LEARNING
基于动量的低排放交通信号控制奖励设计
Chinmay Mundane, Amith Manoharan, Arun Singh
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种基于动量的奖励函数（MBRF），用于深度强化学习驱动的自适应交通信号控制，以改善交通流并减少排放。在SUMO仿真中，该方法相比传统延迟和队列奖励以及经典控制器，在吞吐量与排放的权衡和学习稳定性上表现更优。
关键词
reinforcement learningreward designtraffic signal controlSUMO simulationemission reduction
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018