同济大学学报(自然科学版)

作者：刘冰，唐钰，暨育雄，沈煜，杜豫川

单位：1.同济大学 道路与交通工程教育部重点实验室，上海 201804;2.纽约大学 坦登工程学院， 纽约 11201

关键词：交通工程,深度强化学习,可解释机器学习,匝道控制

基金：上海市科委科研计划（19DZ1209100）；浙江省重点研发计划（2021C01011）

以典型匝道控制场景为研究对象，利用状态值函数、显著图及输入扰动，理解深度强化学习模型在交通控制中的决策机理。利用状态值函数评判模型是否能够认识到交通状态的变化，通过显著图分析特定环境状态下模型感知到的环境状态特征和决策动作规律，应用输入扰动分析扰动后匝道控制动作匹配率和控制效果并鉴别关键区域。结果表明，基于深度强化学习的匝道控制模型能够准确评判交通状态的优劣，感知到交通状态的关键特征，并做出合理的决策动作。

来源：2024年第6期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2024年第6期