DuaLight：利用场景特定与场景共享知识增强交通信号控制
多智能体系统
2023-12-25 v1 人工智能
机器学习
摘要
强化学习正在彻底改变传统的交通信号控制任务，展现出缓解拥堵和提高效率的巨大潜力。然而，现有方法缺乏有效的学习机制，无法吸收特定场景固有的动态信息以及跨各种场景普遍适用的动态信息。此外，在每个特定场景内，它们未能充分捕捉关于如何协调相邻路口与目标路口的关键经验，导致系统级结果次优。针对这些问题，我们提出了 DuaLight，旨在利用单一场景内的经验信息和跨各种场景的可泛化信息以增强决策能力。具体而言，DuaLight 引入了一个包含两个可学习部分的场景特定经验权重模块：路口级（Intersection-wise）和特征级（Feature-wise），指导如何自适应地利用每个场景的邻居和输入特征，从而提供更细粒度的不同路口理解。此外，我们实现了一个场景共享的协同训练（Co-Train）模块，以促进跨不同场景的可泛化动态信息的学习。在真实和合成场景上的实证结果表明，DuaLight 在各种指标上均取得了具有竞争力的性能，为缓解交通拥堵提供了一个有前景的解决方案，提升了 3-7\%。代码地址：https://github.com/lujiaming-12138/DuaLight。
引用
@article{arxiv.2312.14532,
title = {DuaLight: Enhancing Traffic Signal Control by Leveraging Scenario-Specific and Scenario-Shared Knowledge},
author = {Jiaming Lu and Jingqing Ruan and Haoyuan Jiang and Ziyue Li and Hangyu Mao and Rui Zhao},
journal= {arXiv preprint arXiv:2312.14532},
year = {2023}
}
备注
Accepted by AAMAS2024