强化学习在城市交通信号灯控制方法中的应用

论文摘要

悉尼自适应交通控制系统（SCATS）、绿信比-周期-相位差优化技术（SCOOT）及Smooth着深圳城市交通流量急剧增长,深圳交警在自主研发Smooth分布式、自适应调控要求,联合创新了人工信号控制方案TrafficGo,探索基于深度神经网络的强化学习,通过在线学习各种流量负荷,实时推理计算信控时段、相位、相序、信号周期、绿信比、相位差,进一步优化了交通信号灯的控制模式。介绍了在交通信号灯控制中运用的强化学习模型,实地测评表明,其取得了一定改进效果。

论文目录

• 1 深圳交通信控技术发展概述
•   1.1 深圳交通流采集技术发展
•   1.2 深圳交通信号控制技术发展
•   1.3 Smooth系统的技术特点
•   1.4 深圳交通信号控制技术发展方向
• 2 TrafficGo?:人工智能信号控制联合创新
•   2.1 Smooth对SCATS、SCOOT的发展
•   2.2 基于交通视频深度学习的流量采集
•   2.3 信号周期方案优化和马尔科夫决策过程
•   2.4 绿信比优化和扁平的Q学习
• 3 实验结果测评
•   3.1 实验试点情况概述
•   3.2 实验评价方式
•   3.3 信号配时实验结果
• 4 结论

文章来源

类型: 期刊论文

作者: 刘义,何均宏

关键词: 交通信号控制,强化学习,人工智能,通行效率

来源: 科技导报 2019年06期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 公路与水路运输

单位: 深圳市公安局交通警察局,华为技术有限公司

分类号: U491.54

页码: 84-90

总页数: 7

文件大小: 2477K

下载量: 534