CN114444718B - 机器学习模型的训练方法、信号控制方法和装置 - Google Patents

Abstract

本公开提供了一种机器学习模型的训练方法、信号控制方法、装置、设备、介质和产品，涉及人工智能技术领域，具体为智能交通、强化学习、深度学习技术领域。机器学习模型的训练方法包括：基于参数噪声值调整初始机器学习模型的模型参数，得到更新后的初始机器学习模型，初始机器学习模型是经由第一交通样本数据训练得到的；利用更新后的初始机器学习模型处理第二交通样本数据，得到针对交通信号灯的第一调整策略；响应于基于第一调整策略调整交通信号灯的信号完成，确定针对路口的第一参考交通状态；基于第一参考交通状态和参数噪声值，调整更新后的初始机器学习模型的模型参数，得到经训练的机器学习模型。

Description

机器学习模型的训练方法、信号控制方法和装置

技术领域

本公开涉及人工智能技术领域，具体为智能交通、强化学习、深度学习技术领域，更具体地，涉及一种机器学习模型的训练方法、信号控制方法、装置、电子设备、介质和程序产品。

背景技术

相关技术中，通常需要根据路口的交通状态来实时调整交通信号灯的信号，以缓解路口的拥堵情况。但是，相关技术在调整交通信号灯的信号时，调整效果不佳，导致难以较好地缓解路口的拥堵情况。

发明内容

本公开提供了一种机器学习模型的训练方法、信号控制方法、装置、电子设备、存储介质和程序产品。

根据本公开的一方面，提供了一种机器学习模型的训练方法，包括：基于参数噪声值调整初始机器学习模型的模型参数，得到更新后的初始机器学习模型，其中，所述初始机器学习模型是经由第一交通样本数据训练得到的，所述第一交通样本数据表征了路口的交通状态；利用所述更新后的初始机器学习模型处理第二交通样本数据，得到针对交通信号灯的第一调整策略，其中，所述第二交通样本数据表征了所述路口的交通状态；响应于基于所述第一调整策略调整所述交通信号灯的信号完成，确定针对所述路口的第一参考交通状态；基于所述第一参考交通状态和所述参数噪声值，调整所述更新后的初始机器学习模型的模型参数，得到经训练的机器学习模型。

根据本公开的另一方面，提供了一种信号控制方法，包括：获取表征路口状态的目标交通数据；利用经训练的机器学习模型处理所述目标交通数据，得到针对交通信号灯的调整策略，其中，所述经训练的机器学习模型是利用如上所述的方法训练得到的；基于所述调整策略，调整所述交通信号灯的信号。

根据本公开的另一方面，提供了一种机器学习模型的训练装置，包括：第一调整模块、处理模块、第一确定模块和第二调整模块。第一调整模块，用于基于参数噪声值调整初始机器学习模型的模型参数，得到更新后的初始机器学习模型，其中，所述初始机器学习模型是经由第一交通样本数据训练得到的，所述第一交通样本数据表征了路口的交通状态；处理模块，用于利用所述更新后的初始机器学习模型处理第二交通样本数据，得到针对交通信号灯的第一调整策略，其中，所述第二交通样本数据表征了所述路口的交通状态；第一确定模块，用于响应于基于所述第一调整策略调整所述交通信号灯的信号完成，确定针对所述路口的第一参考交通状态；第二调整模块，用于基于所述第一参考交通状态和所述参数噪声值，调整所述更新后的初始机器学习模型的模型参数，得到经训练的机器学习模型。

根据本公开的另一方面，提供了一种信号控制装置，包括：获取模块、处理模块和调整模块。获取模块，用于获取表征路口状态的目标交通数据；处理模块，用于利用经训练的机器学习模型处理所述目标交通数据，得到针对交通信号灯的调整策略，其中，所述经训练的机器学习模型是利用如上所述的装置训练得到的；调整模块，用于基于所述调整策略，调整所述交通信号灯的信号。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的机器学习模型的训练方法和/或信号控制方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述的机器学习模型的训练方法和/或信号控制方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序序/指令，所述计算机程序序/指令被处理器执行时实现上述机器学习模型的训练方法的步骤和/或信号控制方法的步骤。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示意性示出了一种示例的机器学习模型的训练和信号控制的应用场景；

