交通路口的信号控制是缓解交通拥堵压力、提高出行效率并减少安全事故的重要手段。交通控制系统是一个复杂的不确定系统,并具有非线性结构。传统的控制方法,如建模实现信号控制方法在实际应用中局限性较大。随着近年来深度学习方法的不断发展与在实际中的应用,强化学习的方法在交通控制中的应用也越来越多。提出了基于神经网络和强化学习相结合的控制算法,即深度Q学习算法,一定程度上改善了交通路口的交通状况。并采用一款开源的微观交通仿真器SUMO对交通路口的信号控制进行仿真,实验结果表明该方法的有效性。
类型: 期刊论文
作者: 喻金忠,曹进德
关键词: 城市交通信号控制,深度学习,卷积神经网络
来源: 工业控制计算机 2019年06期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,自动化技术
单位: 东南大学自动化学院,东南大学江苏省网络群体智能实验室
分类号: TP18;U491.54
页码: 88-89+92
总页数: 3
文件大小: 645K
下载量: 470
本文来源: https://www.lunwen66.cn/article/bbef126f686fe541b1ba66c0.html