-
题名基于深度强化学习的入口匝道流量调控方法
- 1
-
-
作者
韩雨
陈志轩
王翊萱
李春杰
雷伟
焦彦利
刘攀
-
机构
东南大学交通学院
河北省交通规划设计研究院有限公司自动驾驶技术交通运输行业研发中心
-
出处
《汽车安全与节能学报》
北大核心
2025年第4期587-597,共11页
-
基金
国家自然科学基金资助项目(52232012,52402384,52131203)。
-
文摘
针对当前基于强化学习的匝道控制方法对策略训练中的学习成本、策略迁移性等研究不充分,导致控制策略难以在实际中应用的问题,该文提出一种匝道控制策略优化的强化学习方法,并通过大量仿真实验对方法的可移植性进行了深入研究。构建匝道控制模型,提出基于深度强化学习的模型训练方法;选取雄安新区对外主干路网中荣乌高速公路某合流区瓶颈作为实验场景,利用深度强化学习算法对模型进行训练,并将训练过程中控制策略的表现与经典匝道控制方法比较,从而对学习成本进行量化分析;选取不同仿真模型及多组模型参数作为测试环境,分析训练环境与测试环境差异对控制策略的影响。结果表明:当训练环境与测试环境差异程度在20%以内时,强化学习控制方法在提升通行效率方面显著优于经典匝道控制方法;而当差异程度超过20%时,两种方法效果差异不明显。
-
关键词
匝道控制
强化学习
迁移性
学习成本
-
Keywords
ramp metering
reinforcement learning
transferability
learning cost
-
分类号
U491.4
[交通运输工程—交通运输规划与管理]
-