图2示意性示出了根据本公开一实施例的机器学习模型的训练方法的流程图；

图3示意性示出了根据本公开一实施例的交通方向的示意图；

图4示意性示出了根据本公开一实施例的初始机器学习模型的训练示意图；

图5示意性示出了根据本公开一实施例的机器学习模型的训练原理图；

图6示意性示出了根据本公开一实施例的信号控制方法的流程图；

图7示意性示出了根据本公开一实施例的机器学习模型的训练装置的框图；

图8示意性示出了根据本公开一实施例的信号控制装置的框图；以及

图9是用来实现本公开实施例的用于执行机器学习模型的训练和/或信号控制的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的***”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的***等)。

图1示意性示出了一种示例的机器学习模型的训练和信号控制的应用场景。

如图1所示，本公开实施例的应用场景100例如包括交通数据101和电子设备102。

交通数据101例如包括路口的交通数据，例如，交通数据101包括通过路口的车辆数量、车辆拥堵数据、车辆排队数量等等。

电子设备102也可以称为智能体，智能体具有数据处理的功能。示例性地，电子设备102可以包括计算机、服务器、智能手机等等。

将交通数据101输入电子设备102中，电子设备102处理交通数据101得到信号调整策略，可以基于信号调整策略调整针对路口的交通信号灯的信号，例如调整路口中某一交通方向或交通相位的绿灯状态或红灯状态，以此降低交通拥堵程度。

示例性地，电子设备102例如可以训练机器学习模型，并利用经训练的机器学习模型基于交通数据101得到信号调整策略。

本公开的实施例提出了一种优化的机器学习模型的训练方法和信号控制方法。下面参考图2～图6来描述根据本公开示例性实施方式的机器学习模型的训练方法和信号控制方法。

图2示意性示出了根据本公开一实施例的机器学习模型的训练方法的流程图。

如图2所示，本公开实施例的机器学习模型的训练方法200例如可以包括操作S210～操作S240。

在操作S210，基于参数噪声值调整初始机器学习模型的模型参数，得到更新后的初始机器学习模型。

在操作S220，利用更新后的初始机器学习模型处理第二交通样本数据，得到针对交通信号灯的第一调整策略。

在操作S230，响应于基于第一调整策略调整交通信号灯的信号完成，确定针对路口的第一参考交通状态。

在操作S240，基于第一参考交通状态和参数噪声值，调整更新后的初始机器学习模型的模型参数，得到经训练的机器学习模型。

示例性地，经训练的机器学习模型包括利用强化学习算法训练的模型，例如可以基于进化策略(Evolution Strategies，ES)来训练模型得到经训练的机器学习模型。如果直接基于进化策略随机开始训练模型，会增加模型学习优化的时间，并且需要大量样本，导致训练效率较低。

因此，本公开的实施例可以先利用第一交通样本数据训练得到初始机器学习模型，然后再利用第二交通样本数据基于进化策略来更新优化初始机器学习模型，从而得到最终的经训练机器学习模型。第一交通样本数据表征了路口的交通状态，第二交通样本数据例如也表征了路口的交通状态。示例性地，第一交通样本数据或第二交通样本数据例如包括路口附近的车辆数量，例如包括车辆排队数量。

在得到初始机器学习模型之后，基于参数噪声值调整初始机器学习的模型参数，从而得到更新后的初始机器学习模型。例如，将初始机器学习的模型参数加上参数噪声值。

得到更新后的初始机器学习模型之后，利用更新后的初始机器学习模型处理第二交通样本数据，得到针对交通信号灯的第一调整策略，第一调整策略例如指示了调整某一交通方向或交通相位的交通信号灯的状态，交通信号灯状态例如包括红灯状态、绿灯状态等。

得到第一调整策略之后，基于第一调整策略调整交通信号灯的信号，例如将针对某一交通方向或交通相位的交通信号灯由红灯状态调整为绿灯状态。在一示例中，基于第一调整策略调整交通信号灯的信号包括通过交通仿真器来进行模拟。交通仿真器对车辆在路网中的动力学模型进行建模，通过交通仿真器可以模拟调整交通信号灯的信号，以及车辆可以根据调整后的交通信号灯进行模拟行驶。

