联网车辆车道合流协调中的深度强化学习
机器学习
2020-10-22 v1 机器人学
摘要
本文提出了一种利用集中式系统实现联网车辆车道合流协调的框架。向道路上联网车辆提供轨迹建议基于交通编排器与数据融合两大主要组件。深度强化学习与数据分析用于预测联网车辆的轨迹建议，并在这些建议中考虑非联网车辆。结果凸显了在未见过的真实世界合流场景中采用对决深度Q网络（Dueling Deep Q-Network）时交通编排器的适应性。文中还给出了不同强化学习模型的性能比较以及针对关键性能指标（KPI）的评估。
引用
@article{arxiv.2010.10567,
title = {Deep Reinforcement Learning in Lane Merge Coordination for Connected Vehicles},
author = {Omar Nassef and Luis Sequeira and Elias Salam and Toktam Mahmoodi},
journal= {arXiv preprint arXiv:2010.10567},
year = {2020}
}