课程文献中心 更多>>

关键词： 交通信号控制   公交信号优先   深度强化学习   多智体强化学习  

摘要： 随着世界人口总量增加和城市化的进程推进,大量的人口不断涌入城市,在给城市带来劳动力和经济效益的同时,也给城市带来了严重的交通拥堵问题。交通信号控制(Traffice Signal Control,TSC)算法能够很好地协调各个路口中交通信号灯的协作,让车辆在路网中高效通行,缓解交通拥堵。随着人工智能技术的兴起,深度强化学习(Deep Reinforcement Learning,DRL)被很多研究者认为可以有效协调各个路口中的交通信号,缓解交通拥堵。在传统TSC场景中,TSC算法以最大化车辆在路网中的通行效率为目标。然而,路网中的每个智能体的决策都是相互影响的,如何让智能体之间达成高效协作,依然是一个项亟待解决的重要问题。公交信号优先(Transit Signal Priority,TSP)是另一种交通信号控制场景。TSP提出的目的在于通过提高公共交通车辆在信号灯路口的通行优先级,来鼓励更多市民乘坐公交车辆出行,缓解交通拥堵。目前基于DRL的TSP控制算法大都使用基于价值的强化学习,在算法的训练中容易出现Q值高估问题,导致智能体决策不可靠。 针对现有工作的不足,本文聚焦交通信号控制,开展了传统TSC和TSP两种交通信号控制场景的交通信号控制算法研究。本论文的主要研究内容和创新工作如下: (1)针对传统TSC场景,本文提出基于竞争双深度Q网络(Dueling Double Deep Q Network,D3QN)和时空特征网络的多智体深度强化学习算法用来控制多交叉路口的交通信号。首先,本文将传统的交通信号控制过程建模为一个离散的部分观测马尔科夫决策过程。其次,为了更好地达成智能体之间的合作,提出了使用长短期记忆(Long Short Term Memory,LSTM)网络和自注意力网络对现有基于D3QN的多智体强化学习算法进行改进,构建具有时空特征提取能力的智能体神经网络,让智能体更好地感知到邻居智能体的决策策略,从而达成更好的协作。最后,仿真实验结果表明,本文所提出的算法相比于传统固定时隙的算法能降低44.26%的车辆旅行时间,且在各项评价指标中优于其他基准算法。 (2)针对TSP场景,本文提出基于优势行动者批评家(Advantage Actor-Critic,A2C)和LSTM通信编码网络的多智体深度强化学习算法用于TSP控制。首先,针对TSP场景的特殊性,使用优先队列对应用于传统TSC场景的部分观测马尔科夫决策过程进行改进。其次,将基于A2C的TSC算法引入TSP场景,并且使用LSTM网络对智能体之间的通信方式进行改进,在过滤掉邻居交叉路口观测噪声的同时也让智能体更好地感知邻居交叉口交通流的时序特征。最后,仿真实验表明,本文提出的改进后的TSP控制算法相比于改进前的算法降低了28.58%的公交车等待时间,且在各项评价指标中优于其他基准算法。

关键词： 预算管理一体化   基层气象部门   内部控制体系  

摘要： 随着经济的不断发展和社会的持续进步，气象服务在国民经济和人民生活中的重要性日益凸显。预算管理作为保障气象部门高效运行的重要手段，也面临越来越高的要求。本文探讨了预算管理一体化的背景和意义，阐述了基层气象部门内部控制体系的现状，提出了基于预算管理一体化的内部控制体系的优化策略。研究表明，建立健全的内部控制体系是提高基层气象部门预算管理水平的关键，也是促进气象事业健康发展的必然选择。

摘要： ~~

关键词： 高中数学   期末考试   试卷设计   命题原则   命题方法  

摘要： 高中数学期末考试属于学业水平考试，要按照学业质量标准和内容要求命制试卷.在命制试卷时，要设计合理的试卷结构，制定命题双向多维细目表，根据考查目标命制试题，制定合适的评分标准.在命制试题时，要坚持导向性、科学性、整体性、适度性和创新性的命题原则，具体可以采用知识点整合、教材例题和习题变式、试题类比、构造逆命题、经典试题特殊化和一般化等命题方法.

摘要： ~~

关键词： 科研院所   内部控制   财务一体化   管理  

摘要： 研究内部控制与财务一体化，有助于规范科研院所经济活动，降低风险，提高财务报告的可靠性，促进科研资源的高效配置，推动科技成果的转化。本文旨在探讨科研院所内部控制与财务一体化的构建与应用，通过分析当前科研院所内部控制与财务管理的现状，提出一体化建设的策略与措施，以提高科研院所财务管理水平，促进科研事业发展，为我国科研院所的改革与发展提供参考。