大家好，欢迎来到IT知识分享网。

Vivacity Labs 最近披露了他们开发基于 AI 的交通信号优化系统的计划。有关该项目的更多详细信息将在 9 月 15 日至 16 日在诺丁汉举行的 JCT 交通信号研讨会上提供。这是他们论文的摘录。Vivacity Labs 与大曼彻斯特交通局 (TfGM) 和 Immense Simulations 合作开展了这个由 Innovate UK 共同资助的项目，以构建和试用一种使用 AI 来优化交通网络的解决方案。

在此过程中，我们在过去的两次 JCT 会议上介绍了我们的进展。去年，我们很高兴地分享我们已成功将系统部署到大曼彻斯特的三个路口。今年，我们通过分享我们过去一年的一些主要成就、总结我们的整体学习以及讨论我们的进一步发展和商业化计划来完善这个由三部分组成的系列。

实际试验结果证明，人工智能可用于将现有系统改进多达 30%。Vivacity Labs 正在扩大这些示范，并希望在未来更精确和彻底地量化这一点，但这些初步结果是非常有希望的。

主要挑战

对于当今的交通管理部门来说，拥堵只是众多不同优先事项中的一项。改善空气质量、优先考虑主动出行以及提高公共交通的可靠性/使用率都是首要议程。在过去的几十年里，SCOOT 和 MOVA 一直主导着英国的交通信号控制，虽然两者都有有效工作的场景，通过协调多个路口 (SCOOT) 或优化单个路口 (MOVA) 来减少拥堵，他们都在努力优化信号时机，以改善空气质量或帮助其他交通方式。

使用SCOOT的空气质量优化已经进行了试验，但没有在任何规模上推广。在SCOOT中，巴士优先级虽然已经建立，但却是一个相对粗糙的工具，凌驾于任何其他模式的优化，为晚点的巴士提供绿色信号，从而降低整体系统性能。对其他关键模式(如骑自行车者)进行有意义的优先级排序，并未广泛可用。与此同时，众所周知，SCOOT的性能会随着时间的推移而下降，通常会下降30%，但重新校准是手动的，而且成本昂贵，因此对许多管理部门来说是不可行的。

在这种情况下，运输管理部门获得更好的系统至关重要，这使管理部门能够根据当地政策确定任何目标的优先级。

系统概览

Vivacity Labs 的系统由几个关键组件组成：

• Vivacity 的传感器，可以检测和分类 9 种不同类型的道路使用者，提供准确、实时的数据。
• 一个微观模拟模型，使用来自传感器的历史数据来实现非常精确的校准。
• 优化算法使用基于边缘计算的人工智能的强化学习，这是机器学习/人工智能的一个分支。这是在微观模拟中训练的，以确定如何在现实世界中最好地执行，然后使用来自传感器的实时数据来执行最佳控制策略，快速适应不断变化的交通状况并优化本地和全市规模。

在去年独立控制了三个邻近的路口后，我们扩大了系统的规模，控制了曼彻斯特/索尔福德边境主要轨道路线上的整个关键走廊。

这些路口有一系列不同的布局、特点和挑战；这些的阶段图可以在下面看到。我们能够通过单个 AI 代理或算法实现走廊沿线的协调，该代理或算法已在该区域的大型微观模拟上进行过训练，为所有 5 个路口（类似于 SCOOT 区域）做出决策：

连续、无监督的控制

为了收集重要的性能数据并使我们能够更有效地扩展，我们的下一个开发目标是提高系统的健壮性，使我们能够在不需要恒定的人工监控的情况下，让控制通道长时间运行。为了实现这一点，我们开发了一组警报，通知用户(最初是Vivacity内部团队)关于任何系统或性能问题。我们调优了警报参数，以调整代理配置和警报阈值，并对警报的完整性建立信心。关键的结果是，我们目前正在曼彻斯特的一个路口进行无监控的A/B测试，Trinity Way – Great Ducie Street(x47)，控制从早上7点到晚上7点，并自动适应需求水平和转弯比例的变化(即不需要像现有系统那样设置配时表)。

控制算法改进

在过去的一年里，我们在去年的工作基础上开展了一项详细的研究计划，以改进信号控制强化学习的操作。将最新的学术研究与我们自己的创新相结合，我们看到了基本性能的显着改进，模拟的最新结果显示，与车辆感应控制(VA) 相比，6 个路口区域的平均车辆等待时间减少了 45%控制或系统 D 控制。

过去一年，我们在去年工作的基础上，进行了一项详细的研，以改善信号控制的强化学习的运作。结合最新的学术研究和我们自己的创新，我们已经看到了潜在性能的显著改善，最新的模拟结果显示，与车辆感应控制(Vehicle Actuated，VA)控制相比，6连接区域的平均车辆等待时间减少了45%。

持续控制的早期结果显示，在控制期间，关键路线的平均行程时间减少了 30%：

2022 年初，我们将全面推出我们的第一个信号控制产品，该产品将我们迄今为止的学习成果集中在减少拥堵上。该系统将利用我们的视频传感器，为系统提供我们完整、丰富的数据。这些数据也将通过仪表板和 API 提供给客户。

客户将能够通过 Vivacity 仪表板监控路口的行为和性能。仪表板将包括工具和面板，用于查看有关控制器状态、算法操作和每个阶段需求的实时、低延迟数据。此外，用户将收到有关拥堵事件的警报，并能够使用视频传感器来验证和调查事件。

除了实时监控和警报功能外，仪表板还将具有增强的数据分析工具，使用户能够量化系统的性能并比较不同控制方法的行程时间和停留时间。

（所有图片均由 Vivacity Labs 提供）