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)