基于多智能体的大规模路口交通信号灯协同控制研究

随着城市化建设加快,车辆数量增加,道路负载变大,交通拥堵问题日益严重,目前大多数的控制方法仍局限于孤立的路口,整体路网拥挤程度仍存在较大的优化空间。因此,本文以交通信号灯控制为研究对象,深度强化学习算法为基础,针对基于多智能体的交通信号灯协同控制问题展开研究。首先将信号灯协同控制问题抽象为马尔可夫决策过程,基于Python开发平台搭建智能体交互环境,设计大规模路口信号灯决策下的DQN算法并进行调试运行,结果表明算法训练出了有效的红绿灯控制策略,并在各个路口都能够学习到公平策略,能够提高路网整体通行效率。最后通过与传统的信号固定配时方案进行对比实验,验证算法具有良好的优化性能。通过调整算法的超参数对训练结果进行对比分析,研究不同超参数对网络训练的影响,以及超参数对项目研究的重要性。