基于深度强化学习的真实拓扑非耦合交叉口分布式交通灯控制
人工智能
2018-11-29 v1
摘要
本工作考察了具有局部真实拓扑与传感器设置的非耦合交叉口对交通灯控制方法的影响。针对交叉口的交通流、燃油消耗与噪声排放评估了各类控制方法。描绘、预处理了 Friedrichshafen 的真实道路网，并依据状态空间与动作空间对现有交通灯控制交叉口进行建模。实现并评估了包含固定时长、基于间隙与基于时间控制方法以及我们基于深度强化学习（DRL）的控制方法在内的不同策略。我们的新颖 DRL 方法允许对交通灯控制（TLC）动作空间建模，涉及相位选择及过渡时序选择。研究发现，真实拓扑——亦即不规则排布的交叉口——会影响交通灯控制方法的性能。即便在同一交叉口类型（n 臂、m 相位）内亦可观察到此现象。此外我们表明，这些影响可由我们基于深度强化学习的控制方法高效应对。
引用
@article{arxiv.1811.11233,
title = {Distributed traffic light control at uncoupled intersections with real-world topology by deep reinforcement learning},
author = {Mark Schutera and Niklas Goby and Stefan Smolarek and Markus Reischl},
journal= {arXiv preprint arXiv:1811.11233},
year = {2018}
}
备注
32nd Conference on Neural Information Processing Systems, within Workshop on Machine Learning for Intelligent Transportation Systems