基于深度强化学习的交通信号灯控制

题名

基于深度强化学习的交通信号灯控制

DOI

作者

陈树德彭佳汉高旭赖晓晨

作者单位

大连理工大学软件学院

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。

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

刊名

计算机研究与应用

ISSN

3078-9850

年、卷(期)

20209

所属期刊栏目

数学与物理