【标题】TinyLight: Adaptive Traffic Signal Control on Devices with Extremely Limited Resources

【作者团队】Dong Xing, Qian Zheng, Qianhui Liu, Gang Pan

【发表日期】2022.5.1

【论文链接】https://arxiv.org/pdf/2205.00427.pdf

【推荐理由】深度强化学习（DRL）的最新进展极大地提高了自适应交通信号控制（ATSC）的性能。然而，关于实现，大多数工作在存储和计算方面都很麻烦。这阻碍了它们在资源有限的情况下的部署。在这项工作中，作者提出了TinyLight，这是第一个基于DRL的ATSC模型，专为资源极其有限的设备设计。TinyLight首先构造一个超级图，将一组丰富的候选特征与一组加权较轻的网络块相关联。然后，为了减少模型的资源消耗，使用一个新的熵最小化目标函数自动去除超级图中的边。这使得TinyLight能够在一个只有2KB RAM和32KB ROM的独立微控制器上工作。本文评估了TinyLight在多个道路网络上的实际交通需求。实验表明，即使资源极其有限，TinyLight仍能获得具有竞争力的性能。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除