基于强化学习的间歇式公交专用道协调控制方法-资讯-控制网

基于强化学习的间歇式公交专用道协调控制方法

点击数：1236 发布时间：2023-12-30 19:47:44
分享到：

在公共交通中，公交专用道作为重要的交通设施，能够在保证高速、高效、高质量的同时，减少城市交通拥堵，提高公共交通的服务质量和运营效率。本文针对间歇式公交专用道与下游信号交叉口的信号控制协调优化需求，提出了涵盖公交专用道Agent、公交车Agent和交通信号灯Agent的多类型多智能体（Multi-TypeMulti-Agent）混合控制模型，并采用Q学习和SARSA两种强化学习方法对传统间歇式公交专用道、移动间歇式公交专用道两种控制场景进行了参数设计，提出了TLS-IBL-QL、TLS-IBL-SARSA、TLS-MBL-QL和TLS-MBL-SARSA优化模型。实验结果表明，TLS-IBL-SARSA算法的性能优于TLS-IBL-QL算法，TLS-MBL-QL的性能优于TLS-MBL-SARSA算法，两类控制算法均明显优于传统的TLS-DBL公交专用道控制。

关键词：强化学习 , 协调控制 , 公交专用道 , 移动间歇式

★北方工业大学郑国荣，张尊栋，刘小明，张巍，周天翼

摘要：在公共交通中，公交专用道作为重要的交通设施，能够在保证高速、高效、高质量的同时，减少城市交通拥堵，提高公共交通的服务质量和运营效率。本文针对间歇式公交专用道与下游信号交叉口的信号控制协调优化需求，提出了涵盖公交专用道Agent、公交车Agent和交通信号灯Agent的多类型多智能体（Multi-TypeMulti-Agent）混合控制模型，并采用Q学习和SARSA两种强化学习方法对传统间歇式公交专用道、移动间歇式公交专用道两种控制场景进行了参数设计，提出了TLS-IBL-QL、TLS-IBL-SARSA、TLS-MBL-QL和TLS-MBL-SARSA优化模型。实验结果表明，TLS-IBL-SARSA算法的性能优于TLS-IBL-QL算法，TLS-MBL-QL的性能优于TLS-MBL-SARSA算法，两类控制算法均明显优于传统的TLS-DBL公交专用道控制。

关键词：强化学习；移动间歇式；公交专用道；协调控制

在线预览：基于强化学习的间歇式公交专用道协调控制方法.pdf

摘自《自动化博览》2023年12月刊

1.我有以下需求：
得到贵公司产品详细资料得到贵公司产品的价格信息贵公司产品销售人员联系我贵公司技术支持人员联系我
2.详细的需求：
*
姓名:	*
单位:
电话:	*
邮件:	*

技术频道

行业频道

热门频道

技术频道

行业频道

热门频道

资讯频道

热点新闻

推荐产品