Resumen

La medición en rampa que utiliza semáforos para regular los flujos de vehículos desde las rampas de acceso se ha implantado ampliamente para mejorar la movilidad de los vehículos en la autopista. Los estudios anteriores suelen actualizar los tiempos de las señales en tiempo real basándose en mediciones de tráfico predefinidas recogidas por detectores puntuales, como los volúmenes de tráfico y la ocupación. En comparación con los detectores puntuales, las cámaras de tráfico -que se han ido desplegando cada vez más en las redes de carreteras- podrían cubrir áreas más extensas y proporcionar información de tráfico más detallada. En este trabajo, proponemos un método de aprendizaje profundo por refuerzo (DRL) para explorar el potencial de los datos de vídeo de tráfico en la mejora de la eficiencia de la medición de rampas. Las ubicaciones de los vehículos se extraen de los fotogramas de vídeo de tráfico y se reforman como matrices de posición. El método propuesto toma los datos de vídeo preprocesados como entradas y aprende las estrategias de control óptimas directamente de las entradas de alta dimensión. Para evaluar el método propuesto, se llevan a cabo una serie de experimentos de simulación basados en datos de tráfico reales. Los resultados demuestran que, en comparación con un método basado en el estado de la práctica, el método DRL propuesto da lugar a (1) tiempos de viaje más bajos en la línea principal, (2) colas de vehículos más cortas en la rampa de acceso y (3) flujos de tráfico más elevados aguas abajo de la zona de confluencia. Los resultados sugieren que el método propuesto es capaz de extraer información útil de los datos de vídeo para mejorar los controles de medición de las rampas.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:método, detectores puntuales, datos de vídeo, mejores controles de medición de rampas, aprendizaje profundo por refuerzo, información detallada sobre el tráfico, tiempos de viaje más cortos, estrategias de control óptimas, colas de vehículos más cortas, datos de vídeo sobre el tráfico
• Keywords:method, point detectors, video data, better ramp metering controls, deep reinforcement learning, detailed traffic information, lower travel times, optimal control strategies, shorter vehicle queues, traffic video data