通过深度强化学习的交通信号时间

通过深度强化学习的交通信号时间，IEEE最新文章.打造交通信号控制的强化学习系统如果把由信号机、检测器等组成的交通信号控制系统当成一个“智能体”，将我们目睹的人车路当成“环境”，通过如下方式就可以构造强化学习系统：传感器从环境里获取观测状态（例如：流量、速度、排队长度等），传递给信号机，信号控制系统根据这些状态来选择一个得分最高状态的动作来执行（例如：当前相位保持绿灯或者切换成红灯），并对执行效果进行回馈（例如：采用排队长度作为回报函数），系统根据回报结果，调整打分系统的参数。这样就形成一个循环的过程，就能达到不断学习改进。