使用深度强化学习智能体进行交通信号控制
机器学习
2016-11-04 v1 系统与控制
摘要
确保交通系统高效是现代社会的优先事项。技术进步使得交通系统能够以空前规模收集大量多样的数据。我们提出了一种交通信号控制系统，它利用这些新的高质量数据，与其他已提出的系统相比抽象程度最小。我们应用现代深度强化学习方法在交通微观模拟器SUMO中构建真正自适应的交通信号控制智能体。我们提出了一种新的状态空间，即离散交通状态编码，它是信息密集的。该离散交通状态编码用作深度卷积神经网络的输入，该网络使用带经验回放的Q-learning进行训练。我们的智能体与单隐藏层神经网络交通信号控制智能体进行比较，将平均累积延误降低了82%，平均队列长度降低了66%，平均行程时间降低了20%。
引用
@article{arxiv.1611.01142,
title = {Using a Deep Reinforcement Learning Agent for Traffic Signal Control},
author = {Wade Genders and Saiedeh Razavi},
journal= {arXiv preprint arXiv:1611.01142},
year = {2016}
}