基于深度強(qiáng)化學(xué)習(xí)的交通燈配時(shí)優(yōu)化技術(shù)的研究
【文章頁(yè)數(shù)】:60 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖2.1交叉口示意圖
沈陽(yáng)理工大學(xué)碩士學(xué)位論文-10-當(dāng)前信號(hào)時(shí)長(zhǎng)g結(jié)束后,下一個(gè)信號(hào)時(shí)長(zhǎng)g開(kāi)始時(shí),交叉口對(duì)相位的選擇自適應(yīng)的。圖2.1交叉口示意圖Fig.2.1Schematicdiagramofintersection(2)信號(hào)周期因?yàn)橐粋(gè)交通信號(hào)燈需要對(duì)交叉口周?chē)脒呠?chē)道分別設(shè)置行使權(quán),所以將交....
圖2.2強(qiáng)化學(xué)習(xí)模型
第2章相關(guān)理論簡(jiǎn)介-13-指quality,即動(dòng)作的質(zhì)量,智能體根據(jù)現(xiàn)狀態(tài)s選擇應(yīng)該采取動(dòng)作a的函數(shù),函數(shù)Q的輸入是一個(gè)狀態(tài)-動(dòng)作對(duì)as),(,返回值是該狀態(tài)下執(zhí)行該動(dòng)作(以及所有后續(xù)動(dòng)作)的預(yù)期回報(bào)asQ),(,其中是智能體采取的策略。在智能體開(kāi)始探索環(huán)境之前,Q可以為任意值。....
圖3.1感受野劃分示意圖
通路網(wǎng)狀態(tài)的卷積神經(jīng)網(wǎng)絡(luò)模型的描述。3.1多感受野路網(wǎng)模型的研究因?yàn)橄袼鼐哂凶匀坏目臻g順序,傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)可的應(yīng)用于圖像中。本研究以此獲得靈感,感受野也同樣可以按照空間順序進(jìn)行移動(dòng)來(lái)獲取特征。但是路網(wǎng)中道路的狀態(tài)不似圖像具有自然順序的空間位置信息,卷積神經(jīng)網(wǎng)絡(luò)在處理交通路網(wǎng)....
圖3.2感受野確立圖示
第3章交通路網(wǎng)感知策略研究-19-野N(hi),|N(hi)|=k,每個(gè)感受野是由多條車(chē)道組成的。算法3.2建立鄰域算法Input:交叉口質(zhì)心cmNh,感受野大小kOutput:節(jié)點(diǎn)hm的鄰域N(hm)以hm為起點(diǎn)進(jìn)行寬度優(yōu)先搜索,獲取集合Vi0WhilekhNm)(dopiV]....
本文編號(hào):3933424
本文鏈接:http://sikaile.net/kejilunwen/daoluqiaoliang/3933424.html