Oct, 2022

ADLight：一种使用增强数据的强化学习交通信号控制通用方法

PDF
TL;DR该研究提出了一种基于增强数据的强化学习方法来训练适用于不同结构的路口的通用模型，其中包括新的代理设计和数据增强方法，使得该模型的泛化性能更好，可以在 SUMO 交通模拟环境中测试其有效性，并成功将训练时间缩短了 80%，性能跟单一环境训练的模型非常接近。
traffic signal controlreinforcement learninguniversal modeldata augmentationintersection
发现论文，激发创造
  • AttendLight: 交通信号控制通用基于注意力的强化学习模型

    提出了一个名为 AttendLight 的端到端强化学习算法，用于解决交通信号控制问题，该算法通过使用两个注意力模型训练单个通用模型来解决此问题，可以处理任何数量的路，车道，相位和交通流量。用全合成和实际标准基准数据集进行了实验，展示了在所有情况下其性能均优于传统和其他基于 RL 的方法。

    Oct, 2020

  • SafeLight：一种强化学习方法，用于实现无碰撞交通信号控制

    通过强化学习技术实现道路交通信号控制的自适应，并针对交通事故的发生率，提出了一种安全性增强的残差强化学习方法，实验表明该方法可以显著降低碰撞率并提高交通流动性。

    Nov, 2022

  • 交通信号控制的随机集成强化学习

    该研究提出一种名为 RElight 的动态学习交通信号控制策略的模型，并结合随机集成学习方法以避免陷入局部最优结果。研究还引入了 UTD 比率以控制数据重用数量，以提高数据利用率并在合成数据和实际数据上进行了实验以证明该方法优于现有最优方法。

    Mar, 2022

  • 强化学习的红绿灯控制

    本研究提出一种实时交通信号灯控制方法，使用深度 Q 学习，并结合奖励函数，考虑排队长度、延迟、旅行时间和吞吐量，通过根据当前交通状况动态决定相位变化。通过使用合成和实际交通流数据在中国杭州的一个路口进行验证，结果表明与传统的固定信号计划相比，该方法显著改善了车辆等待时间（57.1% 至 100%）、排队长度（40.9% 至 100%）和总行程时间（16.8% 至 68.0%）。

    Aug, 2023

  • 城市交叉口智能交通信号控制的强化学习方法

    本文基于强化学习方法提出一种针对城市交叉口交通信号控制的新模型，采用神经网络作为 Q 函数的近似器进行复杂的信号控制，使用开放源代码的交通模拟器 SUMO 进行实验，结果表明该模型能够显著降低排队长度和等待时间，与基准方法相比具有更好的收敛性和泛化性能。

    May, 2019

  • MTLight：高效多任务强化学习用于交通信号控制

    车辆信号控制对缓解现代城市交通拥堵有着重大影响。近年来，深度强化学习被广泛应用于该任务，表现出有希望的性能，但也面临许多挑战，如有限的性能和样本效率。为了应对这些挑战，我们提出了 MTLight，通过学习大量交通指标来增强智能体的观察，并构建多个辅助任务和监督任务来学习潜在状态，并使用任务特定特征和任务共享特征来使潜在状态更丰富。在 CityFlow 上进行了大量实验证明 MTLight 具有领先的收敛速度和渐近性能。我们在所有场景中模拟了高峰小时模式，并且结果表明 MTLight 具有高度的适应性。

    Apr, 2024

  • 应用强化学习优化交通信号灯周期

    本文提出了使用强化学习来实时优化交通灯周期的方法，并通过使用 Simulation Urban Mobility 模拟器进行深度 Q 网络算法的训练进行了案例研究。实验结果显示，平均紧急停车数量减少了 44.16％，显示了我们的方法减少交通拥堵和改善交通流的潜力。此外，我们讨论了未来研究和强化学习模型的改进方向。

    Feb, 2024

  • 多智能体强化学习通过通用通信方法进行交通信号控制

    该研究提出了一种名为 UniComm 的通信形式，该形式有效地协调了多个交叉口之间的通信，并提出了一种名为 UniLight 的简洁网络，可充分利用 UniComm 所激活的通信。实验结果表明，UniComm 普遍改善了现有最先进方法的表现，而 UniLight 在广泛的交通情况下显著优于现有方法。

    Apr, 2022

  • CoLight: 学习网络层协作进行交通信号控制

    本研究探讨了如何提高道路交通信号灯的效率，提出了一种名为 CoLight 的新模型，使用图形注意网络来帮助交通信号之间的通信，实现了更好的交通信号控制表现，并展示了在大规模道路网络中实现的效果。

    May, 2019

  • 交通信号灯和车速建议的深度强化学习

    通过车辆与其它物体的通信，联合控制交通信号和车速建议有助于减少交通拥堵，改善交通系统的效能。

    Sep, 2023