基于深度强化学习的交通信号灯控制论文

交通问题具有非线性不确定性的特征传统算法往往难以取得较好的效果.深度学习模型在处理非线性时序性的数据上拥有良好的表现.由此提出一种基于深度强化学习的信号灯控制系统.该系统包括了几个部分1使用实时的交通数据或仿真环境产生数据2通过LSTM循环神经网络预测未来的交通信息3使用DDPG深度强化学习模型进行决策.在多个数据集上的实验验证算法的优越性及泛化能力.