基于 GNN 预测的深度融合强化学习交通灯动态控制算法
机器学习
2020-10-01 v1
摘要
当今的智能交通灯控制系统基于当前道路交通状况进行交通调节。然而，这些方法无法提前利用未来交通信息。在本文中，我们提出 GPlight，一种集成了图神经网络（GNN）的深度强化学习（DRL）算法，用于缓解多路口智能交通控制系统的交通拥堵。在 GPlight 中，首先使用图神经网络（GNN）预测路口未来的短期交通流。然后，将交通流预测结果用于交通灯控制，智能体将预测结果与观测到的当前交通状况结合，动态控制路口交通灯的阶段与时长。在合成数据以及杭州和纽约两个真实世界数据集上的实验验证了 GPlight 算法的有效性与合理性。
引用
@article{arxiv.2009.14627,
title = {A Traffic Light Dynamic Control Algorithm with Deep Reinforcement Learning Based on GNN Prediction},
author = {Xiaorong Hu and Chenguang Zhao and Gang Wang},
journal= {arXiv preprint arXiv:2009.14627},
year = {2020}
}