Semáforos inteligentes por medio de aprendizaje por refuerzo

Abstract:

En este documento se muestra los resultados obtenidos de aplicar aprendizaje por refuerzo multiagente para el control adaptativo de los semáforos en un conjunto de intersecciones, con el fin de poder reducir el tiempo de esperas de los vehículos en la vía, comparado con semáforos en tiempo fijo. Para esto, se utilizaron 4 métodos de aprendizaje por refuerzo, los cuales fueron Q-learning, SARSA, Deep Q-Network (DQN) y Proximal Policy Optimization (PPO). Dichos algoritmos de aprendizaje se implementaron en python y se simularon en el software SUMO. Arrojando una eficiencia del 35.79 %, 51.63 %, 63.40% y 63.49% respectivamente, comparado con tiempos fijos.

Año de publicación:

2023

Keywords:

Fuente:

google