【论文阅读】Adaptive Traffic Control with Deep Reinforcement Learning: Towards State-of-the-art and Beyond
摘要: 标题在这项工作中,我们利用强化学习(RL)研究了自适应数据引导的交通规划和控制。我们从经典方法的简单使用转向深度RL社区的最先进技术。我们在算法中嵌入了一些最新的技术,这些技术改进了用于离散控制的原始深Q网络(DQN),并讨论了与交通有关的解释。我们提出了一种新的基于DQN的交通控制算法(称为TC-DQN+),作为一种快速和更可靠的交通决策工具。我们引入了一种新形式的奖励函数,并通过与传统交通控制方法的比较,用说明性的例子进一步讨论了该函数。自适应、TC-DQN+、奖励函数交通和城市交通是每个大城
翻译
2022-06-13 11:43:27 ·
516 阅读 ·
0 评论