随着城市化建设的不断推进和经济建设的快速发展,城市机动车保有量不断飙升,在便利人们出行的同时也带来了严重的交通拥堵,阻碍我国城市和地区向智慧城市转型。传统的固定相位时长的交通信号灯控制方法整体通行效率低下,目前绝大多数交通信号灯控制方法仅关注交通路口的整体通行效率,当路口车流密度极不平衡时,一味追求全局通行效率的提高会使高密度的密集车辆优先通行,低密度的稀疏车辆长时间等待甚至无法通行,造成少数车辆的“歧视性”现象,严重损害了车辆公平性。基于以上现状,为了适应动态交通流变化,在保障车辆公平性的同时兼顾全局车辆通行效率,本文提出了两种面向车辆公平性的智慧交通信号灯控制算法。本文的主要贡献如下:1.基于强化学习方法,设计了能够针对不同路口场景实时动态作出针对性决策的智慧交通灯控制算法,更适合复杂多变的交通环境。智能体在与环境的交互过程中学习交通灯控制策略,算法模型采用Dueling DQN的网络结构提高学习水平,采用Double DQN提升模型训练效果。2.提出了两种面向车辆公平性的交通信号灯控制算法,在路口车流密度极端不平衡的交通场景下,保障车辆公平性并兼顾全局通行效率。算法在设置状态时提高长时间等待车辆的权重,设置奖励函数时给予长时间等待的车辆更多的关注,提高车辆公平性。3.基于中移物联网One NET云平台,构建了一个“云-端”协同智慧交通信号灯控制系统,使系统对真实场景下的交通流具有更强的实时性和适用性。通过SUMO模拟器模拟终端路网环境,将模拟数据上传至One NET云平台并推送至云端模型作为其输入,在模型计算出动作后由云平台下发动作指令给终端设备,进行相位动作的执行。为了验证本文方法的有效性和可用性,本文采用城市交通模拟器SUMO进行了一系列的仿真实验,实验证明本文提出的两种算法能够提高车辆公平性并兼顾全局通行效率,且对不同的路网交通场景具有更强的针对性,能实时做出决策。