《表2 反馈式与基于深度Q学习的匝道控制策略比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于图像卷积神经网络的匝道控制深度强化学习算法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

比较了反馈式匝道控制策略与深度Q学习匝道控制策略的效果．根据瓶颈区交通流特征，采用ALINEA反馈匝道控制策略．ALINEA旨在将瓶颈下游占有率调整到预期值，以保持最大流量并防止通行能力下降．期望占有率设定为15%和17%，控制周期设定为60 s，调节率设定为70辆/h．表2比较了2种情景下的系统总旅行时间、速度、占有率和瓶颈消散流率．结果表明，反馈控制策略比定时控制策略效果更好，系统总旅行时间减少了10.54%和10.41%，瓶颈消消散流率增加11.93%和11.78%．但控制效果仍然不如本研究提出的基于深度Q学习的匝道控制策略．