本文探讨了强化学习（RL）在智能交通系统（ITS）中的应用，特别是交通信号灯控制。RL通过智能体与环境的交互学习优化策略，涉及状态（如交通流量）、动作（选择相位、改变相位持续时间）、回报（如减少等待时间和延迟）和神经网络结构（如MLP、CNN、ResNet、GCN和RNN）。此外，文章还列举了交通仿真器如Green Light District、SUMO、AIMSUN和VISSIM在研究中的作用。
作者：宋绪杰
随着城市化和新兴智能技术的发展，交通运输系统中包含了越来越多的人工智能技 术（AI），被称为智能交通系统（ITS）。本文主要讨论强化学习（RL）在智能交通系统中的应用，下面摘录文中与“交通信号灯 控制”相关的内容。
论文标题：Deep Reinforcement Learning for Intelligent Transportation Systems: A Survey
论文作者：Ammar Haydari, Yasin Yılmaz
随着城市化和新兴智能技术的发展，交通运输系统中包含了越来越多的人工智能技 术（AI），被称为智能交通系统（ITS）。ITS 和 AI 的结合为 21 世纪运输科学研究提供了 有效解决方案，主要应用领域包括“交通信号灯控制”、“自动驾驶”、“交通流控制”等。本文主要讨论强化学习（RL）在智能交通系统中的应用。
在 Reinforcement Learning (RL) 中，智能体在 𝑡 时刻观测到系统状态 ，根据当前策略 𝜋 采取动作
，并从环境中获得回报
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
