基于联邦学习的智能交通灯控制方法  

作　　者：梁湘悦 韩臻[1] 何嘉豪 王健[1] 

机构地区：[1]北京交通大学,北京100044

出　　处：《网络安全技术与应用》2023年第2期39-43,共5页Network Security Technology & Application

基　　金：国家重点研发计划(2020YFB2103800);山东省重大科技创新工程项目(2019JZZY020128)。

摘　　要：近些年交通拥堵日益严重,缓解拥堵的主要方法是调控交通信号灯以合理指挥车辆通行。现有信号灯大多通过固定时间规则控制,无法根据实时车流调整;而目前主流的深度强化学习控制方法虽然能动态调整决策,但基本都采用单个特征或整个道路的连续快照作为道路状态,数据维度有限且会直接泄露车辆隐私。本文提出了一种联邦学习与深度强化学习结合的分层信号灯控制方法,底层将采集数据处理为道路状态并上传到上层完成深度强化学习训练策略。同时采用车辆、路侧设备收集数据扩充了数据维度,并利用联邦学习技术保障车辆用户隐私。最后在仿真平台中不同车流情况下将本文方案与先前方案进行了对比实验,分析表明本文方案较以往方案加强了对车辆的隐私保护,并且模型性能优于基线方案,提高了路口的通行效率。

关 键 词：联邦学习 深度强化学习 信号灯控制 智能交通 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置] TP181[自动化与计算机技术—控制科学与工程] U491.54[交通运输工程—交通运输规划与管理]