MARL-FWC：高速公路交通管控措施的最优协调
系统与控制
2018-08-30 v1 人工智能
摘要
本文的目标是利用多匝道调节控制及其互补的动态限速(DSLs)来优化高速公路上的整体交通流。当高速公路密度与最大交通流临界比之间的差异最小时，可达到最优的高速公路运行。本文提出了一种用于匝道调节和DSLs的高速公路控制多智能体强化学习(MARL-FWC)系统。MARL-FWC基于协作式马尔可夫决策过程建模(马尔可夫博弈)及相应的协作Q学习算法，在网络层面引入了一种新的微观框架。该技术在协调图框架下结合了收益传播(Max-Plus算法)，尤其适用于最优控制目的。MARL-FWC提供三种控制设计：完全独立、完全分布式和集中式，适用于不同的网络架构。为评估所提出的联合收益模型及全局收益模型，对MARL-FWC进行了广泛测试。实验在知名的交通仿真器VISSIM中以重交通流进行，以评估MARL-FWC。实验结果表明，在保持最优交通流的同时，总行程时间显著减少，平均速度提高(与基准情形相比)。
引用
@article{arxiv.1808.09806,
title = {MARL-FWC: Optimal Coordination of Freeway Traffic Control Measures},
author = {Ahmed Fares and Walid Gomaa and Mohamed A. Khamis},
journal= {arXiv preprint arXiv:1808.09806},
year = {2018}
}