BriefGPT - AI 论文速递
·
基于离线强化学习的完全数据驱动实现逼真交通信号控制
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
通过结合交通流理论和机器学习，提出了一种全面的数据驱动和免费模拟器的实现逼真交通信号控制框架。利用历史交通数据构建奖励推断模型，通过粗粒度的交通数据推断奖励信号，并使用样本高效的离线RL方法学习信号控制策略。实验证明该方法在性能和实际应用性方面优于传统方法和离线RL基准。
🎯
关键要点
-
结合交通流理论和机器学习，提出了一种数据驱动的交通信号控制框架。
-
利用历史交通数据构建奖励推断模型。
-
通过粗粒度交通数据推断奖励信号。
-
使用样本高效的离线强化学习方法学习信号控制策略。
-
实验证明该方法在性能和实际应用性方面优于传统方法和离线强化学习基准。
🏷️
标签
➡️
