典型文献
基于强化学习的多路口可变车道协同控制方法
文献摘要：
为了解决传统的可变导向车道控制方法无法适应多路口场景下的复杂交通流的问题,提出基于多智能体强化学习的多路口可变导向车道协同控制方法来缓解多路口的交通拥堵状况.该方法对多智能体强化学习(QMIX)算法进行改进,针对可变导向车道场景下的全局奖励分配问题,将全局奖励分解为基本奖励与绩效奖励,提高了拥堵场景下对车道转向变化的决策准确性.引入优先级经验回放算法,以提升经验回放池中转移序列的利用效率,加速算法收敛.实验结果表明,本研究所提出的多路口可变导向车道协同控制方法在排队长度、延误时间和等待时间等指标上的表现优于其他控制方法,能够有效协调可变导向车道的策略切换,提高多路口下路网的通行能力.
文献关键词：
可变导向车道;强化学习;多智能体;自适应控制;智能交通
中图分类号：
作者姓名：
徐小高;夏莹杰;朱思雨;邝砾
作者机构：
浙江大学 计算机科学与技术学院,浙江 杭州 310027;中南大学 计算机学院,湖南 长沙 410012
文献出处：
引用格式：
[1]徐小高;夏莹杰;朱思雨;邝砾-.基于强化学习的多路口可变车道协同控制方法)[J].浙江大学学报（工学版）,2022(05):987-994,1005
A类：
可变导向车道
B类：
多路口,可变车道,协同控制,车道控制,交通流,多智能体强化学习,交通拥堵,QMIX,道场,分配问题,优先级经验回放,速算,排队长度,延误时间,等待时间,路网,通行能力,自适应控制,智能交通
AB值：
0.222006
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
