• 
    <ul id="auswy"><sup id="auswy"></sup></ul>
  • <ul id="auswy"></ul>
    ABB
    關注中國自動化產業發展的先行者!
    CAIAC 2025
    2025工業安全大會
    OICT公益講堂
    當前位置:首頁 >> 資訊 >> 行業資訊

    資訊頻道

    基于強化學習的間歇式公交專用道協調控制方法
    • 點擊數:1257     發布時間:2023-12-30 19:47:44
    • 分享到:
    在公共交通中,公交專用道作為重要的交通設施,能夠在保證高速、高效、高質量的同時,減少城市交通擁堵,提高公共交通的服務質量和運營效率。本文針對間歇式公交專用道與下游信號交叉口的信號控制協調優化需求,提出了涵蓋公交專用道Agent、公交車Agent和交通信號燈Agent的多類型多智能體(Multi-TypeMulti-Agent)混合控制模型,并采用Q學習和SARSA兩種強化學習方法對傳統間歇式公交專用道、移動間歇式公交專用道兩種控制場景進行了參數設計,提出了TLS-IBL-QL、TLS-IBL-SARSA、TLS-MBL-QL和TLS-MBL-SARSA優化模型。實驗結果表明,TLS-IBL-SARSA算法的性能優于TLS-IBL-QL算法,TLS-MBL-QL的性能優于TLS-MBL-SARSA算法,兩類控制算法均明顯優于傳統的TLS-DBL公交專用道控制。

    ★北方工業大學鄭國榮,張尊棟,劉小明,張巍,周天翼

    摘要:在公共交通中,公交專用道作為重要的交通設施,能夠在保證高速、高效、高質量的同時,減少城市交通擁堵,提高公共交通的服務質量和運營效率。本文針對間歇式公交專用道與下游信號交叉口的信號控制協調優化需求,提出了涵蓋公交專用道Agent、公交車Agent和交通信號燈Agent的多類型多智能體(Multi-TypeMulti-Agent)混合控制模型,并采用Q學習和SARSA兩種強化學習方法對傳統間歇式公交專用道、移動間歇式公交專用道兩種控制場景進行了參數設計,提出了TLS-IBL-QL、TLS-IBL-SARSA、TLS-MBL-QL和TLS-MBL-SARSA優化模型。實驗結果表明,TLS-IBL-SARSA算法的性能優于TLS-IBL-QL算法,TLS-MBL-QL的性能優于TLS-MBL-SARSA算法,兩類控制算法均明顯優于傳統的TLS-DBL公交專用道控制。

    關鍵詞:強化學習;移動間歇式;公交專用道;協調控制

    在線預覽:基于強化學習的間歇式公交專用道協調控制方法.pdf

    摘自《自動化博覽》2023年12月刊

    熱點新聞

    推薦產品

    x
    • 在線反饋
    1.我有以下需求:



    2.詳細的需求:
    姓名:
    單位:
    電話:
    郵件: