Using a Deep Reinforcement Learning Agent for Traffic Signal Control

  • 类型：arxiv
  • 标识：1611.01142
  • 链接：https://arxiv.org/abs/1611.01142
  • 主题：agent
  • 主分类：agent
  • 形态：method
  • 被引：325
  • 被引来源：Semantic Scholar
  • S2被引：325
  • OpenAlex被引：242
  • 影响力被引：33
  • TLDR：This work applies modern deep reinforcement learning methods to build a truly adaptive traffic signal control agent in the traffic microsimulator SUMO, using a new state space, the discrete traffic state encoding, which is information dense.
  • OpenAlex ID：W2548134372
  • OpenAlex DOI：10.48550/arxiv.1611.01142
  • DOI：10.48550/arxiv.1611.01142
  • DOI来源：OpenAlex
  • 开放获取：green
  • 开放获取链接：https://arxiv.org/pdf/1611.01142
  • OpenAlex更新：2026-08-05
  • 待LLM分类：否
  • 标题中文：使用深度强化学习智能体进行交通信号控制
  • TLDR中文：本文在交通微观仿真器 SUMO 中应用现代深度强化学习方法构建一个真正自适应的交通信号控制智能体，并采用一种新的状态空间——离散交通状态编码——其信息密度较高。
  • 来源文件：
  • [OpenAlex discover]
  • [S2 enrich]