基于深度强化学习的交通信号控制方法

摘要：

交通信号的智能控制是智能交通研究中的热点问题.为更加及时有效地自适应协调交通,文中提出了一种基于分布式深度强化学习的交通信号控制模型,采用深度神经网络框架,利用目标网络、双Q网络、价值分布提升模型表现.将交叉路口的高维实时交通信息离散化建模并与相应车道上的等待时间、队列长度、延迟时间、相位信息等整合作为状态输入,在对相位序列及动作、奖励做出恰当定义的基础上,在线学习交通信号的控制策略,实现交通信号Agent的自适应控制.为验证所提算法,在SUMO(Simulation of Urban Mobility)中相同设置下,将其与3种典型的深度强化学习算法进行对比.实验结果表明,基于分布式的深度强化学习算法在交通信号Agent的控制中具有更好的效率和鲁棒性,且在交叉路口车辆的平均延迟、行驶时间、队列长度、等待时间等方面具有更好的性能表现.

关键词：智能交通、交通信号控制、深度强化学习、分布式强化学习

所属期刊栏目：47

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;国家重点研发项目

在线出版日期：2020-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：169-174