⚡ electrical engineering

Adaptive traffic signal control optimization using a novel road partition and multi-channel state representation method

本文提出了一种结合变长道路划分与多通道状态表示的自适应交通信号控制方法，通过集成 DQN 和 PPO 算法优化信号配时，仿真结果表明该方法在等待时间、速度和燃油消耗等指标上的优化性能优于固定长度划分方案。

原作者： Maojiang Deng, Shoufeng Lu, Jiazhao Shi, Wen Zhang

发布于 2026-02-16

📖 1 分钟阅读☕ 轻松阅读

原作者： Maojiang Deng, Shoufeng Lu, Jiazhao Shi, Wen Zhang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文讲述了一个关于如何让城市红绿灯变得更聪明、更灵活的故事。

想象一下，城市的交通就像是一个巨大的、流动的“水网”，而十字路口就是水网中的“阀门”。如果阀门开合得不好，水（车辆）就会堵塞，甚至溢出（拥堵）。

传统的红绿灯就像是一个死板的钟表，不管车多车少，它都按固定的时间切换。而这篇论文提出的方法，则是给红绿灯装上了一个拥有“透视眼”和“超级大脑”的智能管家。

下面我用几个生动的比喻来拆解这项技术：

1. 给马路“切蛋糕”：从“固定块”到“智能切”

（核心创新：可变单元格长度）

旧方法（固定长度）： 以前的智能红绿灯把马路切成一块块大小完全相同的“蛋糕”。不管传感器能看多远，它都硬切。这就像用一把尺子去量不同长度的绳子，如果绳子长短不一，切出来的块数就不一样，导致“大脑”（AI 模型）学不会通用的规律。
新方法（可变长度）： 作者发明了一种**“智能切蛋糕”**的公式。
- 离路口近的地方（蛋糕边缘）： 切得很薄、很细。因为这里的车离红绿灯最近，稍微动一下就会影响通行，需要精细观察。
- 离路口远的地方（蛋糕中心）： 切得越来越厚、越来越大。因为远处的车对路口的影响较小，不需要看得太细。
- 神奇之处： 无论传感器的“视力”（探测范围）是 300 米还是 500 米，这个公式都能保证把马路切成相同数量的块（比如都切成 10 块）。
- 比喻： 就像你给不同身高的孩子量身高，虽然孩子高矮不同，但你总是把尺子分成 10 格。这样，无论孩子多高，你都能用同一套“格数”来描述他们，AI 模型就能学会通用的规律，直接从一个路口“跳槽”到另一个路口，不用重新学习。

2. 给红绿灯装上“三只眼睛”：多维度的状态感知

（核心创新：多通道状态表示）

旧方法： 以前的红绿灯只关心“这里有多少辆车”（数人头）。
新方法： 作者给 AI 装上了三只眼睛，同时观察三个维度：
1. 车有多少（数量）：堵车了吗？
2. 车跑多快（速度）：是停滞不前还是畅通无阻？
3. 路占满了没（空间占有率）：路面上车排得有多密？
比喻： 就像医生看病，不能只看体温（数量），还要看心跳（速度）和血压（密度）。这三只眼睛同时工作，让 AI 对路况的理解从“平面”变成了“立体”，能做出更精准的判断。

3. 给 AI 的“大脑”：两种训练模式

论文测试了两种让 AI 变聪明的方法：

DQN（深度 Q 网络）： 像一个勤奋的试错学生。它不断尝试不同的红绿灯切换方案，做对了给糖（奖励），做错了挨打（惩罚），慢慢记住什么该做。
PPO（近端策略优化）： 像一个稳健的教练。它不仅试错，还会小心翼翼地调整策略，避免步子迈得太大导致“摔跟头”。
结果： 实验发现，PPO 这位“稳健教练”表现最好。它配合“智能切蛋糕”和“三只眼睛”，在减少排队长度和缩短等待时间上，完胜传统的定时红绿灯和普通的智能红绿灯。

4. 真正的“超能力”：跨路口迁移

这是论文最厉害的地方。

场景： 想象你在 A 路口（传感器只能看 300 米）训练好了一个 AI 司机。
挑战： 现在要把这个 AI 直接派到 B 路口（传感器能看 500 米），而且 B 路口的车流量也不一样。
结果： 因为用了“智能切蛋糕”的方法，A 路口的 AI 直接就能在 B 路口跑起来，而且不需要重新训练，效果依然很好！
比喻： 这就像你学会了骑自行车（掌握了平衡的规律），不管换了一辆大自行车还是小自行车，你都能立刻骑走，而不需要重新学怎么蹬踏板。

总结

这篇论文的核心思想就是：不要死板地看待马路，要根据实际情况灵活地“切分”它，并全方位地“观察”它。

通过这种**“可变长度切分”** + “多维度观察” + “稳健的 AI 训练”，城市里的红绿灯不再是死板的钟表，而变成了能根据实时车流“见招拆招”的智能交通指挥官。这不仅能让车跑得更快，还能减少司机在路上的焦躁和汽车的尾气排放。

这是一份关于论文《基于新型道路划分和多通道状态表示方法的自适应交通信号控制优化》（Adaptive traffic signal control optimization using a novel road partition and multi-channel state representation method）的详细技术总结。

1. 研究背景与问题 (Problem)

城市交叉路口的交通拥堵严重影响了通行效率，并加剧了碳排放和能源消耗。传统的交通信号控制方法（如定时控制、感应控制）在面对复杂多变的交通流时往往缺乏灵活性。虽然深度强化学习（DRL）为信号优化提供了新途径，但现有研究存在以下关键瓶颈：

