НЕЙРОСЕТЕВЫЕ ПОДХОДЫ К УПРАВЛЕНИЮ ПОТОКАМИ ТРАНСПОРТА

В работе рассматривается задача оптимального управления транспортными потоками. Представлена математическая модель для управления сигналами светофоров на основе теории управляемых сетей в виде системы нелинейных конечномерно-дифференцируемых уравнений. Для представления сети дорог большого размера в модели используются матрицы связей, которые описывают связи между входными и выходными участками подсетей. Управление транспортным потоком достигается за счет изменения активных фаз светофоров. Задачей управления является минимизация разницы между суммарным входным и выходным потоками всех подсетей. В статье представлен нейросетевой подход для корректировки параметров сети дорог.

ARTIFICIAL NEURAL NETWORK APPROACH TO TRAFFIC FLOW CONTROL

A problem of optimal urban traffic flows control is considered. A mathematical model of control by the traffic lights at intersections using the controlled networks theory is given. It is a system of nonlinear finite-differential equations. To present a large scale road networks the model contains the connection matrices that describe interactions between input and output roads in subnetworks. The traffic flow control is performed by the coordination of active phases of traffic lights. A control goal is to minimize the difference between the total input flow and total output flow for all subnetworks. In this paper, a neural network approach for urban traffic road network parameters adjustment is presented. A simulation is conducted under a microscopic traffic simulation software CTraf. Results demonstrate that neural network reinforcement training obtain good parameters of the network model.