近年来深度强化学习作为一种高效可靠的机器学习方法被广泛应用在交通信号控制领域。目前,现有交通信号配时方法通常忽略了特殊车辆(例如救护车、消防车等)的优先通行;此外,基于传统深度强化学习的信号配时方法优化目标较为单一,导致其...近年来深度强化学习作为一种高效可靠的机器学习方法被广泛应用在交通信号控制领域。目前,现有交通信号配时方法通常忽略了特殊车辆(例如救护车、消防车等)的优先通行;此外,基于传统深度强化学习的信号配时方法优化目标较为单一,导致其在复杂交通场景中性能不佳。针对上述问题,基于Double DQN提出一种融合特殊车辆优先通行的双模式多目标信号配时方法(Dual-mode Multi-objective signal timing method based on Double DQN,DMDD),以提高不同交通场景下路口的通行效率。该方法首先基于路口的饱和状态选择信号控制模式,特殊车辆在紧急控制模式下被赋予更高的通行权重,有利于其更快通过路口;接着针对等待时长、队列长度和CO 2排放量3个指标分别设计神经网络进行奖励计算;最后利用Double DQN进行最优信号相位的选择,通过灵活切换信号相位以提升通行效率。基于SUMO的实验结果表明,DMDD与对比方法相比能有效缩短路口处特殊车辆的等待时长、队列长度和CO 2排放量,特殊车辆能够更快通过路口,有效地提高了通行效率。展开更多
目的:探讨慢性疾病轨迹模式护理干预在1型脆性糖尿病患者中的应用效果。方法:选择我院2020年1月至2021年6月收治的112例1型脆性糖尿病患者为研究对象,采用双盲法分为观察组与对照组,每组56例。对照组患者实施常规医学护理干预,观察组患...目的:探讨慢性疾病轨迹模式护理干预在1型脆性糖尿病患者中的应用效果。方法:选择我院2020年1月至2021年6月收治的112例1型脆性糖尿病患者为研究对象,采用双盲法分为观察组与对照组,每组56例。对照组患者实施常规医学护理干预,观察组患者采用慢性疾病轨迹模式的护理干预,采用糖尿病生存质量特异性量表(disease specific quality of life,DSQL)、连续葡萄糖监测系统(continuous glucose monitoring system,CGMS)、焦虑自评量表(self-rating anxiety scale,SAS)、抑郁自评量表(self-rating depression scale,SDS)等量表评价,比较2组不同护理干预对患者生存质量评分、血糖变化监测情况、心理焦虑和抑郁评分、护理满意度等。结果:观察组患者DSQL评分低于对照组(P<0.01);平均血糖标准差(standard deviation of blood glucose,SDBG)、平均血糖波动幅度(mean amplitude of glycemic excursions,MAGE)等连续葡萄糖监测指标低于对照组(P<0.01);观察组患者SAS、SDS评分均低于对照组(P<0.01);血清尿酸(serum uric acid,UA)、体重指数(body mass index,BMI)均高于对照组(P<0.01);观察组患者护理满意度高于对照组(P<0.05)。结论:慢性疾病轨迹模式的目标护理干预应用于1型脆性糖尿病患者效果显著,可有效改善糖尿病患者相关血液指标,降低血糖,提高生存质量,从心理层面消除焦虑、抑郁等情绪,提高患者满意度。展开更多
文摘近年来深度强化学习作为一种高效可靠的机器学习方法被广泛应用在交通信号控制领域。目前,现有交通信号配时方法通常忽略了特殊车辆(例如救护车、消防车等)的优先通行;此外,基于传统深度强化学习的信号配时方法优化目标较为单一,导致其在复杂交通场景中性能不佳。针对上述问题,基于Double DQN提出一种融合特殊车辆优先通行的双模式多目标信号配时方法(Dual-mode Multi-objective signal timing method based on Double DQN,DMDD),以提高不同交通场景下路口的通行效率。该方法首先基于路口的饱和状态选择信号控制模式,特殊车辆在紧急控制模式下被赋予更高的通行权重,有利于其更快通过路口;接着针对等待时长、队列长度和CO 2排放量3个指标分别设计神经网络进行奖励计算;最后利用Double DQN进行最优信号相位的选择,通过灵活切换信号相位以提升通行效率。基于SUMO的实验结果表明,DMDD与对比方法相比能有效缩短路口处特殊车辆的等待时长、队列长度和CO 2排放量,特殊车辆能够更快通过路口,有效地提高了通行效率。
文摘目的:探讨慢性疾病轨迹模式护理干预在1型脆性糖尿病患者中的应用效果。方法:选择我院2020年1月至2021年6月收治的112例1型脆性糖尿病患者为研究对象,采用双盲法分为观察组与对照组,每组56例。对照组患者实施常规医学护理干预,观察组患者采用慢性疾病轨迹模式的护理干预,采用糖尿病生存质量特异性量表(disease specific quality of life,DSQL)、连续葡萄糖监测系统(continuous glucose monitoring system,CGMS)、焦虑自评量表(self-rating anxiety scale,SAS)、抑郁自评量表(self-rating depression scale,SDS)等量表评价,比较2组不同护理干预对患者生存质量评分、血糖变化监测情况、心理焦虑和抑郁评分、护理满意度等。结果:观察组患者DSQL评分低于对照组(P<0.01);平均血糖标准差(standard deviation of blood glucose,SDBG)、平均血糖波动幅度(mean amplitude of glycemic excursions,MAGE)等连续葡萄糖监测指标低于对照组(P<0.01);观察组患者SAS、SDS评分均低于对照组(P<0.01);血清尿酸(serum uric acid,UA)、体重指数(body mass index,BMI)均高于对照组(P<0.01);观察组患者护理满意度高于对照组(P<0.05)。结论:慢性疾病轨迹模式的目标护理干预应用于1型脆性糖尿病患者效果显著,可有效改善糖尿病患者相关血液指标,降低血糖,提高生存质量,从心理层面消除焦虑、抑郁等情绪,提高患者满意度。
