基于深度强化学习的交通信号灯控制

• 作者: 彭佳汉 赖晓晨 陈树德 高旭
• 来源期刊: 现代计算机
• 关键词: 预测交通状态 优化信号灯时间 深度强化学习 循环神经网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 研究与开发
• 页码范围: 34-38
• 页数: 5页
• 字数: 3366字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.03.007

摘要

交通问题具有非线性,不确定性的特征,传统算法往往难以取得较好的效果.深度学习模型在处理非线性、时序性的数据上拥有良好的表现.由此,提出一种基于深度强化学习的信号灯控制系统.该系统包括了几个部分:1)使用实时的交通数据或仿真环境产生数据;2)通过LSTM循环神经网络预测未来的交通信息;3)使用DDPG深度强化学习模型进行决策.在多个数据集上的实验验证算法的优越性及泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赖晓晨	大连理工大学软件学院	30	153	8.0	11.0
2	彭佳汉	大连理工大学软件学院	5	1	1.0	1.0
3	陈树德	大连理工大学软件学院	1	0	0.0	0.0
4	高旭	大连理工大学软件学院	1	0	0.0	0.0