在基于第一调整策略调整交通信号灯的信号之后，确定针对路口的第一参考交通状态，第一参考交通状态例如表征了调整交通信号灯的信号之后路口的车辆拥堵情况。然后，基于第一参考交通状态和参数噪声值，调整更新后的初始机器学习模型的模型参数，从而训练得到经训练的机器学习模型。

可以理解，可以通过循环多次基于不同的参数噪声值来更新模型参数，从而训练得到机器学习模型。例如，基于第一参考交通状态和参数噪声值调整更新后的初始机器学习模型，得到第一次循环的初始机器学习模型。基于另一参数噪声值调整第一次循环得到的初始机器学习模型的模型参数得到第二次更新后的初始机器学习模型，利用第二次更新后的初始机器学习模型处理第二交通样本数据，得到针对交通信号灯的第一调整策略，响应于基于第一调整策略调整交通信号灯的信号完成，确定针对路口的第一参考交通状态，基于第一参考交通状态和另一参数噪声值，调整第二次更新后的初始机器学习模型的模型参数，得到第二次循环的初始机器学习模型，以此类推经过多次循环直到模型收敛，从而得到经训练的机器学习模型。

根据本公开的实施例，首先通过训练得到初始机器学习模型之后，再基于进化策略来优化初始机器学习模型得到最终的机器学习模型，降低了模型的学习优化的时间，提高了模型的训练效率。经训练的机器学习模型在处理交通数据得到调整策略的过程中具有较佳的效果，由此得到较为准确的调整策略，基于准确的调整策略调整交通信号灯，以降低交通拥堵程度。

图3示意性示出了根据本公开一实施例的交通方向的示意图。

如图3所示，路口包括第一路口，第一交通样本数据或第二交通样本数据包括针对第一路口的交通数据和针对第二路口的交通数据，第二路口与第一路口之间的距离满足距离条件。例如，第二路口包括多个第二路口，多个第二路口与第一路口相邻。距离包括欧式距离、曼哈顿距离等等。可以使用注意力机制聚合相邻路口的交通数据特征。

由于相邻路口之间的交通数据通常存在关联，例如相邻路口拥堵时通常会影响当前路口的拥堵情况，因此，在基于针对第一路口的第一交通样本数据或第二交通样本数据训练模型时，同时考虑相邻的第二路口的交通数据，提高了基于模型得到调整策略的准确性，从而降低了交通拥堵程度。

如图3所示，路口的交通方向或交通相位例如包括多个，将无冲突的交通方向或交通相位划分为一组，从而得到8个分组，每个分组中例如包括多个交通方向或交通相位。针对每个分组中多个交通方向或多个交通相位的交通信号灯的第一调整策略一致。以每个分组包括多个交通方向为例，可以利用更新后的初始机器学习模型处理第二交通样本数据，以从多个分组的交通方向中确定目标分组的交通方向，并利用更新后的初始机器学习模型确定针对目标分组的交通方向的交通信号灯的第一调整策略。

例如，第二个分组包括两个交通方向，分别是从北至南方向和从南至北方向。当利用更新后的初始机器学习模型确定处理第二交通样本数据确定该两个交通方向存在拥堵情况时，确定第二个分组作为目标分组，更新后的初始机器学习模型输出针对目标分组中两个交通方向的交通信号灯的第一调整策略，第一调整策略例如包括将针对该两个交通方向的交通信号灯调整为绿灯状态，从而缓和交通拥堵情况。

如果某个路口不具有某个分组的交通方向，机器学习模型输出调整策略时，可以屏蔽针对该分组的策略，以提高处理速度。

根据本公开的实施例，通过将交通方向划分为多个分组，并利用机器学习模型输出针对分组的调整策略，提高了交通信号灯的调整效率，提高了交通拥堵的缓和效果。

图4示意性示出了根据本公开一实施例的初始机器学习模型的训练示意图。

如图4所示，可以通过模仿学习训练初始机器学习模型。例如，获取第一交通样本数据410，将第一交通样本数据410输入待训练的初始机器学习模型420中，得到针对交通信号灯的第二调整策略430。第二调整策略430例如与上文提及的第一调整策略相同或类似。

另外，将第一交通样本数据410输入专家***440中，得到针对交通信号灯的参考调整策略450，参考调整策略450可以作为第一交通样本数据的标签，用于有监督地训练初始机器学习模型420。参考调整策略450例如专家***440输出的用于调整某一交通方向的绿灯状态或红灯状态的策略。

