【技术实现步骤摘要】
本专利技术涉及一种基于深度强化学习的多交叉路口交通信号控制方法，属于交通信号控制领域与机器学习领域。
技术介绍
1、强化学习(rl，reinforcement learning)是一种有效解决复杂城市交通网络中自适应交通信号控制(atsc，adaptive traffic signal control)的数据驱动方法，而深度神经网络进一步增强了其学习能力。实现智能交通信号控制是一种减少交通拥堵和提高交通效率的低成本方法，因为交通流量具有随时变化和随机性的特点，尤其是在多交叉路口的复杂城市交通环境，因此交通流量控制仍然十分困难。一种预设的交通控制模型不可能符合所有的交通情况。所以有更多研究关注基于机器学习的实时交通流量控制。在所有机器学习方法中，强化学习因其强大的自我学习能力而备受关注，能够智能感知不同的环境条件并进行自适应调节控制，以符合实际交通状况。
2、虽然已经有团队提出了基于自适应减少延迟时间的交通信号控制q学习方法，但仅仅考虑了单交叉路口的简单情况。另一团队提出了一种自适应动态规划方案实施多十字路口的交通信号智能控制...
【技术保护点】
1.基于深度强化学习的多交叉路口交通信号控制方法，其特征在于，该方法包含以下两个部分：
2.根据权利要求1所述的基于深度强化学习的多交叉路口交通信号控制方法，其特征在于，在信号灯相位状态矩阵被输入到神经网络中之后，神经网络根据输入的当前状态和环境即采集的车流信息进行决策，其步骤如下：
【技术特征摘要】
1.基于深度强化学习的多交叉路口交通信号控制方法，其特征在于，该方法包含以下两个部分：
2.根据权利要求1所述的基于深度强化学习的多交叉...
【专利技术属性】
技术研发人员：邓恒，王宇龙，高扬，武洁宇，李玉柔，王霁虹，张利国，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。