韓劇電影你都看哪一部呢？論文書籍站
國防大學 運籌管理學系 嚴國基、賀盛志所指導 趙世祺的 運用深度強化學習法建構都會區高速公路重現性壅塞路段改善模型 （2020），提出環北路398號關鍵因素是什麼，來自於交通管制、重現性壅塞、匝道儀控、人工智慧、深度強化學習。
而第二篇論文朝陽科技大學 資訊與通訊系 朱鴻棋所指導 廖翌翔的 基於深度Q網路的交通號誌燈週期配置 （2019），提出因為有 交通壅塞、交通號誌燈週期配置、機器學習、強化學習、Q學習、深度Q網路的重點而找出了 環北路398號的解答。
環北路398號進入發燒排行的影片
食尚玩嘎全記錄：http://goo.gl/xtgqx
超詳細網誌介紹：http://yga0721.pixnet.net/blog/post/5629321
蔡阿嘎FaceBook：http://www.facebook.com/WithGaLoveTaiwan
嘿嘿嘿!!
食尚玩嘎繼續出發到新竹!!
不走流俗的觀光客路線
沒有新竹或貢丸!!
蔡阿嘎來推薦巷仔內的限時美食!!
做了功課才發現!!
原來小小新竹市有這麼好店值得品嚐!!
整個新竹就在沿路吃吃吃吃的循環下結束了
哈哈哈
新竹美食 還真的都隱身巷弄內
Google一下地圖都蠻好找的
想來一趟不用思考行程
只有悠哉吃吃吃的兩天一夜輕旅行嗎?
來新竹追風就對啦!!!
這次蒐集的美食清單：
(歡迎新竹鄉親們持續分享提供^^)
[早餐]
夏一跳早餐雞排漢堡 (光華北路10號 光華國中正對面)
王記酥餅 (新竹市世界街2號)
中央市場糯米餃 (城隍廟旁的中央市場)
[點心]
木易師傅壞饅頭 (新竹市光復路一段398號)
葉大粒粉圓 (新竹市北門街83號)
蜂蜜大王 (新竹市勝利路338號)
林記燒甘蔗汁 (新竹市南大路134號)
田庄桑椹冰店 (新竹市南大路429號)
光復饅頭 (新竹市光復路二段92號)
高家冬瓜茶 (新竹市中正路234號)
[正餐]
黃媽豬肝麵 (新竹市光復路二段393巷6號)
公園羊肉炒麵 (新竹市光華街18巷11-1號)
城隍廟 (柳家/阿富滷肉飯)
石家魚丸 (新竹市興學街29號)
老黃家豬腳大王 (新竹市北門街89號)
南寮漁港新南興海鮮 (新竹市東大路四段294號)
[沒肚子吃的遺珠之憾]
明和麵店 (新竹市愛文街5號)
麗香814冰棒 (新竹市大同路117號)
榕樹下麵店 (新竹市林森路146號)
信義沙茶牛肉麵 (新竹市信義街27號)
公園街乾麵 (新竹市光復路跟公園路口)
飛龍肉圓 (新竹市西門街104號)
光華冰菓店 (新竹市光華東街35號)
三廠姜店涼麵 (新竹市北區經國路二段547號)
虎咬豬刈包 (新竹市民富街154號)
[回顧蔡阿嘎食尚玩嘎系列]
食尚玩嘎全記錄：http://ppt.cc/,UHt
01.花蓮篇 http://youtu.be/CIWsC9xuipE
02.北投篇 http://youtu.be/RtlXMjRJ82M?hd=1
03.義大篇 http://youtu.be/j-jsi7TPECo?hd=1
04.嘉義篇 http://youtu.be/HJrJ2-GYlU0?hd=1
05.馬祖篇 http://youtu.be/N7tqA-5n0O0?hd=1
06.苗栗篇 http://youtu.be/PVzDA_GWQu0?hd=1
07.台南篇 http://youtu.be/eLTdRQkPFnM?hd=1
08.雲林篇 http://youtu.be/gTC9fYqPruU?hd=1
09.板橋篇 http://youtu.be/dsSuTu28Ckw?hd=1
10.澎湖篇 http://youtu.be/Bxl_MPRfqkg?hd=1
11.新竹篇 http://youtu.be/SP-5C-T6Kpk?hd=1
[FaceBook粉絲團]
蔡阿嘎 https://www.facebook.com/WithGaLoveTaiwan
蔡阿嘎做公益SoEasy https://www.facebook.com/PublicWelfareSoEasy
歐屁 https://www.facebook.com/OFiLoveTaiwan
阿格列博士 https://www.facebook.com/Mr.Ugly.Love.Taiwan
運用深度強化學習法建構都會區高速公路重現性壅塞路段改善模型
為了解決環北路398號 的問題，作者趙世祺 這樣論述：
隨著私人運具取得成本降低及道路廣泛建設，都會區高速公路角色已轉變為短程交通要道，帶給用路人通行便利也導致重現性的壅塞。透過旅次起迄點的調查、車流抑制與疏導等系統性管理措施仍為管理部門紓解都會區高速公路壅塞及提升服務水準的優先考量。運用車流模擬軟體及實際路網資料來進行交管政策研究與驗證，不僅可確保政策安全有效，研究者更可於模擬過程中持續調整、優化參數或對不同措施進行試誤，以獲取最佳解決方案。近年來資、通訊技術蓬勃發展，交管領域亦嘗試透過人工智慧來改善交通問題。其中，深度強化學習演算法透過代理人與環境的互動及獎勵值的激勵下，持續修正決策並調整動作以獲取最佳解決方案的特性，與研究者人員透過模擬軟體
試誤的過程，可謂不謀而合。在此動機驅使下，本研究參考國內、外研究案例及優、缺點後，提出運用深度強化學習技術搭配預定號誌程序之系統性交管模型，不僅保有單一代理人模型簡單便利並可達成需多代理人模型方可控制多路口目標。經以2019年全年工作日都會區高速公路路段車流數據及模擬軟體驗證後發現，此模型對改善重現性壅塞問題確有成效且深具發展潛力。
基於深度Q網路的交通號誌燈週期配置
為了解決環北路398號 的問題，作者廖翌翔 這樣論述：
近年來，人口密度迅速的增加，而人口密度高的國家則飽受交通壅塞的困擾。嚴重的交通壅塞會導致許多問題的產生，例如車輛廢氣排放、車輛旅行時間增加、能源消耗和車輛事故的產生。而導致交通壅塞問題的因素很多，包含道路的通行能力不佳、車輛密度過高、不佳的城市交通規劃或無法因應實際車流的交通號誌燈設置。而交通號誌燈的週期配置為重要的因素之一。交通號誌燈的週期如果能因應車流動態調整，能夠有效地降低交通壅塞程度。因此我們提出了一種基於Q-learning的改進機制來優化交通號誌燈週期配置，以較低運算時間和接近最佳的車輛平均延遲時間，並因應實際車流而調整交通號誌燈的週期配置。實驗結果表明，所提出的方法處理步驟優於
窮舉搜索法11.76倍，而且車輛平均延遲時間僅比窮舉搜索法略低5.4%。而交通壅塞問題會影響鄰近的路口，本文使用Deep Q network方法動態調整鄰近路口的交通號誌燈週期配置。經實驗結果顯示，所使用的方法的總車輛延遲時間在最佳情況下優於固定式週期配置12.86%。本文所提出的方法能夠通過控制交通號誌燈有效舒緩交通壅塞問題。