表达或许已足够:面向基于强化学习的交通信号控制的压力与需求表示
人工智能
2022-08-10 v3 机器学习
信号处理
摘要
许多研究证实,对于经典交通信号控制(TSC)问题,恰当的交通状态表示比复杂算法更为重要。本文中,我们(1)提出一种新颖、灵活且高效的方法,即进阶最大压力(Advanced-MP),同时考虑行驶中车辆与排队车辆来决定是否切换当前信号相位;(2)基于Advanced-MP的高效压力与有效行驶车辆,创新性地设计交通流表示,即进阶交通状态(ATS);(3)通过将ATS与最新强化学习(RL)方法结合,开发基于RL的算法模板Advanced-XLight,并由此生成两种RL算法,即Advanced-MPLight与Advanced-CoLight。在多个真实世界数据集上的综合实验表明:(1)Advanced-MP优于基线方法,且其部署高效可靠;(2)Advanced-MPLight与Advanced-CoLight可达到最先进水平(state-of-the-art)。
引用
@article{arxiv.2112.10107,
title = {Expression might be enough: representing pressure and demand for reinforcement learning based traffic signal control},
author = {Liang Zhang and Qiang Wu and Jun Shen and Linyuan Lü and Bo Du and Jianqing Wu},
journal= {arXiv preprint arXiv:2112.10107},
year = {2022}
}
备注
10 pages, 5 figures