CycLight：基于周期级策略学习交通信号协同
机器学习
2024-01-17 v1 人工智能
系统与控制
系统与控制
摘要
本研究介绍了 CycLight，一种用于网络级自适应交通信号控制（NATSC）系统的新型周期级深度强化学习（RL）方法。与大多数专注于逐步决策的传统基于 RL 的交通控制器不同，CycLight 采用周期级策略，使用参数化深度 Q 网络（PDQN）算法同时优化周期长度和绿信比。这种周期级方法有效减少了与频繁数据通信相关的计算负担，同时增强了实际应用的实用性和安全性。为多智能体协同构建了一个去中心化框架，并集成了注意力机制以准确评估周围环境对当前交叉路口的影响。CycLight 在大型合成交通网格中使用微观交通仿真工具 SUMO 进行了测试。实验结果不仅证明了 CycLight 优于其他最先进方法，还展示了其对信息传输延迟的鲁棒性。
引用
@article{arxiv.2401.08121,
title = {CycLight: learning traffic signal cooperation with a cycle-level strategy},
author = {Gengyue Han and Xiaohan Liu and Xianyue Peng and Hao Wang and Yu Han},
journal= {arXiv preprint arXiv:2401.08121},
year = {2024}
}