-
公开(公告)号：CN111653106A
公开(公告)日：2020-09-11
申请号：CN202010294012.5
申请日：2020-04-15
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于深度Q学习的交通信号控制方法，构建交通流与单交叉口环境；构建深度Q学习模型，使用卷积神经网络作为Q值的逼近函数，其中卷积神经网络包括若干卷积层和一个全连接层，网络的激活函数是relu函数，损失函数是均方误差函数，优化器是AdamOptimizer优化器，输入数据经过卷积层和全连接层后得到最后的输出；设置训练参数训练深度Q学习模型；采集实际交叉口的汽车位置和速度，确定交通信号控制动作。本发明通过学习动作与状态变化之间的样本数据来得出最优的策略，适于时变的交通流与复杂的环境，能够有效避免实际操作中维度爆炸问题的出现。
Search Results
1
records
(took 0.014 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
