基于出租车司机经验的约束深度强化学习算法路径挖掘

• 作者: 毛锋 钱宇翔 黄敏
• 来源期刊: 计算机应用研究
• 关键词: 最快路径挖掘 路段经验数据库 经验学习 深度强化学习
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1298-1302
• 页数: 5页
• 分类号: TP301.6|U491
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.10.0810

摘要

利用出租车司机经验,提出约束深度强化学习算法(CDRL)在线计算不同时间段内OD间最快路线.首先描述了路段经验数据库(ERSD)的提取;然后介绍了CDRL方法,包括可选择约束路段生成和深度Q-lear-ning算法两个阶段,在第一阶段,生成OD(起终点)间可选择约束路段,在第二阶段,设计深度Q-learning算法学习出租车司机的经验,并根据他们的出发时间计算给定OD间的最快路线;最后在广州CBD进行了应用实验.结果表明,CDRL方法计算在旅行时间上优于最短路径(SR)方法,且与最快路径(FR)方法计算路径差别不大;此外,CDRL方法在计算效率方面明显优于FR和SR方法,因此更适合OD间最快路径的在线计算.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄敏	中山大学智能工程学院广东智能交通系统重点实验室	134	894	15.0	23.0
2	毛锋	中山大学智能工程学院广东智能交通系统重点实验室	3	1	1.0	1.0
3	钱宇翔	中山大学智能工程学院广东智能交通系统重点实验室	2	0	0.0	0.0