traffic signal control | BriefGPT

关键词traffic signal control

搜索结果 - 50

CityLight：一种面向现实世界城市规模交通信号控制协调的通用模型
交通信号控制是一项具有潜力的低成本措施，可以提高交通效率而不影响现有道路基础设施。本篇论文提出了基于增强学习的城市规模高可靠道路网络交通信号控制方法 CityLight，通过参数共享的 MAPPO 优化框架来实现多个智能体的协同控制和大规模
PDFa month ago
KDDCoSLight：协同优化协同选择和决策以提升交通信号控制
多交叉口协作、强化学习、交通信号控制、协作者选择、信号控制政策
PDFa month ago
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
PDF3 months ago
遗传编程学习交通信号控制
该研究提出了一种基于学习的方法，用于复杂交叉口的信号控制，通过设计一种可解释的树状紧急程度函数，并利用遗传编程进行优化，相比交通领域中的先进方法和一种已知的深度强化学习方法，实验结果表明这种方法能够提高交通信号控制的性能。
PDF3 months ago
LLM 辅助光：利用大型语言模型能力进行复杂城市环境下人类仿真交通信号控制
本研究介绍了一种创新方法，将大型语言模型（LLMs）与交通信号控制系统相结合，提供先进的推理和决策能力，以应对都市交通流量的复杂性和变动性。通过在感知和决策工具套件中引入 LLMs，并将其放置在决策过程的核心位置，以结合外部交通数据和现有的
PDF4 months ago
基于视觉的交通信号控制及微观仿真的整体框架
该研究探讨了基于计算机视觉的交通信号控制方法，通过视觉观测调节道路上的交通流量，引入了名为 TrafficDojo 的综合交通模拟框架，通过将 SUMO 提供的微观交通流量集成到驾驶模拟器 MetaDrive 中进行基线算法的比较和综合评估
PDF4 months ago
大型语言模型作为交通信号控制代理：容量和机会
LLMLight 通过利用大型语言模型（LLMs）进行交通信号控制任务，实现了人类般的决策过程，确保道路网络的最优效率。
PDF6 months ago
DuaLight：利用特定场景和共享场景知识优化交通信号控制
Reinforcement learning-based approach called DuaLight is proposed for traffic signal control to alleviate congestion and
PDF6 months ago
基于轻量级 Transformer 的交通信号控制：离线到在线强化学习方法
DTLight 是一种基于 Decision Transformer 和知识蒸馏的简单而强大的轻量级交通信号控制方法，可从易于获取的离线数据集中学习策略，并通过适配器模块实现在线调整，其在合成和真实场景的广泛实验中表现出色。
PDF7 months ago
UniTSA：一种用于 V2X 交通信号控制的通用强化学习框架
在这项研究中，提出了一个基于强化学习的交通信号控制框架，能有效地处理城市地区持久存在的交通拥堵问题，通过引入交叉口矩阵来刻画交叉口状态，使该模型适用于不同结构的交叉口，并通过定制化的交通状态增强方法增加了处理各种交叉口结构的能力，多个交叉口
PDF7 months ago
基于离线强化学习的完全数据驱动实现逼真交通信号控制
通过结合交通流理论和机器学习，我们提出了一种全面的数据驱动和免费模拟器的实现逼真交通信号控制框架 (D2TSC)。我们利用历史交通数据构建了一个奖励推断模型，通过粗粒度的交通数据来推断奖励信号，并进一步使用样本高效的离线 RL 方法，从真实
PDF7 months ago
信号路网中交通信号控制和车辆路径的多智能体深度强化学习的联合优化
为了缓解城市交通拥堵问题并提高交通效率，本文提出了一种联合优化方法，使用多智能体深度强化学习（MADRL）来进行交通信号控制和车辆路由的信号化道路网络。通过建立代理之间的联系和共享观察和奖励，促进了代理之间的交互和合作，增强了个体训练。数值
PDF9 months ago
基于表征通信的大规模交通信号控制的多智能体强化学习
基于通信的多智能体强化学习（MARL）框架用于大规模交通信号控制，每个智能体学习通信策略以选择消息的发送对象和交换可变长度的消息，实现去中心化和灵活的通信机制，并在网络拥塞和性能方面表现优于相关方法。
PDF9 months ago
基于 LLM 的仿真到现实交通信号控制迁移
利用大型语言模型（LLMs）通过基于提示的动作转换理解和建模系统动力学，以解决交通信号控制（TSC）任务中从模拟到实际应用的性能差距问题。
PDF10 months ago
基于不确定性感知的基础动作转换：用于交通信号控制的模拟到实际转换
本文提出了一种名为 UGAT 的仿真到真实世界转移方法，通过动态转换模拟中的不确定行动来减小转移动态的领域差异，从而将在仿真环境中训练的学习策略转移到真实环境中，显著提高了转移强化学习策略在真实世界中的性能。
PDFa year ago
利用领域随机化和元学习来弥合基于强化学习的交通信号控制的现实差距
通过对潜在的模拟参数分析和对两种策略（Domain Randomization 和 Model-Agnostic Meta-Learning）的研究，我们研究了交通信号控制系统中的现实差距问题，并在实验中证明这两种方法优于现有的强化学习算法
PDFa year ago
交通信号控制与减排的合作式多目标强化学习
提出一种合作的多目标架构 MOMA-DDPG 来优化交通信号控制，包含两种类型的代理人，一个代理人关注于优化本地交通，而另一个代理人旨在优化全局交通吞吐量，实验结果表明该方法优于现有的方法，可以最小化等待时间和碳排放。
PDFa year ago
实时网络级交通信号控制：一种显式的多智能体协调方法
本研究提出了一种基于多智能体协作的在线规划方法，旨在实现适应性、实时和网络级交通信号控制（TSC），并证明这种方法能够有效提高交通流量的控制和性能。
PDFa year ago
IJCAIDenseLight：大规模交通信号的高效密集反馈控制
本研究提出利用无偏奖励函数提供密集反馈信息和非本地增强交通信号控制智能体更好地预测交通状况以实现更精确的交通控制的新型增强学习交通信号控制（TSC）方法，并经过了大量实验和消融研究验证其性能优于先进的基线方法。
PDFa year ago
交通信号控制的多智能体深度强化学习新方法
随着旅游需求的增加和城市交通状况的复杂化，采用多智能体深度强化学习 (MARL) 来控制交通信号成为热门话题。本文提出了一种基于智能体合作方案的 Friend-Deep Q-network (Friend-DQN) 方法，以用于城市网络中的
PDFa year ago