基于q学习交通信号自学习控制方法研究

《基于q学习交通信号自学习控制方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、·ll2·工业仪表与自动化装置2013年第4期基于Q学习的交通信号自学习控制方法的研究曹洁，王艳雨(兰州理工大学电气工程与信息．3-程学院，兰州730050)摘要：为了减少车辆通过交叉口的平均延误时间，将Q学习与模糊推理相结合对基于智能体的单交叉口进行信号配时优化，以适应动态变化的交通流。在模糊控制规则集的基础上，通过遗传算法优化模糊推理中的隶属度函数参数，克服传统隶属度函数设计的主观性和盲目性。在此基础上，通过Q学习算法对其在线学习，以实现单交叉口交通信号控制智能体的自学习能力。仿真表明，该方法相比于传统的定时控制与模糊控制，具有较好的控制效果。关键词：Q学习；

2、模糊推理；遗传算法；智能体；交通信号控制中图分类号：U491．51文献标志码：A文章编号：1000—0682(2013)04—0112—04Studyonself-learningtraficsignalcontrolmethodbasedonQlearningalgorithmsCAOJie，WANGYanyu(CollegeofElectricalandInformationEngineering，LanzhouUniversityofTechnology，Lanzhou730050，China)Abstract：Inordertoreducetheavera

3、gedelaytimeofvehiclespassingintersection，tooptimizethesignaltimingofagentcontrolledintersectionbyQlearningmethodandfuzzyreasoningtoadaptdynamicvariabletrafficflow．Onthebasisoffuzzyrulesetforsignalcontrol，toimprovetheeffectofsignalcontrolandself—learningofsignalcontrolagentinansinglein

4、tersectionthroughQlearning，whichisbasedonoptimizingfuzzycontrolmembershipfunction’Sparameterswithgeneticalgorithmsandavoidingthesub—jectivityandblindnessofdesigningthetraditionalones．TheresultofsimulationillustratesthatthesignalcontrolmethodbasedonQlearningisbetterthanfixed—timecontro

5、landfuzzycontro1．Keywords：Qlearning；fuzzyreasoning；geneticalgorithms；agent；traficsignalcontrol通信号的控制，并通过模拟实验证明了该方法的有0引言效性，但该方法不具有自学习的能力。Gerson等目前，随着社会经济迅速的发展，城市机动车辆提出了基于相序选择的城市交叉口模糊控制方法，不断增加，导致城市交通量猛增，许多大城市出现了可以根据实际的交通流状况，选择不同的起始相位交通超负荷运行，这已成为交通运输管理和城市规和执行相序。然而相序模糊控制器的隶属度函数和划部门亟需解决的问题

6、。然而，土地的利用、经济的模糊控制规则还有待进一步的优化。高俊侠等制约等问题限制了道路的建设，这就需要在不扩张将模糊控制与遗传算法相结合，用遗传算法优化了路网规模的前提下，运用现代信息与通信技术来提两级模糊隶属度函数，但传统遗传算法存在早熟收高交通运输的效率，提高路网的通行能力。为了缓敛和收敛速度慢的问题，还有待进一步改进。解交通压力，降低修路资金投入，减少车辆延误，节DankoARoozemond提出了以智能体为控制单能减排，建设和谐的交通环境，研究并设计智能交通元的交通信号控制模型，通过检测到的实际车流数信号控制是建设资源节约型社会的必然选择⋯。据修正预测值来

7、改善配时方案，但智能体不具有学李静采用模糊控制方法对单交叉口进行交习能力。魏赞等将多智能体与模糊控制相结合，并用蚁群算法优化模糊控制规则，实现了交叉口智收稿日期：2012一l1—26能体的自学习能力。然而蚁群算法的计算量大，求基金项目：兰州市科技局项目(1014ZTC053)解所需时间较长，且求解质量的好坏易受设置参数作者简介：曹洁(1966)，女，安徽宿州人，教授，博导，研究领域为智能交通系统，智能信息处理，信息检测与估计，模式识别理论及的影响。承向军等采用Q学习与模糊推理相结应用。合，通过对模糊规则的改进，达到对智能体控制的单2013年第4期工业仪表与自动化装

8、置·113