Resumen

El método de aprendizaje por refuerzo tiene una capacidad de autoaprendizaje en un espacio multidimensional complejo porque no necesita un modelo matemático preciso y debido al bajo requisito de conocimiento previo del entorno. El objeto de investigación del artículo es una intersección única, líneas arteriales y la red regional de carreteras de un grupo de intersecciones múltiples. Basándose en los tres parámetros clave de ciclo, desplazamiento de coordinación arterial y división en verde, se construye un conjunto de algoritmos de control jerárquico basados en el aprendizaje por refuerzo para optimizar y mejorar el esquema actual de temporización de señales. Sin embargo, la estrategia de optimización de señales de tráfico basada en el aprendizaje por refuerzo es adecuada para entornos de tráfico complejos (flujos elevados e intersecciones múltiples), y sus efectos son mejores que los de los métodos de optimización actuales en condiciones de flujos elevados en intersecciones únicas, arterias y multi-intersecciones regionales. En una palabra, se estudia el problema de la insuficiente capacidad de control de las señales de tráfico, y el algoritmo de control jerárquico basado en el aprendizaje por refuerzo se aplica al control de las señales de tráfico, con el fin de proporcionar nuevas ideas y métodos para la teoría del control de las señales de tráfico.

• Materias:Planificación de la producción Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Production planning Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:aprendizaje por refuerzo, flujos elevados, intersecciones múltiples, esquema actual de temporización de señales, capacidad insuficiente de control de señales de tráfico, teoría de control de señales de tráfico, estrategia de optimización de señales de tráfico, método de aprendizaje por refuerzo, modelo matemático preciso, espacio multidimensional complejo
• Keywords:reinforcement learning, high flows, multiple intersections, current signal timing scheme, insufficient traffic signal control capability, traffic signal control theory, traffic signal optimization strategy, reinforcement learning method, accurate mathematical model, complex multidimensional space