CoTV：基于深度强化学习的交通信号灯与网联自动驾驶车辆协同控制
人工智能
2023-02-15 v2 机器学习
系统与控制
系统与控制
摘要
仅以减少出行时间为目标不足以支撑未来智能交通系统的发展。为契合联合国可持续发展目标（UN-SDG），还应考虑进一步降低燃油消耗与排放、提升交通安全性，以及简化基础设施的部署与维护。不同于现有工作仅聚焦于交通信号灯（以提升路口吞吐）或车辆速度（以稳定交通）的单方面控制优化，本文提出一种多智能体深度强化学习（DRL）系统 CoTV，其协同控制交通信号灯与网联自动驾驶车辆（CAV）。因此，我们的 CoTV 能够很好地平衡出行时间、燃油与排放的降低目标。同时，CoTV 仅需在各进口道与交通灯控制器距离最近的单辆 CAV 协作即可轻松部署，从而实现了交通灯控制器与 CAV 之间更高效的协调，进而使 CoTV 在大规模多智能体场景下（传统上难以收敛）得以收敛。我们给出了 CoTV 的详细系统设计，并在 SUMO 仿真中于多种网格地图及含混行自动驾驶交通的真实城市场景下验证了其有效性。
引用
@article{arxiv.2201.13143,
title = {CoTV: Cooperative Control for Traffic Light Signals and Connected Autonomous Vehicles using Deep Reinforcement Learning},
author = {Jiaying Guo and Long Cheng and Shen Wang},
journal= {arXiv preprint arXiv:2201.13143},
year = {2023}
}