现代交通技术研究

基于深度强化学习的实时交通流量预测与优化

于 骐嘉

辽宁科技大学

DOI: https://doi.org/10.59429/xdjtjs.v6i4.8880

Keywords: 深度强化学习；交通流量预测；交通优化；强化学习；智能交通系统

---

Abstract

随着城市化进程的加速，交通拥堵问题日益严重，影响了人们的出行效率。为解决这一问题，基于深度强 化学习的实时交通流量预测与优化技术应运而生。论文探讨了如何利用深度学习和强化学习的结合，实现对交通流 量的精准预测和优化控制。通过构建基于深度强化学习的预测模型，利用历史交通数据进行训练，提高预测的准确性， 并据此优化交通信号控制、路网布局等，有效缓解交通拥堵，提升交通效率。实验结果表明，该方法在实际交通管 理中具有较高的实用性和普适性。

---

References

[1] 姜文翰,姜志侠,孙雪莲.一种修正学习率的梯度下降算法[J].长春理工大学学报(自然科学版),2023(6):23-25.

[2] 陈琨,王安志.卷积神经网络的正则化方法综述[J].计算机应用研究,2024(4):56-75.

[3] 李晓宇,周梅,王金虎,等.基于点密度与卡尔曼滤波的路面标识线提取方法[J].中国科学院大学学报,2023(6):123-140.

[4] 任丽丽,吴江玲,郭旭亮,等.无信号环形交叉口机非冲突机器学习预测方法[J].科学技术与工程,2023(31):223-225.

[5] 王文杰,石竞琛,姜念祖,等.主成分分析在模式识别领域中的研究进展[J].白城师范学院学报,2023(5):73-77.

[6] 白云,颜华,魏元焜.基于PCA降维和迭代正则化的温度场重建[J].自动化与仪表,2023(9):53-55.

[7] 朱骏宇.基于卷积神经网络的图像识别的技术分析[J].长江信息通信,2023(8):334-350.

[8] 崔素萍,卜崇阳.深度学习下交通拥堵路段信息自动识别仿真[J].计算机仿真,2023(7):213-215.

[9] 方华珍,刘立,肖小凤,等.混合示教长短时记忆网络的车辆轨迹预测研究[J].交通运输系统工程与信息,2023(4):223-226.

[10] 朱承元,张澈,管建华.基于改进支持向量机的空域交通态势识别方法[J].交通信息与安全,2023(2):123-125.