深層強化学習エージェントによる交通信号制御

交通量増加による公害を改善するため,信号制御を効率化

物理的なアプローチは高コスト

信号の制御を工夫しよう

学習対象の問題設定

交差点の状況に応じて,発進する信号を選択する?

信号フェーズとシーケンスの違いは?

従来はフェーズだけみたい

従来手法では既存のデータを最大限活用していない

データ利活用のギャップを解消?

既存手法が単純化のために設けた制約が多いので,これを解決

より柔軟な信号制御を導く?

経験再生の有効性が気になる

ランダムってどうやって決めてるの?