然后，基于第二调整策略430和参考调整策略450，调整待训练的初始机器学习模型420的模型参数，得到初步训练的初始机器学习模型。例如，基于第二调整策略430和参考调整策略450之间的差异，得到损失值460，基于损失值460进行梯度回传调整待训练的初始机器学习模型420的模型参数。初始机器学习模型420可以包括深度学习模型。

根据本能公开的实施例，可以通过有监督的方式训练初始机器学习模型，提高了初始机器学习模型的训练效率和训练效果。

在另一示例中，还可以通过其他方式训练初始机器学习模型。例如，获取第一交通样本数据，将第一交通样本数据输入待训练的初始机器学习模型中，得到针对交通信号灯的第二调整策略。然后，利用交通仿真器基于第二调整策略调整交通信号灯的信号。

在基于第二调整策略调整交通信号灯的信号之后，待训练的初始机器学习模型确定针对路口的第二参考交通状态，第二参考交通状态例如表征了路口的拥堵情况，例如第二参考交通状态包括下游车道数量减去上游车道数量，也即交通压力差、车辆通过数量、车辆延误系数等。

待训练的初始机器学习模型可以是强化学习模型，可以将第二参考交通状态作为激励来调整待训练的初始机器学习模型的模型参数，得到初始机器学习模型。强化学习模型可以包括DQN(Deep Q-Network)、SAC(Soft Actor Critic)、PPO(Proximal PolicyOptimization)等。

根据本公开的实施例，可以通过强化学习的方式来训练初始机器学习模型，提高了初始机器学习模型的训练效率和训练效果。

图5示意性示出了根据本公开一实施例的机器学习模型的训练原理图。

如图5所示，针对初始机器学习模型，随机生成N/2组参数噪声值，N为大于1的整数，例如，N/2组参数噪声值包括A1组、B1组、C1组、......。然后基于数值对称方式调整N/2组参数噪声值，得到另一N/2组参数噪声值，另一N/2组参数噪声值例如包括A2组、B2组、C2组、......。

例如，对A1组中的参数噪声值添加负号得到A2组，对B1组中的参数噪声值添加负号得到B2组，对C1组中的参数噪声值添加负号得到C2组。数值对称方式也称为镜像对称方式。

得到的N组参数噪声值包括A1组、B1组、C1组、A2组、B2组、C2组、......。每组中的参数噪声值的个数例如与模型参数的个数一致。图5中参数噪声值表示为noise。

图5中的network表示模型参数。基于N组参数噪声值分别调整初始机器学习模型的模型参数，得到N个更新后的初始机器学习模型。例如，将初始机器学习模型的模型参数加上第一组参数噪声值，得到第一个更新后的初始机器学习模型worker 1，将初始机器学习模型的模型参数加上第二组参数噪声值，得到第二个更新后的初始机器学习模型worker2，将初始机器学习模型的模型参数加上第N组参数噪声值，得到第N个更新后的初始机器学习模型worker n。

将N个第二交通样本数据D1、D2、......、Dn分别输入N个更新后的初始机器学习模型worker 1、worker 2、worker n中，得到多个第一参考交通状态。

第一交通样本数据或第二交通样本数例如是针对路口附近所有车道的数据。由于不同路口附近的车道数量不同，如果针对每个路口单独配置一个路口模型来得到针对每个路口的第一交通样本数据或第二交通样本数据，将导致成本较高。因此，不同路口可以共享一个路口模型，当某个路口附近的车道数量较少时，可以针对该路口增加虚拟车道，并设置该虚拟车道的第一交通样本数据或第二交通样本数为零，第一交通样本数据或第二交通样本数的数据例如包括车道与路口距离一定范围内的车辆排队数量。

多个第一参考交通状态例如包括针对N个更新后的初始机器学习模型的N个交通拥堵数据，将N个交通拥堵数据分别作为N个更新后的初始机器学习模型的激励，即，N个激励包括reward 1、reward 2、......、reward n。

