计算机应用研究

作者：黄敏,毛锋,钱宇翔,

单位：中山大学智能工程学院广东智能交通系统重点实验室,广州510006；

关键词：最快路径挖掘,路段经验数据库,经验学习,深度强化学习,

基金：国家自然科学基金资助项目(U1611461,11574407)；广东省科技计划项目(2016A020223006)；中央高校基本科研业务费专项资金资助项目(17lgjc42)；；

利用出租车司机经验，提出约束深度强化学习算法（CDRL）在线计算不同时间段内OD间最快路线。首先描述了路段经验数据库（ERSD）的提取； 然后介绍了CDRL方法，包括可选择约束路段生成和深度Q-lear-ning算法两个阶段，在第一阶段，生成OD（起终点）间可选择约束路段，在第二阶段，设计深度Q-learning算法学习出租车司机的经验，并根据他们的出发时间计算给定OD间的最快路线；最后在广州CBD进行了应用实验。结果表明，CDRL方法计算在旅行时间上优于最短路径（SR）方法，且与最快路径（FR）方法计算路径差别不大；此外，CDRL方法在计算效率方面明显优于FR和SR方法，因此更适合OD间最快路径的在线计算。

来源：2020年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第5期