期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于MP与MPC相结合的分布式交通信号控制研究
被引量:
7
1
作者
李冰
成卫
+1 位作者
晏永廷
徐欢
《交通运输系统工程与信息》
EI
CSCD
北大核心
2019年第5期86-93,共8页
依托于最大压(Max Pressure,MP)分布式信号控制特性,结合已建立的实时排队长度预测模型,利用模型预测控制(Model Predictive Control,MPC)进一步对修正后的MP信号控制策略进行滚动反馈优化,提出了MP与MPC相结合的分布式信号控制方法.模...
依托于最大压(Max Pressure,MP)分布式信号控制特性,结合已建立的实时排队长度预测模型,利用模型预测控制(Model Predictive Control,MPC)进一步对修正后的MP信号控制策略进行滚动反馈优化,提出了MP与MPC相结合的分布式信号控制方法.模型验证结果表明:MPC嵌入后,MP优化下的交叉口1与交叉口2延误分别降低了13.47%、15.35%;并且对比了MP绿信比分配权重修正前后对控制输出的影响,优化后瓶颈路段的车道4和车道10的排队溢出次数分别从6次和9次降低为0次,表明修正后MP绿信比权重的信号优化策略更能有效防止排队溢出现象的发生.
展开更多
关键词
城市
交通
分布式交通信号控制
最大压
模型预测
控制
排队长度
延误
在线阅读
下载PDF
职称材料
考虑博弈的多智能体强化学习分布式信号控制
被引量:
11
2
作者
曲昭伟
潘昭天
+2 位作者
陈永恒
李海涛
王鑫
《交通运输系统工程与信息》
EI
CSCD
北大核心
2020年第2期76-82,100,共8页
交通需求的不均衡和波动会增加分布式信号控制优化的难度.由于现有独立动作的多智能体强化学习(IA-MARL)仅基于自身的历史经验做出决策,基于IA-MARL的分布式信号控制难以及时缓解交通需求不均衡和波动的影响.本文融入博弈论的混合策略...
交通需求的不均衡和波动会增加分布式信号控制优化的难度.由于现有独立动作的多智能体强化学习(IA-MARL)仅基于自身的历史经验做出决策,基于IA-MARL的分布式信号控制难以及时缓解交通需求不均衡和波动的影响.本文融入博弈论的混合策略纳什均衡概念,改进IA-MARL的决策过程,提出考虑博弈的多智能体强化学习(G-MARL)框架.在采用带有泊松到达率的道路网络流量不均衡输入的格子网络中,分别对基于IA-MARL和GMARL的分布式控制方法进行数值模拟,获取单位行程时间和单位车均延误曲线.结果显示,与IA-MARL相比,G-MARL在单位行程时间和单位车均延误方面分别改善59.94%和81.45%.证明G-MARL适用于不饱和且交通需求不均衡和波动的分布式信号控制.
展开更多
关键词
智能
交通
分布式交通信号控制
多智能体强化学习
不均衡需求下的城市道路网络
博弈论
数值模拟
在线阅读
下载PDF
职称材料
题名
基于MP与MPC相结合的分布式交通信号控制研究
被引量:
7
1
作者
李冰
成卫
晏永廷
徐欢
机构
昆明理工大学交通工程学院
城市交通管理集成与优化技术公安部重点实验室
曲靖市公安局交通警察支队
安徽科力信息产业有限责任公司
出处
《交通运输系统工程与信息》
EI
CSCD
北大核心
2019年第5期86-93,共8页
基金
城市交通管理集成与优化技术公安部重点实验室开放基金(2017KFKT04)~~
文摘
依托于最大压(Max Pressure,MP)分布式信号控制特性,结合已建立的实时排队长度预测模型,利用模型预测控制(Model Predictive Control,MPC)进一步对修正后的MP信号控制策略进行滚动反馈优化,提出了MP与MPC相结合的分布式信号控制方法.模型验证结果表明:MPC嵌入后,MP优化下的交叉口1与交叉口2延误分别降低了13.47%、15.35%;并且对比了MP绿信比分配权重修正前后对控制输出的影响,优化后瓶颈路段的车道4和车道10的排队溢出次数分别从6次和9次降低为0次,表明修正后MP绿信比权重的信号优化策略更能有效防止排队溢出现象的发生.
关键词
城市
交通
分布式交通信号控制
最大压
模型预测
控制
排队长度
延误
Keywords
urban traffic
distributed traffic signal control
max pressure
model predictive control
queue length
delay
分类号
U491.4 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
考虑博弈的多智能体强化学习分布式信号控制
被引量:
11
2
作者
曲昭伟
潘昭天
陈永恒
李海涛
王鑫
机构
吉林大学交通学院
出处
《交通运输系统工程与信息》
EI
CSCD
北大核心
2020年第2期76-82,100,共8页
基金
国家自然科学基金(51705196).
文摘
交通需求的不均衡和波动会增加分布式信号控制优化的难度.由于现有独立动作的多智能体强化学习(IA-MARL)仅基于自身的历史经验做出决策,基于IA-MARL的分布式信号控制难以及时缓解交通需求不均衡和波动的影响.本文融入博弈论的混合策略纳什均衡概念,改进IA-MARL的决策过程,提出考虑博弈的多智能体强化学习(G-MARL)框架.在采用带有泊松到达率的道路网络流量不均衡输入的格子网络中,分别对基于IA-MARL和GMARL的分布式控制方法进行数值模拟,获取单位行程时间和单位车均延误曲线.结果显示,与IA-MARL相比,G-MARL在单位行程时间和单位车均延误方面分别改善59.94%和81.45%.证明G-MARL适用于不饱和且交通需求不均衡和波动的分布式信号控制.
关键词
智能
交通
分布式交通信号控制
多智能体强化学习
不均衡需求下的城市道路网络
博弈论
数值模拟
Keywords
intelligent transportation
distributed traffic signal control
multi-agent reinforcement learning
urban road network under unbalanced demand
game theory
numerical simulation
分类号
U491.4 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于MP与MPC相结合的分布式交通信号控制研究
李冰
成卫
晏永廷
徐欢
《交通运输系统工程与信息》
EI
CSCD
北大核心
2019
7
在线阅读
下载PDF
职称材料
2
考虑博弈的多智能体强化学习分布式信号控制
曲昭伟
潘昭天
陈永恒
李海涛
王鑫
《交通运输系统工程与信息》
EI
CSCD
北大核心
2020
11
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部