cyclic phases, stabilizes the network for any feasible traffic demands. Simulation has been conducted to compare our BackPressure policy against other existing distributed control policies in various traffic and network scenarios. Numerical results suggest that the proposed policy can surpass other policies both in terms of network throughput and congestion.

研究动机与目标

• 开发一种可扩展的、去中心化的交通信号控制策略，以在任意可行的交通需求下维持网络稳定。
• 将已在数据网络中被证明最优的BackPressure算法适配于城市交通信号控制，实现在道路网络中的可证明稳定性。
• 通过提供形式化的数学证明来克服启发式去中心化策略的局限性，无需依赖集中协调。
• 在多样化的交通与网络场景下，评估其性能与现有分布式控制方案的对比。
• 证明去中心化BackPressure策略在吞吐量与拥塞降低方面均优于其他分布式策略。

提出的方法

• 所提出的策略采用固定周期、循环相位的BackPressure方案，其中每个交叉口根据输入与输出链路之间的队列差值（即反压）选择最大值的相位。
• 每个交叉口仅基于本地队列长度测量值做出决策，无需全局信息或集中协调。
• 通过证明总队列大小的期望值保持有界，正式证明该控制策略可对任意可行交通需求实现网络稳定。
• 采用李雅普诺夫漂移分析来约束队列大小的期望变化，同时考虑测量误差与相位切换约束。
• 通过引入误差边界与稳定性裕量，在分析中考虑队列长度估计误差与相位选择误差的影响。
• 利用漂移加惩罚框架推导理论保障，表明在可行需求下系统可实现有界的队列增长。

实验结果

研究问题

• RQ1 基于BackPressure的去中心化信号控制策略是否可在任何可行交通需求下稳定城市道路网络？
• RQ2 所提出的去中心化BackPressure策略在吞吐量与拥塞方面相较于现有分布式控制策略表现如何？
• RQ3 测量误差与固定周期运行对去中心化信号控制的稳定性与性能有何影响？
• RQ4 所提出的策略是否可在无需集中协调或事先知晓交通需求的情况下实现可证明的稳定性？
• RQ5 数据网络中的BackPressure原理是否可有效适配于城市交通网络，并提供可证明的性能保障？

主要发现

• 所提出的去中心化BackPressure策略可对任何可行交通需求实现可证明的网络稳定，确保队列长度不会无界增长。
• 数值仿真表明，该策略在各种交通场景下均实现了高于其他分布式控制方案的网络吞吐量。
• 该策略显著降低了拥塞水平，仿真实验中各交叉口的平均队列长度更低。
• 即使存在测量误差，该方法仍能保持稳定，理论边界表明队列增长在估计不准确的情况下仍保持有界。
• 该策略在多种网络拓扑与交通模式下表现出鲁棒性，优于启发式去中心化替代方案。
• 理论分析证实，系统期望总队列大小随时间保持有界，且该有界值取决于误差裕量与网络参数。