-
公开(公告)号：CN117079450B
公开(公告)日：2024-12-10
申请号：CN202310808834.4
申请日：2023-07-03
Applicant: 重庆邮电大学
Abstract: 本发明公开了基于深度强化学习的瓶颈区换道控制方法、设备及介质，通过选取一定比例的车辆使其提前换道来避免临近瓶颈区车辆集中换道而导致通行能力下降的发生，通过奖励函数的设计实现了每条车道车辆密度的平均，以最大限度避免了集中换道和为了追求速度的频繁换道行为，保证了瓶颈区交通流的稳定。此外，通过DQN网络与环境的交互更新训练，得到最优换道策略，该最优换道策略可协调控制瓶颈区车辆的换道行为，通过在瓶颈区上游进行提前换道，避免临近瓶颈区车辆集中换道导致交通拥堵的发生，有效地解决瓶颈区通行能力下降的问题。本发明的瓶颈区换到控制方法与传统的基于交通流控制方案相比，减少了车辆的平均行程时间，提高了通行效率。
-
公开(公告)号：CN119005567A
公开(公告)日：2024-11-22
申请号：CN202410933708.6
申请日：2024-07-12
Applicant: 重庆邮电大学
IPC: G06Q10/0631 , G06Q50/40 , G06N3/092 , G06N3/006 , G08G1/01
Abstract: 本发明公开了基于深度强化学习的瓶颈区交通流优化控制方法及系统，通过车联网对道路上的车辆信息进行采集，利用深度强化学习进行决策，最终获得一个可变限速控制策略，实现了精细化的分区域和分车道限速控制。这种可变限速的控制方式是一种通用解决交通瓶颈问题的方法，既可以解决固定瓶颈，又可以解决移动瓶颈，为交通管理提供了全面而有效的解决方案。
-
公开(公告)号：CN117079450A
公开(公告)日：2023-11-17
申请号：CN202310808834.4
申请日：2023-07-03
Applicant: 重庆邮电大学
Abstract: 本发明公开了基于深度强化学习的瓶颈区换道控制方法、设备及介质，通过选取一定比例的车辆使其提前换道来避免临近瓶颈区车辆集中换道而导致通行能力下降的发生，通过奖励函数的设计实现了每条车道车辆密度的平均，以最大限度避免了集中换道和为了追求速度的频繁换道行为，保证了瓶颈区交通流的稳定。此外，通过DQN网络与环境的交互更新训练，得到最优换道策略，该最优换道策略可协调控制瓶颈区车辆的换道行为，通过在瓶颈区上游进行提前换道，避免临近瓶颈区车辆集中换道导致交通拥堵的发生，有效地解决瓶颈区通行能力下降的问题。本发明的瓶颈区换到控制方法与传统的基于交通流控制方案相比，减少了车辆的平均行程时间，提高了通行效率。
-
-
Search Results
3
records
(took 0.035 seconds)
