综述：从算法到网络连接：基于交通信号优化和通信的合作控制的全面综述

《ARCHIVES OF COMPUTATIONAL METHODS IN ENGINEERING》：From Algorithms to Connectivity: A Comprehensive Review of Traffic Signal Optimization and Communication Based Cooperative Control

本文针对城市化进程中交通拥堵、延迟及排放问题，系统综述了算法优化与通信协同的交通管理方法，整合自适应控制与通信技术，提出混合架构，为可持续智能交通系统提供路径。

　　

摘要

快速的 urbanization（城市化进程）和车辆交通的指数级增长加剧了交通拥堵、出行延误以及污染物排放，给可持续的城市交通系统带来了严峻挑战。为了解决这些问题，许多研究探讨了基于算法和通信的交通管理方法。然而，现有的综述往往将这些领域分开讨论，缺乏统一的视角。本文提出了一项全面的综述，将算法优化与基于通信的协作控制相结合。研究系统地分类了交通信号优化算法，包括固定时间控制、主动控制、自适应控制、模糊逻辑控制、遗传算法、强化学习以及基于博弈论的方法，以及基于通信的策略，如车对车（V2V）和车对基础设施（V2I）通信、物联网（IoV）/ 路侧单元（RSU）/ 边缘计算（Edge）/ 雾计算（Fog）/ 分布式软件定义网络（SDN）技术、车辆协调与预约系统（CAV Coordination & Reservation Systems）、人工智能/机器学习与通信融合（AI/ML + Communication Fusion），以及安全与感知增强（Safety & Perception Enhancement）等。论文选取遵循了PRISMA流程，对选定的论文进行了性能指标、局限性及研究趋势的分析。研究结果表明，自适应控制和强化学习（尤其是深度强化学习及多智能体强化学习模型）在算法研究中占据主导地位，而车辆协调（CAV Coordination）和物联网（IoV）框架则成为关键的通信范式。持续存在的挑战包括可扩展性、普及率、实时响应能力以及有限的现实世界验证数据。本文的独特贡献在于将这两种研究方向结合起来，提出了一种混合型的、面向未来的架构，该架构将局部自适应智能与基于通信的全球协调机制相结合，为构建可持续、智能的交通系统提供了战略性的发展路径。