深度强化学习在交通控制中的应用  

Deep Reinforcement Learning for Traffic Control

作　　者：喻金忠 曹进德[2] 

机构地区：[1]东南大学自动化学院,江苏南京210096 [2]东南大学江苏省网络群体智能实验室,江苏南京210096

出　　处：《工业控制计算机》2019年第6期88-89,92,共3页Industrial Control Computer

摘　　要：交通路口的信号控制是缓解交通拥堵压力、提高出行效率并减少安全事故的重要手段。交通控制系统是一个复杂的不确定系统,并具有非线性结构。传统的控制方法,如建模实现信号控制方法在实际应用中局限性较大。随着近年来深度学习方法的不断发展与在实际中的应用,强化学习的方法在交通控制中的应用也越来越多。提出了基于神经网络和强化学习相结合的控制算法,即深度Q学习算法,一定程度上改善了交通路口的交通状况。并采用一款开源的微观交通仿真器SUMO对交通路口的信号控制进行仿真,实验结果表明该方法的有效性。This paper proposes a deep reinforcement learning control algorithm based on neural network and reinforcement learning,which improves the traffic condition of traffic intersections to some extent.The simulation is carried out by using SUMO.

关 键 词：城市交通信号控制 深度Q学习 卷积神经网络 SUMO 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]