基于强化学习的交叉口交通低排放信号控制研究

• 作者: 李昕
• 来源期刊: 电子技术
• 关键词: Q学习 模糊推理 交通信号控制 排队长度 尾气排放
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 电子技术研发
• 页码范围: 5-8
• 页数: 4页
• 字数: 2895字
• 语种: 中文

摘要

交叉口车辆排放较为复杂，尤其是在考虑初始排队长度的情况下，更是难以建立明确的数学模型。Q学习是一种无模型的强化学习算法，通过与环境的试错交互学习最优控制策略。本文提出了一种基于Q学习的交通排放信号控制方案。利用仿真平台USTCMTS2.0，通过不断地试错学习找到在不同相位排队长度下最优配时。在Q学习中添加了模糊初始化Q函数的方法以改进Q学习的收敛速度，加速了学习过程。仿真实验结果表明：强化学习算法取得较好的效果。相比较Hideki的方法，在车流量较高时，车辆平均排放量减少了13.9%，并且对Q函数值的模糊初始化大大加速了Q函数收敛的过程。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李昕	中国科学技术大学信息科学技术学院	54	993	14.0	31.0