MTLight：用于交通信号控制的高效多任务强化学习
人工智能
2024-04-02 v1
摘要
交通信号控制对缓解现代城市的交通拥堵具有重大影响。近年来，深度强化学习（RL）被广泛应用于该任务，展现出了良好的性能，但也面临着许多挑战，如性能受限和样本效率低下。为了应对这些挑战，本文提出了 MTLight，利用从众多交通指标中学习到的潜在状态来增强智能体的观测。同时，构建了多个辅助和监督任务来学习该潜在状态，并使用两类嵌入潜在特征，即任务特定特征和任务共享特征，使潜在状态更加丰富。在 CityFlow 上进行的大量实验表明，MTLight 具有领先的收敛速度和渐近性能。我们进一步在所有场景中模拟了控制难度不断增加的高峰时段模式，结果表明 MTLight 具有高度的适应性。
引用
@article{arxiv.2404.00886,
title = {MTLight: Efficient Multi-Task Reinforcement Learning for Traffic Signal Control},
author = {Liwen Zhu and Peixi Peng and Zongqing Lu and Yonghong Tian},
journal= {arXiv preprint arXiv:2404.00886},
year = {2024}
}