【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) 的最新进展在很大程度上促进了自适应交通信号控制 (ATSC) 的性能。然而，在实现方面，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。本文提出了首个基于DRL 的 ATSC 模型——TinyLight，专为资源极其有限的设备而设计。TinyLight 首先构建一个超图，将一组丰富的候选特征与一组轻量级网络块相关联。然后，为了减少模型的资源消耗，本研究使用新的熵最小化目标函数自动消融超图中的边缘。这使 TinyLight 能够在只有 2KB RAM 和 32KB ROM 的独立微控制器上工作。本文在具有真实交通需求的多个道路网络上评估 TinyLight。实验表明，即使在资源极其有限的情况下，TinyLight 仍能取得有竞争力的性能。

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