【论文标题】使用多主体深度强化学习的全网交通信号控制优化Network-wide traffic signal control optimization using a multi-agent deep reinforcement learning 【作者团队】Zhenning Li, Hao Yu, Guohui Zhang, Shangjia Dong, Cheng-Zhong Xu 【发表时间】2021-3-4 【研究机构】 【论文链接】https://www.sciencedirect.com/science/article/pii/S0968090X21000851 【推荐理由】 低效的交通控制可能会导致许多问题，例如交通拥堵和能源浪费。本文提出了一种新颖的多代理强化学习方法，名为KS-DDPG,通过增强交通信号之间的协作来实现最佳控制。通过引入支持知识共享的通信协议，每个代理可以访问所有代理收集的流量环境的集体表示。通过两个实验分别使用合成数据集和真实数据集对提出的方法进行了评估。与基于最新强化学习和传统运输方法的比较表明，所提出的KS-DDPG在控制大规模运输网络和应对交通流量波动方面具有显着的效率。另外，还证明了引入的通信机制可以在不显着增加计算负担的情况下加快模型的收敛速度。

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