文献

J-GLOBAL ID：202202215516160567   整理番号：22A0836875

大規模交通信号制御のための分散エージェントに基づく深層強化学習【JST・京大機械翻訳】

Distributed agent-based deep reinforcement learning for large scale traffic signal control

著者 (8件)： Wu Qiang (Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China, Chendu, China) ,  Wu Qiang (Yangtze Delta Region Institute (Huzhou), University of Electronic Science and Technology of China, Huzhou, China) ,  Wu Jianqing (School of Information Engineering, Jiangxi University of Science and Technology, Ganzhou, China) ,  Shen Jun (School of Computing and Information Technology, University of Wollongong, Wollongong, Australia) ,  Du Bo (SMART Infrastructure Facility, University of Wollongong, Wollongong, Australia) ,  Telikani Akbar (School of Computing and Information Technology, University of Wollongong, Wollongong, Australia) ,  Fahmideh Mahdi (School of Business at University of Southern Queensland, Queensland, Australia) ,  Liang Chao (School of Economics and Management, Southwest Jiaotong University, Chengdu, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 241  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 交通信号制御(TSC)は,道路交差点での車両の動きを協調することにより,交通渋滞を軽減する,確立された未だ挑戦的なエンジニアリングソリューションである。理論的には,強化学習(RL)は複雑な都市交通ネットワークにおける適応TSCのための有望な方法である。しかし,現在のTSCシステムは,実際に単純化されたルールベースの方法に大きく依存している。本論文では,提案する。(1)2つのゲーム理論支援RLアルゴリズム,Nash均衡とRL,すなわち,Nash Advantage Actor-Crit(Nash-A2C)とNash A非同期 Advantage Actor-Crit(Nash-A3C);(2)交通シミュレーションのための分散コンピューティングモノのインターネット(IoT)アーキテクチャは,その霧層におけるNash-A3C配置のような分散TSC方式により適している。この計算アーキテクチャに両方法を適用し,ベンチマークTSC法よりも,輻輳時間とネットワーク遅延のそれぞれ22.1%と9.7%の削減により優れた性能を得た。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  簡素化 ,  ゲーム理論 ,  ネットワーク ,  都市交通 ,  分散処理 ,  *交通信号制御 ,  交通混雑 ,  ベンチマーク ,  計算機アーキテクチャ ,  *エージェント ,  *強化学習 ,  ルールベース
準シソーラス用語： 交通シミュレーション ,  モノのインターネット , 【Automatic Indexing@JST】

著者キーワード (5件)： 交通信号制御 ,  強化学習 ,  Nash均衡 ,  Nash-A3C ,  分散計算アーキテクチャ

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 大規模 ,  交通信号制御 ,  エージェント ,  深層強化学習