Deep-QLearning-Agent-for-Traffic-Signal-Control:深入的Q-Learning强化学习代理尝试在交叉路口选择正确的交通信号灯相位以最大化交通效率的框架-源码
用于交通信号控制的Deep Q学习代理
深入的Q-Learning强化学习代理尝试在交叉路口选择正确的交通信号灯相位以最大化交通效率的框架。
我已将其上传到此处，以帮助任何人寻找通过SUMO进行深度强化学习的良好起点。 这段代码是从我的硕士论文中提取的，它代表了我的论文工作所用代码的简化版本。 我希望您可以找到此存储库对您的项目有用。
入门
这些说明将为您提供在本地计算机上运行的项目的副本。 我认为，以下是最简单的步骤，以便以最少的工作量从头开始运行算法。 强烈建议使用配备NVIDIA GPU的计算机。
下载Anaconda（）并安装。
下载SUMO（ ）并安装。
按照简短指南正确正确地安装tensorflow-gpu，不会出现问题。 简而言之，该指南告诉您打开Anaconda Prompt或任何终端，然后键入以下命令：
conda create --name tf_gpu
ac
2021-11-01 09:48:25
39KB
1
SUMO-Environment
一个单路口交通信号灯控制的SUMO环境demo
安装说明
使用命令行安装最新版SUMO
添加官网最新版本的源
sudo add-apt-repository ppa:sumo/stable
更新软件列表
sudo apt-get update
安装
sudo apt-get install sumo sumo-tools sumo-doc
main.py脚本运行说明
运行脚本后，会自动弹出SUMO的GUI界面。
弹出界面后，先修改界面右上方工具栏中的Delay为非零数，否则仿真会瞬间完成，看不到仿真过程，数值越大，仿真过程越慢，可以先设置为100。
然后点击左上方绿色的开始箭头即可开始仿真，鼠标滚轮可以缩放仿真界面，按住鼠标左键可以拖动仿真界面。
仿真数据获取说明
print('红绿灯路口西侧排队车辆数目:', traci.lanearea.getJamL
2021-10-17 21:18:23
5KB
1