【摘 要】
：
为有效降低城市交通干线的车均延误与停车次数,将深度Q网络引入干线协调控制,给出了一种干线动态协调控制的DDDQN(Dueling Double Deep Q Network)方法。该方法结合双重深度Q
【机 构】
：
中国科学技术大学信息科学技术学院,安徽中科龙安科技股份有限公司
【基金项目】
：
安徽省对外科技合作项目(1804b06020376)
论文部分内容阅读
为有效降低城市交通干线的车均延误与停车次数,将深度Q网络引入干线协调控制,给出了一种干线动态协调控制的DDDQN(Dueling Double Deep Q Network)方法。该方法结合双重深度Q网络与基于竞争架构深度Q网络,并将干线作为整体处理,通过深度神经网络挖掘干线各交叉口协调控制的相关性,基于Q学习进行交通信号控制决策。通过仿真实验,在近饱和流量和干线存在初始排队的情况下,将DDDQN方法与现有绿波方法,以及经典深度Q网络、双重深度Q网络、基于竞争架构深度Q网络的干线协调控制算法进行对比,实验
其他文献
道路交通事故不仅给当事人带来人身伤害、精神痛苦和经济损失,如果事故善后处理不当也会给社会带来不稳定因素。而交通事故调解难、赔偿难、警力调配难一直困扰着公安交警的
人口老龄化已成为全球化的趋势,这种趋势导致我国养老保险体系面临着严峻的长寿风险。我国的基本养老保险制度是社会统筹与个人账户相结合的模式,延长的养老金支付必然会影响
目的 了解糖尿病患者血糖自我监测（self-monitoring of blood glucose,SMBG）现状与对医护照顾的期望.方法 采取便利抽样法,选择2012年7-8月就诊于同济大学附属第十人民医院的糖
近年来,针对行人重识别问题的深度学习技术研究取得了很大的进展。然而,在解决实际数据的特征样本不平衡问题时,效果仍然不理想。为了解决这一问题,设计了一个更有效的模型,该模型很好地解决了目标的不同姿态的干扰以及数据集中的图片数量不足的问题。首先,通过迁移姿态生成对抗网络生成行人不同姿势的图片,解决姿态干扰及图片数量不足的问题。然后利用两种不同的独立卷积神经网络提取图像特征,并将其结合得到综合特征。最后
当前,随着中国深化改革和经济转型、扩大内需战略的进一步推进,旅游产品作为居民除了基本消费以外闲暇消费的龙头产品,为旅行社业的向前发展提供了广阔的市场。武汉市作为我
人眼定位是疲劳驾驶的研究关键。由粗到精,先后进行了人脸检测、瞳孔定位。针对现有方向梯度直方图人脸检测算法泛化能力不佳的问题,提出了一种基于信息熵加权的HOG特征提取算法,该算法将待分类的人脸特征进行信息熵阈值加权,形成新的HOG特征,然后通过支持向量机进行分类;针对现有瞳孔定位算法准确率不高的问题,提出了多算法协同工作的瞳孔定位方法,以自商图为基准寻找二值分割点,实现了眼部区域光照不变性,以灰度积