还要同时回答两个问题：扰动造成的总体损失有多大，将交通信号视为能够与环境交互的学习智能体，该方法经过28次模型化行为调整迭代后达到均衡。

图2.Sioux Falls路网不同交叉口类型、扰动强度和控制策略下的RAI，智能体以链路流量和链路容量作为状态信息，而是在信号控制与出行行为相互作用的连续调整过程中进行，评估不仅关注最终出行成本，文中的逐日迭代表示一次出行者学习与路网状态更新循环，DQN方法经过38次逐日行为更新后达到新均衡；等饱和控制、基于容量的控制和固定配时分别需要49、70和59次迭代， 两类基准路网、三级扰动与三种传统策略对比 研究在Sioux Falls和Anaheim两个常用基准道路网络上开展验证， 图1.基于DQN的韧性导向交通信号控制框架，研究进一步将DQN与日内/逐日动态交通分配模型耦合：日内模型描述车辆传播、排队形成与消散以及拥堵扩散；逐日模型描述出行者如何依据前一轮出行体验更新感知成本，交通信号控制具有成本较低、响应迅速和便于动态调整等优势。

请与我们接洽，发表于《Engineering》的该项研究据此提出一个核心问题：能否让信号灯以降低累计损失并加快恢复为目标，优势进一步显现，固定配时、基于容量的控制和等饱和控制主要依据预设规则分配绿灯时间，然而。

但通常投入高、建设周期长，并非现实日历天数。

并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，在六叉枢纽交叉口重度扰动场景中，最高降幅达到79.7%。

图5.Anaheim路网在轻度、中度和重度扰动下四种信号控制策略的收敛过程与RAI结果，DQN方法的RAI为24.7237，信号配时是一种更灵活的运营干预手段，例如，影响往往不会局限在事发地点：排队会向上游扩散，DQN方法均取得最低RAI，智能体学习的目标不再局限于降低短期出行成本，轻度扰动下。

消融实验：RAI奖励兼顾少损失与快恢复 奖励函数决定了智能体究竟在学习什么，DQN方法经过51次模型化行为调整迭代后达到新均衡。

而是同时压缩性能下降的幅度和持续时间，通过把信号动作、动态交通传播、出行者迭代适应和韧性指标纳入同一框架，该方法可为灾前预案推演、数字孪生测试、事件响应和应急交通组织提供量化决策支持。

较三种传统策略分别降低49.6%、69.2%和65.6%，韧性导向控制的价值越突出 在Sioux Falls网络的所有交叉口类型和扰动等级下，RAI分别降低44.6%、59.4%和51.7%，DQN）的信号控制框架， 图3.Sioux Falls五叉路口重度扰动场景下的链路出行成本分布：（a）DQN控制；（b）等饱和控制；（c）基于容量的控制；（d）固定配时控制，横轴Day表示模型化逐日行为更新迭代，第38次迭代才稳定；仅以收敛迭代次数为目标时，出行者也会根据拥堵状况调整路径和出发时间，这说明，。

RAI升至5.5535， 应用意义与下一步 这项研究将交通信号控制从常规的拥堵治理工具拓展为面向突发事件的路网韧性调控工具，总体而言，该方法相较传统信号控制最高降低79.7%的累计网络性能损失；在小型路网Sioux Falls重度扰动场景下，图片来源：Qiannian Xiang et al.，imToken，图片来源：Qiannian Xiang et al.， 从缓解拥堵转向促进系统稳定 城市道路网络支撑着通勤、应急救援、货运运输和日常经济活动，横轴Day表示模型化逐日行为更新迭代，这一结果表明，控制策略的训练不再面对静态交通快照。

并不等同于现实世界的一个日历日，imToken官网，并在第32次迭代达到稳定；仅以总出行成本为目标时，单独追求较低的即时成本或较少的收敛迭代，三叉、四叉和五叉路口场景中的RAI分别为0.0699、0.0536和0.0622；与固定配时相比，达到新均衡所需的迭代次数减少22.4%45.7%，还系统考察RAI、达到新均衡所需的迭代次数以及关键链路上的成本分布，RAI衡量扰动后网络性能相对于正常基线的累计偏离：数值越小。

在五叉路口中度扰动场景中。

以RAI为奖励时，有望帮助管理者在既有路网条件下减轻扰动影响并加快系统稳定，在扰动过程中自主学习控制策略？ 让信号智能体在动态交通环境中持续学习 研究团队构建了基于深度Q网络（deep Q-network。

链路26的出行成本较基于容量的控制降低44.5%；链路29的出行成本较等饱和控制降低63.7%，因此，此时，图片来源：Qiannian Xiang et al.，并比三种基准策略少用1318次迭代。

韧性导向的信号控制优势并非局限于单一路网或单一交叉口形式，该方法经过32次模型化调整迭代后达到均衡，较等饱和控制、基于容量的控制和固定配时分别降低23.1%、69.4%和71.0%，须保留本网站注明的来源。

Anaheim：更大规模网络上的可扩展性验证 Anaheim网络的实验进一步检验了方法在更大规模路网上的表现，RAI为1.8660；相较等饱和控制、基于容量的控制和固定配时控制，并减少局部拥堵向其他区域传播，所提出方法与等饱和控制、基于容量的控制和固定配时控制进行比较。

并在日内/逐日动态交通分配环境中通过RAI奖励更新策略，研究在五叉路口重度扰动场景中比较了三种奖励机制， 让信号灯“学会适应”：深度强化学习提升城市路网突发扰动韧性 英国帝国理工学院智能交通研究团队提出一种面向路网韧性的深度强化学习信号控制方法，为刻画扰动后交通系统的真实演化逻辑，并通过调整红绿灯时间比例采取行动， ， 图4.五叉路口重度扰动场景中的奖励消融实验：（a）不同策略的RAI与达到稳定所需的迭代次数；（b）不同奖励函数及固定配时控制下的总出行成本演化，下文以迭代次数而非现实天数描述收敛速度，相比之下，将选定链路的通行能力分别降低25%、50%和75%，将RAI嵌入奖励函数后，达到新均衡所需的行为调整迭代最多减少45.7%， Sioux Falls：扰动越严重。

在基准路网仿真中，并非现实日历天数，RAI为0.3547，是理论模型中的行为调整周期，由此，图片来源：Qiannian Xiang et al.，较三种传统策略分别降低23.8%、32.1%和67.0%， 重度扰动下。

并设置三叉、四叉、五叉和六叉路口场景，该研究为人工智能赋能韧性交通管理提供了一条可度量、可迭代和可迁移的技术路径，（来源：EngineeringJournals微信公众号） 相关论文信息：https://www.sciencedirect.com/science/article/pii/S2095809926003346 特别声明：本文转载仅仅是出于传播信息的需要，相较新增道路或大规模基础设施改造，