公开(公告)号：CN110060475A

公开(公告)日：2019-07-26

申请号：CN201910307621.7

申请日：2019-04-17

Applicant: 清华大学

Inventor： 胡坚明 ,  霍雨森 ,  裴欣 ,  张佐 ,  姚丹亚

IPC: G08G1/01 ,  G08G1/081 ,  G08G1/095 ,  G08G1/096 ,  G06N3/04

Abstract: 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(公告)号：CN110060475B

公开(公告)日：2021-01-05

申请号：CN201910307621.7

申请日：2019-04-17

Applicant: 清华大学

Inventor： 胡坚明 ,  霍雨森 ,  裴欣 ,  张佐 ,  姚丹亚

IPC: G08G1/01 ,  G08G1/081 ,  G08G1/095 ,  G08G1/096 ,  G06N3/04

Abstract: 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。