A survey on urban traffic signal control using deep reinforcement learning
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Urban traffic congestion has become increasingly severe, and traffic signal control has emerged as a key mitigation measure. In recent years, deep reinforcement learning (DRL) has been widely applied to the field of traffic signal control due to its advantages in perception and decision-making. This paper systematically reviews the research progress of DRL in traffic signal control over the past three years, and conducts a classified analysis from the aspects of state modeling, reward design, and data utilization. Finally, this paper summarizes the shortcomings of current research and proposes future development directions such as multi-intersection coordination, model migration, and data-driven approaches, providing references for the research and application of intelligent transportation systems.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- A survey on urban traffic signal control using deep reinforcement learning
- Date Crossref
- 07/11/2025
- Éditeur
- SPIE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Dongguan University of Technology pays non établi dans la noticeUniversité ou école supérieure
-
City College of Dongguan University of Technology pays non établi dans la noticeUniversité ou école supérieure
-
Dongguan City University (China) pays non établi dans la noticeUniversité ou école supérieure
Dongguan University of Technology, City College of Dongguan University of Technology et Dongguan City University (China).
Une affiliation ne permet pas de déduire la nationalité d’un auteur.