Open Access Article
Advances in International Computer Science. 2022; 2: (2) ; 86-89 ; DOI: 10.12208/j.aics.20220014.
Intelligent Traffic signal control based on deep reinforcement learning
基于深度强化学习的智能交通信号控制
作者:
蔡铭铭 *,
何少雄,
刘志滨
河南财经政法大学计算机与信息工程学院 河南省郑州市
东北财经大学管理科学与工程学院 辽宁省大连市
齐齐哈尔大学计算机与控制工程学院 黑龙江齐齐哈尔
*通讯作者:
蔡铭铭,单位:河南财经政法大学计算机与信息工程学院 河南省郑州市;
发布时间: 2022-09-08 总浏览量: 541
PDF 全文下载
引用本文
万方数据(WANFANG DATA)
摘要
随着人工智能的日益发展和我国城市化战略的实施,交通信号已经成为一个重要的因素和热点问题。交通问题严重影响城市的可持续发展,给城市的人们带来时间和安全问题的困扰。交通与人工智能技术相结合,利用人工智能和交通相关知识处理交通问题成为趋势。基于强化学习解决智能交通信号控制问题,解决现有工作中的不足。一个是公平性问题,另一个是多交叉口控制中的通信问题。通过深度强化学习的方式,使通更加智能化,工作效率提高。
关键词: 人工智能;深度学习;交通信号;智能交通
Abstract
With the development of artificial intelligence and the implementation of urbanization strategy, traffic signal has become an important factor and hot problem. Traffic problems seriously affect the sustainable development of the city, and bring time and safety problems to the people in the city. The combination of traffic and artificial intelligence technology, using artificial intelligence and traffic-related knowledge to deal with traffic problems has become a trend. To solve the problem of intelligent traffic signal control based on reinforcement learning and solve the shortcomings in the existing work. One is the fairness problem and the other is the communication problem in multi-intersection control. Through the way of deep reinforcement learning, make Tong more intelligent and improve work efficiency
Key words: Artificial intelligence; Deep learning; Traffic signals; Intelligent transportation
参考文献 References
[1] 范文礼. 基于复杂网络理论的连锁故障建模与预防研究[D].西南交通大学,2014.
[2] 杨迪. 基于强化学习的虚拟机自适应迁移策略研究[D].重庆邮电大学,2020..
[3] 张森. 城市应急物流救援物资运输优化方法研究[D].沈阳大学,2015.
[4] 黄浩,胡智群,王鲁晗,路兆铭,温向明.基于Sumtree DDPG的智能交通信号控制算法[J].北京邮电大学学报,2021,44(01):97-103.
[5] 王娜,杨俊,李艳萍.基于自组织竞争神经网络的智能交通信号灯控制[J].电脑开发与应用,2008(10):63-65.
[6] 李浩杰,裘国永.基于自动化渗透测试的分析[J].电子设计工程,2015,23(22):25-28.D
引用本文
蔡铭铭, 何少雄, 刘志滨, 基于深度强化学习的智能交通信号控制[J]. 国际计算机科学进展, 2022; 2: (2) : 86-89.