基于强化学习的城市交通路径规划

• 作者: 刘思嘉 童向荣
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 路径规划 城市交通 强化学习 Dyna框架 Sarsa算法
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 第八届中国数据挖掘会议(CCDM 2020)
• 页码范围: 185-190
• 页数: 6页
• 分类号: TP181
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020060949

摘要

城市交通路径规划需要考虑规划的快速性和车辆的安全性,而目前大多数强化学习算法不能兼顾两者.针对这个问题,首先提出采用基于模型的算法和与模型无关的算法相结合的Dyna框架,以提高规划的速度;然后使用经典的Sarsa算法作为选路策略,以提高算法的安全性;最后将两者结合提出了改进的基于Sarsa的Dyna-Sa算法.实验结果表明,提前规划步数越多的强化学习算法收敛速度越快.使用收敛速度和碰撞次数等指标,将Dyna-Sa算法与Q-学习算法、Sarsa算法和Dyna-Q算法进行对比,可知Dyna-Sa算法能够减少车辆在有障碍地图中的碰撞次数,保证车辆在城市交通环境中的安全性,同时能够提高算法收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	童向荣		50	273	10.0	14.0
2	刘思嘉		1	0	0.0	0.0