电子测量技术

作者：刘振航，黄德启，黄德意，黄海峰

单位：新疆大学电气工程学院 乌鲁木齐 830047

关键词：交通信号控制;深度强化学习;时空特征建模;SUMO;智能交通系统

基金：新疆维吾尔自治区自然科学基金(2022D01C430)、 国家自然科学基金(51468062) 项目资助

针对现有方法因忽略历史交通信息导致时空特征感知不足的问题,提出一种融合深度强化学习与时空特征建模的交叉口信号控制方法。该方法使用D3QN-LSTM混合网络架构,通过离散交通状态编码将多时段交通信息表征为高维矩阵,采用卷积神经网络提取空间特征,结合长短时记忆网络捕捉时序依赖关系,并设计基于奖励反馈的动态探索机制优化策略训练过程。基于SUMO仿真平台进行实验,结果表明：相较于固定时长控制及传统强化学习方法,所提方法在早高峰流量情况下平均排队长度指标上分别降低49.95%、35.04%和16.72%,累积等待时间减少63.03%、35.55%和20.15%,有效验证了时空特征建模与动态探索策略的优越性。为评估算法鲁棒性,进一步开展平峰期交通流实验,结果表明：所提算法在平均排队长度与累积等待时间指标上依然保持显著优势,证明该方法对不同交通场景具有强适应性和良好的泛化能力。

来源：2026年第4期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2026年第4期