基于深度强化学习的单路口信号控制算法

作者：郭梦杰; 任安虎

来源：电子测量技术, 2019, 42(24): 49-52.

DOI：10.19651/j.cnki.emt.1903223

• 深度学习
• 交通信号控制
• Deep Q-network
• SUMO

针对交通拥堵问题,利用深度强化学习与交通信号控制相结合的方法,构造一个单路口的道路模型,将交通信号控制问题转化为一个Agent在离散时间步长上与交叉口交互的强化学习问题,将交叉口的等待时间作为目标函数。利用强化学习的决策能力和深度学习的感知能力,使得智能体Agent在观测到环境状态后选择出当前状态下可能的最优控制策略并执行,并根据奖赏函数来更新下一时刻的状态。在仿真软件SUMO上进行仿真实验,与定时控制模式相比,所提出的方法在不同饱和度流量下的车辆等待时间均有不同程度的提升,验证了算法的有效性。

• 单位
  西安工业大学; 电子信息工程学院