Credit:pix abay/CC0 Public Domain当交通在市中心十字路口堵塞时，可能有一种方法可以减少一些拥堵:消除几个左转。根据宾夕法尼亚州立大学土木工程副教授维卡什·加亚(Vikash Gayah)的说法，在某些繁忙的十字路口实施适当的左转限制可以缓解许多阻碍交通效率的瓶颈。他最近创造了一种新的方法，可以帮助城市确定在哪里限制这些转弯，以改善整体交通流量。
“我们都经历过在等待左转时被卡住的感觉，”加亚说。“如果你允许这些转弯有自己的绿色箭头，你必须停止所有其他车辆，使交叉路口的生产力降低。左转也是你发现最严重撞车的地方，尤其是行人。我们的想法是尽可能消除这些转弯，以创造更安全、更高效的十字路口。”
加亚说，通过有选择地限制左转，但不是完全禁止左转，司机可能只需要在某些地区找到到达目的地的替代路线。有些人可能需要多走几个街区，但加亚认为，通过繁忙的十字路口更有效的交通流抵消了额外的距离。
他补充说，对于城市规划者来说，决定在哪里设置限制是交叉口生产率和增加的出行长度之间的平衡行为。考虑到如此多的限制，找到最有效的布局可能会很困难。
“例如，如果你只需要考虑16个路口，每个路口都有允许或不允许左转的选择，那就已经有65000种不同的配置了，”Gayah说。“当你考虑到交通从一个十字路口流向下一个十字路口时，情况会变得更加复杂，因此决策会相互依赖。最终可能的答案太多了，我们永远找不到最好的答案。”
Gayah的新方法依赖于启发式算法，该算法使用捷径来寻找接近但不保证是最佳结果的解决方案。
“我们进行猜测，从猜测中学习，然后做出更好的猜测，”他说。“随着时间的推移，我们可以非常非常接近最佳答案。”
在《运输研究记录》上发表的一项研究中，Gayah结合了两种现有的启发式算法，创建了一种新的混合方法。第一种是基于群体的增量学习(PBIL)算法，随机抽样潜在配置，识别高性能选项的模式。接下来，贝叶斯优化算法分析了这一组新的高绩效者，以确定限制如何影响相邻交叉路口的交通。贝叶斯优化结合了关于问题的初始信息，并随着时间的推移随着新信息的学习而更新，以获得接近但不一定完美的解决方案。然后，该算法应用交通动力学的知识来寻找更有效的解决方案。
“我们没有用随机猜测开始贝叶斯优化，而是用PBIL的最佳猜测来填充它，”加亚说。"第一种方法创建起点，第二种方法细化起点."
Gayah通过模拟的方形网络在各种场景中测试了混合方法，发现所有三种方法——PBIL、贝叶斯优化和混合——都确定了比零限制布局更有效的流量模式配置。然而，在具有更真实设置的模拟中，混合方法被证明是最有效的。
根据盖亚的说法，最有效的配置倾向于禁止城市中心的左转，而允许它们更多地出现在外围。虽然该方法应用于广义网络，但其结果可以作为现实世界交通模式的起点，算法可以在逐个城市的基础上进行定制。
“网格网络是最具普遍性的，不针对任何城市，”Gayah说。“我无法将纽约的最佳配置应用到旧金山，但这种通用方法可以通过一点点编码配置到任何网络。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
