基于深度强化学习的交通路径诱导研究

摘要：

社会的发展给城市交通带来空气污染、 交通拥堵等问题,智能交通系统的出现为缓解交通拥堵提供了新的解决方法.交通路径诱导作为智能交通系统的一个组成分支,已经成为了一个学术研究和关注的重要方向.本文考虑到交通路网的复杂性多变性,而因此构建基于深度强化学习的网络模型,使用波尔兹曼概率选择策略,对路网中的车辆进行诱导.实验采用由SUMO仿真器得到的数据,对比Sarsa路径诱导算法,验证了基于深度强化学习的路径诱导效果优于Sarsa学习路径诱导.

关键词：交通路径诱导、深度强化学习、玻尔兹曼概率选择策略、SUMO、Sarsa

在线出版日期：2019-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共1页

页码：282