本发明公开了一种基于深度强化学习的可变车道及交通信号协同控制方法,包括采集交叉口状态观测值,包含车辆数据、信号灯数据、可变车道数据,并进行预处理后输入至神经网络;神经网络基于强化学习不断训练更新,直至模型收敛;基于训练好的神经网络进行最优控制,输出最优控制策略。本发明实现了可变车道和交通信号的耦合控制,并且可以根据交叉口区域的实时状态,进行实时的最优控制,不需要人工作业,可变车道的切换和交通信号的控制完全根据车流数据进行自适应调节,并且没有造成车辆二次停车,优化了信号控制交叉口的时空间资源利用效率。
声明:
“基于深度强化学习的可变车道及交通信号协同控制方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)