城市交通干线的Q-学习控制算法

被引:3
作者
马凤伟
刘智勇
机构
[1] 五邑大学信息学院
关键词
交通干线协调控制; 强化学习; Q-学习控制算法; 智能体;
D O I
暂无
中图分类号
TP13 [自动控制理论];
学科分类号
0711 ; 071102 ; 0811 ; 081101 ; 081103 ;
摘要
针对城市交通干线协调控制的要求,提出了利用Q-学习控制算法和模糊算法的分层递阶控制的方法.采用两层结构,第1层为控制层,针对单个路口,对下一个时间段内路口各个方向的相位饱和度进行预测,并在此基础上计算出下一个时间段内各个路口的周期、各个方向上的绿信比;第2层是协调层,采用Q-学习控制算法对干线各个路口间的相位差进行调整.采用TSIS交通分析软件对由5个路口组成的交通干线进行仿真,Q-学习控制算法与定时控制和遗传算法进行比较,结果表明:Q-学习控制算法具有明显的优越性.
引用
收藏
页码:16 / 22
页数:7
相关论文
共 12 条
[1]   基于免疫遗传算法的区域交通自适应协调控制 [J].
刘智勇 ;
李水友 .
控制理论与应用, 2006, (01) :119-125
[2]   基于多智能体的城市道路交通控制系统及其协调优化 [J].
于德新 ;
杨兆升 ;
王媛 ;
孙建平 .
吉林大学学报(工学版), 2006, (01) :113-118
[3]   灾变粒子群优化算法及其在交通控制中的应用 [J].
董超俊 ;
刘智勇 ;
邱祖廉 ;
不详 .
计算机工程与应用 , 2005, (29) :19-23
[4]   基于蚁群算法的交通控制降阶滚动优化 [J].
闻育 ;
吴铁军 .
浙江大学学报(工学版), 2005, (06) :835-839+848
[5]   城市区域交通智能控制研究 [J].
沈国江 ;
王智 ;
刘翔 ;
孙优贤 .
信息与控制, 2004, (01) :1-5
[6]   强化学习研究综述 [J].
高阳 ;
陈世福 ;
陆鑫 .
自动化学报, 2004, (01) :86-100
[7]   一种基于agent协调的两路口交通控制方法 [J].
马寿峰 ;
李英 ;
刘豹 .
系统工程学报, 2003, (03) :272-278
[8]   新型模糊控制算法在交叉口信号控制中的应用 [J].
徐建闽 ;
舒宁 ;
尹宏宾 .
华南理工大学学报(自然科学版), 2000, (06) :1-5
[9]   Reinforcement learning for True Adaptive traffic signal control [J].
Abdulhai, B ;
Pringle, R ;
Karakoulas, GJ .
JOURNAL OF TRANSPORTATION ENGINEERING, 2003, 129 (03) :278-285
[10]  
ITS系统工程导论.[M].贺国光编著;.中国铁道出版社.2004,