Details
| Title | Оптимизация циклов светофорного регулирования методом обучения с подкреплением = Optimization of traffic light regulation cycles by reinforcement learning method // Системный анализ в проектировании и управлении: сборник научных трудов XXVI Международной научно-практической конференции, 13–14 октября 2022 года: [в 3 частях]. Ч. 1 |
|---|---|
| Creators | Саленек Иван Андреевич ; Селиверстов Ярослав Александрович ; Селиверстов Святослав Александрович ; Носкова Надежда Игоревна |
| Organization | Национальный исследовательский университет "Высшая школа экономики"; Российская академия наук. Институт проблем транспорта им. Н. С. Соломенко; Центр организации дорожного движения Правительства Москвы |
| Imprint | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2023 |
| Collection | Общая коллекция |
| Subjects | Искусственный интеллект ; Машинное обучение ; обучение с подкреплением ; светофорное управление ; мультиагентные системы ; интеллектуальные транспортные системы ; reinforcement learning ; traffic light control ; multi-agent system ; intelligent transportation system |
| UDC | 004.85 |
| Document type | Article, report |
| Language | Russian |
| DOI | 10.18720/SPBPU/2/id23-70 |
| Rights | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Record key | RU\SPSTU\edoc\70279 |
| Record create date | 3/30/2023 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
| Group | Anonymous |
|---|---|
| Network | Internet |
Сегодня на многих перекрестках г. Москвы и других городов России установлены детекторы транспорта, которые в онлайн-режиме предоставляют данные о количестве и скорости проходящих мимо автомобилей. Сейчас эти данные используют преимущественно для статистики, или переключения между фиксированными фазами светофоров. В данной работе мы исследуем возможности применения обучения с подкреплением (RL) для разработки эффективной политики динамического управления светофорным объектом на основе данных, поступающих с онлайн-детекторов.
Today, at many intersections in Moscow and other Russian cities, traffic detectors are installed that provide online data on the number and speed of cars passing by. Now this data is mainly used for statistics, or switching between fixed phases of traffic lights. In this paper, we explore the possibility of using reinforcement learning (RL) to develop an effective policy for dynamic control of a traffic light object based on data from online detectors.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
