高效压力：提升信号化交叉口的效率
机器学习
2021-12-07 v1 人工智能
摘要
由于传统方法无法适应动态交通状况，强化学习（RL）已引起更多关注，助力解决交通信号控制（TSC）问题。然而，现有基于 RL 的方法很少被部署，因为它们在计算资源上既不具成本效益，也不比传统方法更鲁棒，这引发了一个关键研究问题：如何基于 RL 方法构建一种训练更少、复杂度更低的 TSC 自适应控制器？为解答该问题，本文中我们（1）创新性地将交通流动表征指定为交通网络中车辆队列的一种简单而高效的压力，即高效压力（EP）；（2）构建一套交通信号设置协议，包括相位时长、信号相位数量以及用于 TSC 的 EP；（3）基于传统最大压力（MP）方法设计了一种 TSC 方法，即利用 EP 捕捉交通状态的高效最大压力（Efficient-MP）；（4）开发了基于 RL 的通用 TSC 算法模板：EP 下的高效 Xlight（Efficient-XLight）。通过在我们的交通信号设置协议下多个真实世界数据集上的综合实验，我们证明了高效压力可补充传统与基于 RL 的建模，以设计更好的 TSC 方法。我们的代码已发布于 Github。
引用
@article{arxiv.2112.02336,
title = {Efficient Pressure: Improving efficiency for signalized intersections},
author = {Qiang Wu and Liang Zhang and Jun Shen and Linyuan Lü and Bo Du and Jianqing Wu},
journal= {arXiv preprint arXiv:2112.02336},
year = {2021}
}
备注
7pages, 3figures