基于Q-learning和BP神经元网络的交叉口信号灯控制

被引：9

作者：

赵晓华 ^{[1
]}

石建军 ^{[1
]}

李振龙 ^{[2
]}

赵国勇 ^{[2
]}

机构：

[1] 北京市交通工程重点实验室(北京工业大学)

[2] 北京工业大学电子信息与控制工程学院

来源：

公路交通科技 | 2007年 / 07期

关键词：

智能运输系统; Q学习; BP神经元网络; 交叉口信号灯优化控制; PARAMICS仿真;

D O I：

暂无

中图分类号：

U491.54 [];

学科分类号：

0838 ;

摘要：

解决单交叉口信号灯最优控制问题。提出了基于强化学习的信号灯控制系统结构,应用强化学习中Q学习,将信号灯最优控制问题转变成是否切换运行相位的决策问题,提出了采用BP神经元网络实现Q学习的信号灯控制系统。应用微观交通仿真软件PARAMICS进行仿真分析,结果表明该系统能够感知交通流变化,并能够自适应地调整信号灯切换策略,以达到最优的控制效果,该方法是可行的,与定时控制相比具有明显的优势。

引用

页码：99 / 102

页数：4

共 5 条

[1] 交通控制算法在Paramics交通仿真软件中的实现 [J].