基于深度强化学习的机场出租车司机决策方法

作者：王鹏勇; 陈龚涛; 赵江烁

来源：计算机与现代化, 2020, (08): 94-104.

• 出租车调度
• 深度强化学习
• DQN
• Q值函数

针对以机场为代表的大型交通枢纽出租车调度困难的问题,从出租车司机利益的角度出发,提出一种基于改进深度强化学习的司机决策方法。该方法首先对机场环境和机场所在的城市环境进行模拟,定义了司机的状态、动作,与环境交互获得的奖励和状态转移。然后,以司机的状态参数作为DQN的输入,用DQN拟合状态-动作值函数(Q值函数)。最后,通过不断地让司机根据ε-贪心策略做出决策,并根据奖励函数达到更新DQN参数的目的。实验结果表明:在模拟的大、中、小型城市等环境下,司机都可以通过模型定量地得到当前各种决策动作的期望收益并作出合理的决策,从而自动地完成出租车调度的过程。

• 单位
  中国矿业大学; 中国矿业大学（北京）; 数学学院