基于动量的低排放交通信号控制奖励设计

Chinmay Mundane, Amith Manoharan, Arun Singh

摘要

本文提出了一种基于动量的奖励函数（MBRF），用于深度强化学习驱动的自适应交通信号控制，以改善交通流并减少排放。在SUMO仿真中，该方法相比传统延迟和队列奖励以及经典控制器，在吞吐量与排放的权衡和学习稳定性上表现更优。

reinforcement learningreward designtraffic signal controlSUMO simulationemission reduction

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Yong Tao, Donghua Tan, Fan Ren 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026