一种基于深度强化学习的交通信号配时优化方法

摘要

本发明公开了一种基于深度强化学习的交通信号配时优化方法，在该方案中，信号灯可以根据交叉口各方向的交通流状态输出适当的相位，并动态调整相位长度。具体来说，首先采用PPO算法来提高模型的收敛速度。然后，利用DTSE方法定义车辆状态，并且详细阐述了状态、动作和奖励的设计。最后，通过交通仿真平台SUMO对实际交通数据进行了实验。结果表明，与传统的定时控制相比，该方案能有效地减少车辆在各种交通流模式下的等待时间和排队长度。