本文主要研究内容
作者戴升宏,李志斌（2019）在《基于图像卷积神经网络的匝道控制深度强化学习算法研究》一文中研究指出：针对入口匝道流量控制提升通行效率问题,提出了一种基于图像卷积神经网络的匝道控制深度强化学习算法.克服传统依赖定点检测器的匝道控制对于交通状态估计模糊的缺陷,建立基于图像卷积神经网络的连续时空交通状态解析,采用具有优先经验回放的深度Q学习算法,构建以视频图像作为输入、最优匝道流量策略为输出的算法框架.基于交通仿真(SUMO)平台,模拟了典型的高速公路合流瓶颈路段并进行控制效果测试.结果表明,深度强化学习匝道控制策略能够主动响应不同的交通状态,在短训练时间内达到目标找到最优控制策略,通过采取合适控制动作消除和预防合流区拥堵.本文提出的控制策略有效减少系统总旅行时间13. 05%,优于传统定时调节式匝道控制和反馈式匝道控制算法,能更加有效提升高速公路合流区通行效率.
Abstract
zhen dui ru kou za dao liu liang kong zhi di sheng tong hang xiao lv wen ti ,di chu le yi chong ji yu tu xiang juan ji shen jing wang lao de za dao kong zhi shen du jiang hua xue xi suan fa .ke fu chuan tong yi lai ding dian jian ce qi de za dao kong zhi dui yu jiao tong zhuang tai gu ji mo hu de que xian ,jian li ji yu tu xiang juan ji shen jing wang lao de lian xu shi kong jiao tong zhuang tai jie xi ,cai yong ju you you xian jing yan hui fang de shen du Qxue xi suan fa ,gou jian yi shi pin tu xiang zuo wei shu ru 、zui you za dao liu liang ce lve wei shu chu de suan fa kuang jia .ji yu jiao tong fang zhen (SUMO)ping tai ,mo ni le dian xing de gao su gong lu ge liu ping geng lu duan bing jin hang kong zhi xiao guo ce shi .jie guo biao ming ,shen du jiang hua xue xi za dao kong zhi ce lve neng gou zhu dong xiang ying bu tong de jiao tong zhuang tai ,zai duan xun lian shi jian nei da dao mu biao zhao dao zui you kong zhi ce lve ,tong guo cai qu ge kuo kong zhi dong zuo xiao chu he yu fang ge liu ou yong du .ben wen di chu de kong zhi ce lve you xiao jian shao ji tong zong lv hang shi jian 13. 05%,you yu chuan tong ding shi diao jie shi za dao kong zhi he fan kui shi za dao kong zhi suan fa ,neng geng jia you xiao di sheng gao su gong lu ge liu ou tong hang xiao lv .
论文参考文献
论文详细介绍
论文作者分别是来自交通工程的戴升宏,李志斌，发表于刊物交通工程2019年04期论文，是一篇关于匝道控制论文,人工智能论文,深度强化学习论文,图像论文,效果评价论文,交通工程2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自交通工程2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。