在公共交通中，公交專用道作為重要的交通設施，能夠在保證高速、高效、高質(zhì)量的同時，減少城市交通擁堵，提高公共交通的服務質(zhì)量和運營效率。本文針對間歇式公交專用道與下游信號交叉口的信號控制協(xié)調(diào)優(yōu)化需求，提出了涵蓋公交專用道Agent、公交車Agent和交通信號燈Agent的多類型多智能體（Multi-TypeMulti-Agent）混合控制模型，并采用Q學習和SARSA兩種強化學習方法對傳統(tǒng)間歇式公交專用道、移動間歇式公交專用道兩種控制場景進行了參數(shù)設計，提出了TLS-IBL-QL、TLS-IBL-SARSA、TLS-MBL-QL和TLS-MBL-SARSA優(yōu)化模型。實驗結果表明，TLS-IBL-SARSA算法的性能優(yōu)于TLS-IBL-QL算法，TLS-MBL-QL的性能優(yōu)于TLS-MBL-SARSA算法，兩類控制算法均明顯優(yōu)于傳統(tǒng)的TLS-DBL公交專用道控制。
本文在分析智能制造對PID整定的新需求及PID整定面臨的挑戰(zhàn)難題的基礎上,將自動化的建模、控制與優(yōu)化和人工智能的深度學習與強化學習深度融合與協(xié)同，提出了自適應與自主的PID整定的智能優(yōu)化方法，包括端邊云協(xié)同的PID控制過程數(shù)字孿生模型和強化學習與數(shù)字孿生模型相結合的PID整定算法。
本文基于深度強化學習的前沿技術，系統(tǒng)地介紹了深度強化學習的基本理論和其應用于交通信號控制系統(tǒng)的發(fā)展現(xiàn)狀，包括基于深度強化學習的單交叉口和多交叉口信號控制模型和研究成果。本文最后討論了深度強化學習在智能交通信號控制應用中的主要挑戰(zhàn)和待解決的技術難題。
到第 頁
友情鏈接
電話：010-62669087 控制網(wǎng)版權所有未經(jīng)許可不得轉(zhuǎn)載
地址：北京市海淀區(qū)上地十街輝煌國際5號樓1416室(100085)
版權所有 控制網(wǎng) 京ICP備14036844-2號 北京市公安局海淀分局備案號：11010802023656號
名家名篇
北京市公安局海淀分局備案號：11010802023656號
今日頭條
官方微信
官方抖音
