Recently, finding fundamental properties for traffic state representation is more critical than complex algorithms for traffic signal control (TSC).In this paper, we (1) present a novel, flexible and straightforward method advanced max pressure (Advanced-MP), taking both running and queueing vehicles into consideration to decide whether to change current phase; (2) novelty design the traffic movement representation with the efficient pressure and effective running vehicles from Advanced-MP, namely advanced traffic state (ATS); (3) develop an RL-based algorithm template Advanced-XLight, by combining ATS with current RL approaches and generate two RL algorithms, "Advanced-MPLight" and "Advanced-CoLight". Comprehensive experiments on multiple real-world datasets show that: (1) the Advanced-MP outperforms baseline methods, which is efficient and reliable for deployment; (2) Advanced-MPLight and Advanced-CoLight could achieve new state-of-the-art. Our code is released on Github.


翻译:最近,寻找交通州代表的基本特性比交通信号控制(TSC)的复杂算法更为关键。 在本文中,我们(1)提出一种新的、灵活和直截了当的先进最大压力(高级-MP)方法,将运行车辆和排队车辆都考虑在内,以决定是否改变当前阶段;(2)以高级-MP(即高级交通州)高效压力和有效运行车辆(即高级交通州)高效压力和有效运行车辆来设计交通州代表;(3)制定基于RL的高级XLight算法模板,将苯丙胺类兴奋剂与目前的RL方法相结合,并产生两种RL算法,即“高级-MPLight”和“高级-Coight”。关于多个现实世界数据集的综合实验表明:(1)高级MP超出基线方法,这是高效和可靠的部署方法;(2)高级-MPLight和高级-COLight可以实现新的状态。我们的代码在Github上发布。

0
下载
关闭预览

相关内容

ATS:IEEE Asian Test Symposium。 Explanation:IEEE亚洲测试研讨会。 Publisher:IEEE。 SIT: http://dblp.uni-trier.de/db/conf/ats/
专知会员服务
20+阅读 · 2021年5月1日
专知会员服务
52+阅读 · 2020年9月7日
【ICML2020】用于强化学习的对比无监督表示嵌入
专知会员服务
27+阅读 · 2020年7月6日
ExBert — 可视化分析Transformer学到的表示
专知会员服务
31+阅读 · 2019年10月16日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
已删除
将门创投
5+阅读 · 2017年8月15日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Arxiv
5+阅读 · 2021年2月15日
Financial Time Series Representation Learning
Arxiv
10+阅读 · 2020年3月27日
Attention Network Robustification for Person ReID
Arxiv
5+阅读 · 2019年10月15日
Learning by Abstraction: The Neural State Machine
Arxiv
6+阅读 · 2019年7月11日
VIP会员
相关资讯
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
已删除
将门创投
5+阅读 · 2017年8月15日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员