ModelLight：基于模型的元强化学习用于交通信号控制
机器学习
2021-12-08 v2 信号处理
摘要
交通信号控制对于交通基础设施的有效利用至关重要。车辆交通的快速增长与交通模式的变化使交通信号控制愈发具有挑战性。基于强化学习(RL)的算法已展现出处理交通信号控制的潜力。然而，大多数现有方案需要大量训练数据，这对许多真实场景而言不可接受。本文提出一种新颖的基于模型的元强化学习框架(ModelLight)用于交通信号控制。在 ModelLight 中，道路交叉口的模型集成与基于优化的元学习方法被用于提升基于 RL 的交通灯控制方法的数据效率。在真实数据集上的实验表明，ModelLight 能在大幅减少与真实环境所需交互次数的同时，优于最先进的交通灯控制算法。
引用
@article{arxiv.2111.08067,
title = {ModelLight: Model-Based Meta-Reinforcement Learning for Traffic Signal Control},
author = {Xingshuai Huang and Di Wu and Michael Jenkin and Benoit Boulet},
journal= {arXiv preprint arXiv:2111.08067},
year = {2021}
}