一种基于深度循环Q学习的单点交叉口信号控制方法

摘要

本发明公开了一种基于深度循环Q学习的单点交叉口信号控制方法，该方法在单个路口使用深度循环Q学习（DRQN）算法学习最优信号控制策略，其中DRQN算法在DQN的基础上引入LSTM神经网络，利用LSTM能够记忆时间轴信息的特性，通过结合交叉口前几个时刻的状态而非仅仅通过当前时刻的状态来全面地表示当前交叉口输入状态，从而减小交叉口POMDP特性对深度Q学习性能的影响，本发明改进后的DRQN算法性能优于DQN算法，也优于传统的交叉口定时控制方法；当交通流接近饱和和过饱和时，DRQN算法可以观察交叉口在各个时刻的状态，做出最佳的时机选择，从而提高交叉口通行效率。