【论文标题】Deep Reinforcement Learning for Traffic SignalControl: A Review 【作者团队】FAIZAN RASHEED1, KOK-LIM ALVIN YAU1, (Senior Member, IEEE),RAFIDAH MD. NOOR2, (Member, IEEE), CELIMUGE WU3, (Senior Member, IEEE),AND YEH-CHING LOW1, (Member, IEEE) 【发表时间】2020-10-27 【研究机构】Sunway University, 【论文链接】https://www.x-mol.com/paperRedirect/1332173126030761984 【推荐理由】 在世界上大多数城市地区，交通拥堵是一个复杂的、令人烦恼的、日益严重的问题。新出现的深度学习方法与传统强化学习方法的结合创造了一种称为深度强化学习（DRL）的高级方法，在解决高维复杂问题（包括交通）方面显示出了良好的效果交通堵塞。文章回顾了交通信号控制（TSC），以及应用于TSC的DRL体系结构和方法，这有助于了解DRL是如何应用于解决交通拥堵和实现性能增强的。该审查还包括仿真平台，复杂性分析，以及指导方针和设计考虑的DRL应用于TSC。最后，本文提出了有待解决的问题和新的研究领域，旨在激发人们对这一研究的新兴趣字段。到据我们所知，这是第一篇关于DRL在TSC中的应用的综述文章。

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