- 专利标题: 一种基于深度强化学习的多交叉口信号灯协同控制方法
-
申请号: CN201910307621.7申请日: 2019-04-17
-
公开(公告)号: CN110060475B公开(公告)日: 2021-01-05
- 发明人: 胡坚明 , 霍雨森 , 裴欣 , 张佐 , 姚丹亚
- 申请人: 清华大学
- 申请人地址: 北京市海淀区100084信箱82分箱清华大学专利办公室
- 专利权人: 清华大学
- 当前专利权人: 清华大学
- 当前专利权人地址: 北京市海淀区100084信箱82分箱清华大学专利办公室
- 代理机构: 北京纪凯知识产权代理有限公司
- 代理商 孙楠
- 主分类号: G08G1/01
- IPC分类号: G08G1/01 ; G08G1/081 ; G08G1/095 ; G08G1/096 ; G06N3/04
摘要:
本发明涉及一种基于深度强化学习的多交叉口信号灯协同控制方法,其包括以下步骤:1)根据多交叉口交通网络的实际情况,建立能够反映该交通网络原始交通状态的多通道张量;2)根据得到的多交叉口交通网络的多通道张量,建立多交叉口协同控制神经网络模型;3)采用模仿学习和强化学习相结合的方法,对建立的多交叉口协同控制神经网络模型进行训练,得到训练好的多交叉口协同控制神经网络模型;4)将当前多交叉口的相位信息输入训练好的多交叉口协同控制神经网络模型,得到当前多交叉口信号灯的协同控制输出结果。本发明可以广泛应用于多交叉口信号灯协同控制领域。
公开/授权文献
- CN110060475A 一种基于深度强化学习的多交叉口信号灯协同控制方法 公开/授权日:2019-07-26