基于深度强化学习的交通信号灯控制
计算机学院（国家示范性软件学院）
如今，使用最广泛的交通信号控制系统如SCATS和SCOOT仍然基于人工设计的规则，不足以适应当今复杂多变的交通状况。近年来，强化学习（Reinforcement Learning）已成为现实世界场景中交通调度最有效的解决方案，其通过与环境交互直接学习调度策略，将交叉路口建模为一个代理，根据环境提供的环境状态信息及反馈优化模型，求解最优的调度策略。然而，现有的解决方案或者只考虑单个路口的交通状况，未实现相邻路口协调，或者实现多路口统一规划的模型计算复杂、学习不平稳，难以应用到现实世界场景中。基于此，本项目展开对轻量化的多路口交通信号灯控制技术研究，通过分析交通调度所面临的困难和挑战，掌握基于深度学习、强化学习的模型、算法、技术和工作机理，在此基础上，拟提出基于深度强化学习的多路口交通信号灯控制系统，在保证系统轻量化的前提下，提升道路通行效率。
