Core Concepts
Ein neuartiger Mehrfachagenten-Schauspieler-Kritiker-Rahmen mit einem interpretierbaren Einflussmodell auf Basis von EHHNN wird vorgeschlagen, um die räumlich-zeitlichen Abhängigkeiten zwischen verschiedenen Agenten zu erfassen und die Gesamtleistung des Verkehrsnetzes zu verbessern.
Abstract
Der Artikel stellt einen neuartigen Mehrfachagenten-Schauspieler-Kritiker-Rahmen vor, der auf einem interpretierbaren Einflussmodell basiert, das auf der effizienten Hinge-Hyperebenen-Neuronennetzwerktechnologie (EHHNN) aufbaut.
Zunächst wird ein Schauspieler-Kritiker-Rahmen aufgebaut, bei dem das stückweise lineare Neuronennetzwerk (PWLNN), genannt verzerrtes ReLU (BReLU), als Funktionsapproximator verwendet wird, um eine genauere und theoretisch fundierte Approximation zu erhalten.
Dann wird ein interpretierbarer Einflussmechanismus auf Basis von EHHNN eingeführt, um die Beziehungen zwischen den Agenten in Mehrfachkreuzungsszenarien zu modellieren. Dieser leitet die Gewichte durch ANOVA-Zerlegung zwischen den Agenten ab und extrahiert die räumlich-zeitlichen Abhängigkeiten der Verkehrsmerkmale.
Schließlich wird der vorgeschlagene Rahmen in zwei synthetischen Verkehrsnetzen validiert, um die Signalsteuerung zwischen den Kreuzungen zu koordinieren, und erzielt im gesamten Verkehrsnetz eine geringere Verkehrsverzögerung im Vergleich zu state-of-the-art-Methoden.
Stats
Die Verkehrsverzögerung über das gesamte Verkehrsnetz hinweg ist im Vergleich zu state-of-the-art-Methoden geringer.
Die Verkehrsflusssstabilität ist im Vergleich zu anderen Methoden höher.
Quotes
Keine relevanten Zitate gefunden.