典型文献
基于深度强化学习的多路口信号控制优化研究
文献摘要：
新的智能交通系统在改善交通流量,优化燃油效率,减少延误和提高整体驾驶经验方面有望发挥重要作用.现今,交通拥堵是困扰人类的一个极其严重的问题,特别是一些城市交通密集的十字路口处可能会更加严重.对信号控制系统的奖励机制进行了改进,将所有路口共享奖励的机制改进为每个交叉口共享唯一的奖励,并且通过密集采样策略与多路口信号控制相结合的方式,运用时下热门的深度强化学习来解决交通信号灯配时问题.仿真实验都是基于现在国际主流的交通模拟软件(SUMO)完成,从实验结果表明,改进后的深度强化学习多路口信号控制方法相较于传统强化学习方法控制效果更佳.
文献关键词：
智能交通系统;深度强化学习;交通流量;多路口信号控制
中图分类号：
作者姓名：
赵纯;董小明;任奕颖
作者机构：
安庆师范大学计算机与信息学院,安徽安庆246000;安庆师范大学电子工程与智能制造学院,安徽安庆246000
文献出处：
引用格式：
[1]赵纯;董小明;任奕颖-.基于深度强化学习的多路口信号控制优化研究)[J].计算机应用研究,2022(08):2329-2332
A类：
多路口信号控制
B类：
深度强化学习,信号控制优化,智能交通系统,交通流量,燃油效率,延误,驾驶经验,经验方,交通拥堵,扰人,城市交通,十字路口,路口处,信号控制系统,奖励机制,机制改进,交叉口,过密,集采,采样策略,时下,交通信号灯,信号灯配时,交通模拟,SUMO,信号控制方法,强化学习方法,方法控制
AB值：
0.30697
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。
