-
题名基于GCN-LSTM的多交叉口信号灯控制
被引量：1
- 1
-
-
作者
徐东伟
朱宏俊
郭海锋
周晓刚
汤立新
-
机构
浙江工业大学网络空间安全研究院
浙江工业大学信息工程学院
宁波宁工交通工程设计咨询有限公司
浙江沪杭甬高速公路股份有限公司
-
出处
《高技术通讯》
北大核心
2025年第5期472-479,共8页
-
基金
国家自然科学基金(62373325,6190334,52072343)
浙江省自然科学基金(LY21F030016,LY20E080023,LQ16E080011)资助项目。
-
文摘
强化学习(reinforcement learning,RL)由于其解决高度动态环境中复杂决策问题的能力,成为信号灯控制中一种具有前景的解决方案。大多数基于强化学习的方法独立生成智能体的动作,它们可能导致交叉口的动作冲突、道路资源浪费。因此,本文提出了基于图卷积网络和长短期记忆(graph convolution network-long short-term memory,GCNLSTM)的多交叉口信号灯控制方法。首先,基于二进制权重网络对多交叉口进行构图。其次,通过图卷积网络聚合周围交叉口的空间状态信息,利用长短期记忆(long short-term memory,LSTM)获得交叉口的历史状态信息。最后,通过基于竞争网络框架的Q值网络进行动作的选择,实现对交叉口相位的控制。实验结果表明,与其他强化学习方法相比,本文方法在多交叉口的信号灯控制中能够减少交叉口的队列长度,并使道路网络中的车辆获得更少的等待时间。
-
关键词
智能交通系统
交通信号灯控制
多智能体强化学习
长短期记忆
图卷积网络
-
Keywords
intelligent transportation system
traffic light control
multi-agent reinforcement learning
long short-term memory
graph convolution network
-
分类号
U491
[交通运输工程—交通运输规划与管理]
-
