Resumen

En la sociedad moderna, los problemas de guiado de rutas se encuentran en todas partes. Los modelos de aprendizaje por refuerzo pueden utilizarse normalmente para resolver este tipo de problemas; en particular, Sarsa Learning es adecuado para abordar problemas dinámicos de guiado de rutas. Pero cómo resolver el gran espacio de estados de la red de carreteras digital es un reto para el Aprendizaje Sarsa, que es muy común debido a la gran escala de la red de carreteras moderna. En este estudio, se propone el algoritmo de guiado de ruta basado en el aprendizaje jerárquico Sarsa (HSLRG) para guiar a los vehículos en la red de carreteras a gran escala, en la que, mediante la descomposición de la tarea de guiado de ruta, se puede reducir el espacio de estado del sistema de guiado de ruta. En este método, se introduce el método de red multinivel y se adopta el método de agrupación basado en la evolución diferencial para optimizar la estructura de la red de carreteras multinivel. El algoritmo propuesto se simuló con varias redes de carreteras a diferentes escalas; los resultados experimentales muestran que, en las redes de carreteras a gran escala, el método propuesto puede mejorar en gran medida la eficiencia del sistema dinámico de guiado de rutas.

• Materias:Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:método, aprendizaje sarsa, problema de guiado dinámico de rutas, sistema de guiado dinámico de rutas, red de carreteras a gran escala, redes de carreteras a gran escala, estructura de red de carreteras multinivel, redes de carreteras a varias escalas diferentes, método de red multinivel, red de carreteras digital
• Keywords:method, sarsa learning, dynamic route guidance problem, dynamic route guidance system, large scale road network, large scale road networks, multilevel road network structure, several different scale road networks, multilevel network method, digital road network