研究提出强化学习自适应人群流控框架

2026年10月27日，arXiv Computer Vision 刊出 Alhanof Alolyan 等作者的论文，提出一种仿真驱动的强化学习框架，用于优化人群流控中的屏障配置。该研究称，无需标注训练数据：先从分割后的人群场景构建复现行人分布的仿真环境，再训练 Soft Actor-Critic（SAC）智能体持续调整屏障位置。在未见过的行人数量下，学到的策略相比现有人工设计屏障配置持续减少行人停顿，同时保持有效的流控效果。目前进展停留在论文发布与仿真验证阶段，报道未提及实地部署或应用测试。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。