状态表示的局限性：传统方法多采用固定长度的道路单元（Fixed Cell Length）或聚合变量（如总排队长度），忽略了车辆的空间分布和动态行为。
传感器检测范围不匹配：现有的道路划分方法未充分考虑实际传感器（如雷达视频传感器）的检测范围差异。训练时的输入参数与实际应用中的检测能力不匹配，导致模型难以在不同检测范围的路口间迁移。
泛化能力差：现有的 AI 信号控制模型通常针对特定路口训练，缺乏跨路口的通用性和适应性。

2. 方法论 (Methodology)

该研究提出了一种结合**可变单元长度（Variable Cell Length, VCL）和多通道状态表示（Multi-channel State Representation）**的自适应信号控制框架，并对比了深度 Q 网络（DQN）和近端策略优化（PPO）两种算法。

2.1 新型道路划分方法 (Road Partition Method)

核心公式：提出了一种由对数函数和线性函数组成的单元长度计算公式： $f(x) = a \ln(x + 1) + bx$ 。
设计逻辑：
- 近端精细，远端粗糙：停止线附近的车辆对信号决策影响更大，因此单元长度较短（高分辨率）；随着距离增加，单元长度逐渐变长。
- 自适应检测范围：无论传感器的检测范围（ $d$ ）是多少，该公式都能将道路划分为固定数量（ $n$ ）的单元。通过已知第一个单元长度（ $l_1$ ）和总检测范围（ $d$ ），联立方程求解系数 $a$ 和 $b$ 。
优势：解决了固定长度划分无法适应不同检测范围的问题，使得在不同检测范围（如 300m 或 500m）但单元数量相同的路口之间，模型可以直接迁移。

2.2 多通道状态表示 (Multi-channel State Representation)

张量结构：将路口交通状态抽象为三维张量（车道数 $\times$ 单元数 $\times$ 状态变量数），类比图像处理中的（高 $\times$ 宽 $\times$ 通道）。
三个通道：
1. 车辆数量 (Number of vehicles)
2. 平均速度 (Average speed)
3. 空间占有率 (Space occupancy，即单元内车辆总长度与单元长度之比)
数据预处理：使用历史最大值进行归一化（0-1 之间），以区分不同流量条件下的交通状态并保证模型收敛。

2.3 动作空间与奖励函数

动作空间：定义为 8 种离散的相位（如东西直行、东西左转等）。选定的相位执行固定的绿灯时间（15 秒）。
奖励函数：基于关键交通指标构建，包含加权组合：
- $r(t) = -0.7 \times \text{等待时间惩罚} + 0.2 \times \text{速度奖励} - 0.1 \times \text{燃油消耗惩罚}$
- 各指标均除以典型最大值进行归一化，确保量纲统一。

2.4 训练算法

DQN：使用卷积层提取特征，结合全连接层输出 Q 值。
PPO：采用 Actor-Critic 架构，使用截断（Clipped）目标函数确保策略更新的稳定性，防止过大的策略更新导致训练崩溃。
仿真环境：基于 SUMO 微观交通仿真软件，结合 TensorFlow 和 Python 进行训练。

3. 关键贡献 (Key Contributions)

提出自适应道路划分公式：创新性地结合了对数与线性函数，实现了在固定单元数量下，根据传感器检测范围自动调整单元长度。这打破了传统固定长度划分的限制，显著提升了模型的泛化能力。
构建多通道状态表示：引入了“车辆数、平均速度、空间占有率”三通道输入，比传统的单一排队长度或离散位置信息能更全面地捕捉交通流的微观时空分布特征。
验证了跨范围迁移能力：通过实验证明，在 300 米检测范围训练的模型，无需微调即可直接应用于 500 米检测范围的路口，且性能优于传统定时控制。
算法对比与优化：在相同的框架下对比了 DQN 和 PPO，发现 PPO 在信号控制任务中表现出更好的稳定性和收敛性。

4. 实验结果 (Results)

研究在 SUMO 仿真环境中进行了多场景测试（流量从 500 到 3000 辆/小时）：

性能对比：
- VCL-PPO（可变单元长度 + 多通道 + PPO）在所有指标（累计排队长度、累计等待时间）上均表现最佳。
- VCL-DQN 表现最差，表明在该任务中 PPO 比 DQN 更稳健。
- 固定单元长度（FCL）和无单元离散化的模型性能均不如 VCL 模型。
迁移性评估：
- 将 300m 检测范围训练的模型直接迁移至 500m 检测范围，其性能依然显著优于传统的固定时间信号控制方案。
- 证明了该划分方法成功解耦了策略与物理尺度的绑定，实现了“相对空间抽象”的迁移。
随机流量适应性：在流量剧烈波动的场景下，模型需要更多训练轮次（约 1000 轮）才能收敛，且奖励曲线波动较大，表明随机性增加了样本复杂度。

5. 研究意义 (Significance)

理论意义：为深度强化学习在交通信号控制中的状态空间构建提供了新的范式，证明了将物理检测范围纳入状态表示设计的重要性。
实际应用价值：
- 降低部署成本：解决了 AI 模型“一路口一训练”的痛点，使得训练好的模型可以推广到具有不同传感器配置（不同检测距离）的路口，大幅降低了大规模部署的算力与时间成本。
- 提升通行效率：通过更精细的空间感知和自适应控制，有效减少了车辆排队和等待时间，有助于缓解城市拥堵并降低能耗。
未来展望：该框架具有算法无关性（Algorithm-agnostic），未来可结合图神经网络（GNN）或注意力机制等更先进的模型进一步提升性能。

总结：该论文通过创新的数学建模（可变单元长度）和状态表征（多通道），成功解决了交通信号控制模型在传感器差异下的泛化难题，并验证了 PPO 算法在此类任务中的优越性，为智能交通系统的实际落地提供了重要的技术支撑。