资料下载
×
基于深度强化学习的路口单交叉信号控制
消耗积分:0 |
格式:rar |
大小:3.34 MB |
2021-04-23
分享资料个
利用深度强化学习技术实现路口信号控制是智能交通领域的硏究热点。现有硏究大多利用强化学习来全面刻画交通状态以及设计有效强化学习算法以解决信号配时问题，但这些研究往往忽略了信号灯状态对动作选择的影响以及经验池中的数据采样效率，导致训练过程不稳定、迭代收敛较幔等问题。为此，文中在智能体模型设计方面，将信号灯状态纳入状态设并引入动作奖惩系数来调节智能体动作选择，以满足相位最小绿灯时间和最大绿灯时间的约束。同时，结合短期内交通流存在的时序相关性，文中采用优先级序列经验回放（ Priority Sequence Experience Replay，PSER）的方式来更新经验池中序列样本的优先级，使得智能体获取与交通状况匹配度更高的前序相关样本，并通过双Q网络和竟争式Q网络来进一步提升DQN（DepQ Network）算法的性能。最后，以杭州市萧山区市心中路和山阴路形成的单交叉口为例，在仿真平台SUMO（ Simulation ofUrban Mobility）上对算法进行验证，实验结果表明，提岀的智能体模型优于无约束单一状态模型，在此基础上提出的算法能够有效缩短车辆平均等待时间和路口总排队长度，控制效果优于实际配时策略以及传统的DQN算法。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
