利用高维状态表示和高效深度强化学习优化交通信号控制
系统与控制
2024-11-13 v1 人工智能
系统与控制
摘要
在基于强化学习（RL）的交通信号控制（TSC）中，根据路口车辆的可用信息做出信号配时决策。这构成了 RL 环境的状态表示，可以是包含多个变量的高维表示，也可以是低维向量。现有研究表明，使用高维状态表示并不能提升 TSC 性能。然而，我们通过实验结果主张，高维状态表示实际上可以带来更好的 TSC 性能，平均等待时间最多可改进 17.9%。这种高维表示可通过具有成本效益的车辆到基础设施（V2I）通信获得，鼓励其在 TSC 中的采用。此外，考虑到状态的大规模，我们确定了需要计算高效模型的需求，并探索了通过剪枝进行模型压缩。
引用
@article{arxiv.2411.07759,
title = {Optimizing Traffic Signal Control using High-Dimensional State Representation and Efficient Deep Reinforcement Learning},
author = {Lawrence Francis and Blessed Guda and Ahmed Biyabani},
journal= {arXiv preprint arXiv:2411.07759},
year = {2024}
}
备注
Under Review