基于CMAC强化学习的交叉口信号控制

• 作者: 杨照辉 温凯歌
• 来源期刊: 计算机工程
• 学科: 交通运输
• 关键词: 交通控制 强化学习 小脑模型关节控制器 非均匀量化 信号交叉口
• 年，卷（期）: 2011,（17）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 152-154
• 分类号: U491
• 字数: 3289字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2011.17.051

摘要

采用神经网络值函数逼近的强化学习方法处理交叉口的信号控制.根据交通流及交叉口信号特征,建立强化学习的状态空间、动作空间和回报空间,以最小化车辆在交叉口的延误为控制目标,对信号进行优化控制.引入小脑模型关节控制器神经网络对强化学习(RL)的Q值进行逼近.在变化的交通条件下,使用典型交叉口对提出的RL模型进行验证,同传统的定时控制和全感应控制进行对比分析.仿真结果表明,RL控制器具有较强的学习能力,可以适应交通流的动态变化,稳定性好、自适应性强,对于环境变化具有较强的适应能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨照辉	长安大学电子与控制工程学院	8	47	5.0	6.0
2	温凯歌	长安大学电子与控制工程学院	6	20	2.0	4.0