原文服务方: 计算机应用研究       
摘要:
针对路口交通拥堵现象,结合雾计算和强化学习理论,提出了一种FRTL(fog reinforcement traffic light)交通灯控制模型,该模型根据实时的交通流信息进行交通灯智能协同控制.雾节点将收集到的实时交通流信息上传到雾服务器,雾服务器在雾平台实现信息共享,雾平台结合处理后的共享数据和Q学习制定交通灯控制算法.算法利用检测到的实时交通数据计算出合适的交通灯配时方案,最终应用到交通灯上.仿真结果表明,与传统的分时段控制方式和主干道控制方式(ATL)相比,FRTL控制方法提高了路口的吞吐量,减少了车辆平均等待时间,达到了合理调控红绿灯时间、缓解交通拥堵的目标.
推荐文章
智能车交通灯识别
颜色阈值
形状特征
模板匹配
基于GA和LSTM的智能交通灯调度方法
智能交通灯调度
GA
LSTM
遗传方法
长短期记忆网络
交通路网
基于动态贝叶斯网络的交通灯自主智能决策
交通灯
交通堵塞
智能决策
动态贝叶斯网络(DBN )
基于VHDL 的交通灯控制器设计
交通灯控制器
电子设计自动化
硬件描述语言
可编程器件
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于雾计算和强化学习的交通灯智能协同控制研究
来源期刊 计算机应用研究 学科
关键词 十字路口 交通灯 雾计算 强化学习 Q学习
年,卷(期) 2020,(2) 所属期刊栏目 算法研究探讨
研究方向 页码范围 465-469
页数 5页 分类号 TP273.1
字数 语种 中文
DOI 10.19734/j.issn.1001-3695.2018.08.0543
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 樊秀梅 西安理工大学自动化与信息工程学院 6 0 0.0 0.0
2 安萌萌 西安理工大学自动化与信息工程学院 1 0 0.0 0.0
3 蔡含宇 西安理工大学自动化与信息工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (173)
参考文献  (15)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1959(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(3)
  • 参考文献(0)
  • 二级参考文献(3)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(3)
  • 参考文献(2)
  • 二级参考文献(1)
2015(4)
  • 参考文献(2)
  • 二级参考文献(2)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(4)
  • 参考文献(4)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
十字路口
交通灯
雾计算
强化学习
Q学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导