为了优化区域交通信号配时方案,提升区域通行效率,文章提出一种基于改进多智能体Nash Q Learning的区域交通信号协调控制方法。首先,采用离散化编码方法,通过划分单元格将连续状态信息转化为离散形式。其次,在算法中融入长短时记忆网络(...为了优化区域交通信号配时方案,提升区域通行效率,文章提出一种基于改进多智能体Nash Q Learning的区域交通信号协调控制方法。首先,采用离散化编码方法,通过划分单元格将连续状态信息转化为离散形式。其次,在算法中融入长短时记忆网络(Long Short Term Memory,LSTM)模块,用于从状态数据中挖掘更多的隐藏信息,丰富Q值表中的状态数据。最后,基于微观交通仿真软件SUMO(Simulation of Urban Mobility)的仿真测试结果表明,相较于原始Nash Q Learning交通信号控制方法,所提方法在低、中、高流量下车辆的平均等待时间分别减少了11.5%、16.2%和10.0%,平均排队长度分别减少了9.1%、8.2%和7.6%,平均停车次数分别减少了18.3%、16.1%和10.0%。结果证明了该算法具有更好的控制效果。展开更多
突破了传统跳频通信必需提前共享密钥的限制,非协调性跳频通信UFH(uncoordinated frequency hopping)无需提前共享密钥,就可以在充满干扰的通信环境中,安全有效地进行数据传输,是一种重要的新型抗干扰通信技术。首先详细阐述了UFH的基...突破了传统跳频通信必需提前共享密钥的限制,非协调性跳频通信UFH(uncoordinated frequency hopping)无需提前共享密钥,就可以在充满干扰的通信环境中,安全有效地进行数据传输,是一种重要的新型抗干扰通信技术。首先详细阐述了UFH的基本原理以及具体过程,并对其安全性能进行了分析;然后针对基本UFH方案较低的通信效率,分析了五种基于验证方法的改进方案;接着简单介绍了两种基于UFH的初步应用;最后结合UFH的特点,对其以后的发展趋势进行了展望和总结。展开更多
文摘为了优化区域交通信号配时方案,提升区域通行效率,文章提出一种基于改进多智能体Nash Q Learning的区域交通信号协调控制方法。首先,采用离散化编码方法,通过划分单元格将连续状态信息转化为离散形式。其次,在算法中融入长短时记忆网络(Long Short Term Memory,LSTM)模块,用于从状态数据中挖掘更多的隐藏信息,丰富Q值表中的状态数据。最后,基于微观交通仿真软件SUMO(Simulation of Urban Mobility)的仿真测试结果表明,相较于原始Nash Q Learning交通信号控制方法,所提方法在低、中、高流量下车辆的平均等待时间分别减少了11.5%、16.2%和10.0%,平均排队长度分别减少了9.1%、8.2%和7.6%,平均停车次数分别减少了18.3%、16.1%和10.0%。结果证明了该算法具有更好的控制效果。
文摘突破了传统跳频通信必需提前共享密钥的限制,非协调性跳频通信UFH(uncoordinated frequency hopping)无需提前共享密钥,就可以在充满干扰的通信环境中,安全有效地进行数据传输,是一种重要的新型抗干扰通信技术。首先详细阐述了UFH的基本原理以及具体过程,并对其安全性能进行了分析;然后针对基本UFH方案较低的通信效率,分析了五种基于验证方法的改进方案;接着简单介绍了两种基于UFH的初步应用;最后结合UFH的特点,对其以后的发展趋势进行了展望和总结。
