基于强化学习交通灯控制与车辆诱导算法.docVIP

基于强化学习交通灯控制与车辆诱导算法 　　摘 要：城市交通控制的核心是由交通灯控制系统和车辆诱导系统两部分组成，实现在空间上对交通流进行分流和在时间上对交通灯进行动态配时。文章设计基于Q学习的交通灯控制算法和基于Sarsa学习的车辆诱导算法，从对系统整体性能的角度出发利用协同控制策略，更好地解决城市道路交通拥堵问题。 　　关键词：交通灯控制；车辆诱导；Q学习；Sarsa学习 　　引言 　　针对我国城市道路交通的现状，在交通灯控制系统和车辆诱导系统独立实施的基础上，以交通道路信息的协同为基础，从协同模式着手。 　　越来越多的学者致力于智能交通系统的研究，提出很多交通控制策略。Bell等人提出的交通灯控制与车辆诱导协同模型有低水平的数据共享方式、高层次的策略交互方式，主要考虑了数据信息的共享[1]。孙建平等人在基于Agent的理论上提出交通灯控制与车辆诱导协同模型，并对基于知识模型的多智能体交通控制进行研究[2]；龚 等人在对交通灯控制和车辆诱导分别进行研究的基础上，提出了融合算法来提高两系统之间的协同效果，从而提高了交通系统的性能[3]。Mirchandani等人设计研究了交通灯控制与车辆诱导偏重式控制系统，两个系统在数据和策略实施上都进行协同控制，更好的利用交通信息[4]。 　　在实际的交通控制策略中，交通灯控制策略和车辆诱导策略在信息产生、数据处理和策略实施等多个方