典型文献
智能网联交通环境下基于Q学习的路径规划
文献摘要：
强化学习是人工智能领域常见的一种学习范式,强化学习通过不断地与环境进行交互来使得整体行动收益达到最大化.智能网联交通是未来智能交通的发展趋势,通过智能的路侧设施,可为智能网联汽车提供独特的鸟瞰视角输入.为研究强化学习在智能网联交通环境下对路径规划的作用,将智能网联交通环境提供的鸟瞰视角作为输入,使用Canny方法将俯视交通环境中的道路形状进行特征提取,简化成网格显示,从而把复杂的路径规划问题转换成简单的基于表格的求解问题.使用Q学习这种经典的off-policy强化学习方法,对智能网联汽车进行多交叉口路径规划.研究发现,Q学习在多至9个宫格的情况下,仍具有快速的收敛性和可靠的成功率.
文献关键词：
智能网联交通;路径规划;强化学习;鸟瞰视角;Q学习
中图分类号：
作者姓名：
黄罗毅;马万经;王玲
作者机构：
同济大学 道路与交通工程教育部重点实验室,上海 201804;博世汽车部件(苏州)有限公司,苏州 215025
文献出处：
引用格式：
[1]黄罗毅;马万经;王玲-.智能网联交通环境下基于Q学习的路径规划)[J].交通与运输,2022(04):63-67
A类：
B类：
智能网联交通,交通环境,路径规划,人工智能领域,学习范式,学习通,智能交通,路侧设施,智能网联汽车,鸟瞰视角,Canny,俯视,规划问题,问题转换,转换成,表格,off,policy,强化学习方法,交叉口,宫格,收敛性
AB值：
0.27619
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。
