交通場景下基于深度強化學習的感知型路徑分配算法
所屬分類：技術論文
上傳者：zhoubin333
文檔大?。?span>884 K
標簽： 路徑分配 深度強化學習 路網(wǎng)
所需積分：0分積分不夠怎么辦？
文檔介紹：路徑分配問題是交通數(shù)字孿生系統(tǒng)的重要研究方向之一，其重點是綜合考量行駛需求的動態(tài)變化以及路網(wǎng)信息的實時改變，實現(xiàn)高效合理的路徑規(guī)劃?，F(xiàn)階段一些經(jīng)典的分配算法如粒子群、Dijkstra等算法及其優(yōu)化模型僅能達到全局靜態(tài)最優(yōu)，忽略了現(xiàn)實交通中的復雜變化。而逐漸推出的各種深度學習算法雖能進行全面的時空預測，但受限于海量歷史數(shù)據(jù)的歸納分析以及較高的運算成本，難以大規(guī)模應用。鑒于此，提出了一種靜態(tài)分配算法與深度強化學習算法結合的感知型路徑分配算法,在行駛中依據(jù)實時路網(wǎng)信息和車輛當前狀態(tài)，實現(xiàn)全局路徑動態(tài)再分配及更新，相關算法的精度和效率在仿真實驗中得到驗證。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。