接下来，模型中的Leaners机制将N个交通拥堵数据(N个激励)进行排序，得到排序结果，例如按照交通拥堵的严重程度进行排序。然后，Leaners机制基于排序结果和N组参数噪声值，调整N个更新后的初始机器学习模型的模型参数，得到第一次循环的初始机器学习模型。当排序结果表征某个worker的激励指示交通拥堵情况不严重时，在基于N组参数噪声值调整该worker的模型参数时，可以往激励增大的方向进行调整，激励增大表征交通拥堵程度减小。

然后，随机生成另一N组参数噪声值，基于另一N组参数噪声值调整第一次循环得到的初始机器学习模型，并重复上述操作，多次循环操作直到模型收敛，基于最佳的模型参数得到经训练的机器学习模型。

在通过模仿学***均等待时间/或者拥堵系数。为了平滑得到更稳定的指标，一个worker可以基于多个时间段的第二交通样本数据多次运行，多次运行后取平均值作为最终的衡量指标(激励)。同时，基于分布式并行能力同时运行多个workers，以增加搜索范围，加快收敛速度。

本公开的实施例在训练模型时，强化学***均等待时间，不需要手工调试设定很多参数。

进化策略算法的最终的衡量指标是整个环境下所有路口所有车辆的平均等待时间，直接使用全局的最终激励作为模型的优化方向，省去人工手动定义奖励的问题，并且能取得更好的效果。通过进一步优化模型，使得模型学到更好的策略，通过模型来进行交通信号控制降低了交通拥堵情况。

图6示意性示出了根据本公开一实施例的信号控制方法的流程图。

如图6所示，本公开实施例的信号控制方法600例如可以包括操作S610～操作S630。

在操作S610，获取表征路口状态的目标交通数据。

在操作S620，利用经训练的机器学习模型处理目标交通数据，得到针对交通信号灯的调整策略。

在操作S630，基于调整策略，调整交通信号灯的信号。

示例性地，经训练的机器学习模型是利用上文提及的方法训练得到的。

在训练得到最终的机器学习模型之后，在使用机器学习模型进行信号控制时，可以输入路口的实时目标交通数据，机器学习模型输出针对交通信号灯的调整策略，以便基于调整策略来控制信号灯的红绿灯状态。

路口的交通方向例如包括多个，将无冲突的交通方向划分为一组，从而得到至少一个分组，针对每个分组中多个交通方向的交通信号灯的调整策略一致。基于调整策略，从至少一个分组的交通方向中确定目标分组的交通方向，针对目标分组的交通方向的交通信号灯，调整交通信号灯的信号。

图7示意性示出了根据本公开一实施例的机器学习模型的训练装置的框图。

如图7所示，本公开实施例的机器学习模型的训练装置700例如包括第一调整模块710、处理模块720、第一确定模块730和第二调整模块740。

第一调整模块710可以用于基于参数噪声值调整初始机器学习模型的模型参数，得到更新后的初始机器学习模型，其中，初始机器学习模型是经由第一交通样本数据训练得到的，第一交通样本数据表征了路口的交通状态。根据本公开实施例，第一调整模块710例如可以执行上文参考图2描述的操作S210，在此不再赘述。

处理模块720可以用于利用更新后的初始机器学习模型处理第二交通样本数据，得到针对交通信号灯的第一调整策略，其中，第二交通样本数据表征了路口的交通状态。根据本公开实施例，处理模块720例如可以执行上文参考图2描述的操作S220，在此不再赘述。

第一确定模块730可以用于响应于基于第一调整策略调整交通信号灯的信号完成，确定针对路口的第一参考交通状态。根据本公开实施例，第一确定模块730例如可以执行上文参考图2描述的操作S230，在此不再赘述。

第二调整模块740可以用于基于第一参考交通状态和参数噪声值，调整更新后的初始机器学习模型的模型参数，得到经训练的机器学习模型。根据本公开实施例，第二调整模块740例如可以执行上文参考图2描述的操作S240，在此不再赘述。

根据本公开实施例，第一调整模块710包括：生成子模块、第一调整子模块和第二调整子模块。生成子模块，用于随机生成N/2组参数噪声值，N为大于1的整数；第一调整子模块，用于基于数值对称方式调整N/2组参数噪声值，得到另一N/2组参数噪声值；第二调整子模块，用于基于N组参数噪声值分别调整初始机器学习模型的模型参数，得到N个更新后的初始机器学习模型。

根据本公开实施例，第一参考交通状态包括针对N个更新后的初始机器学习模型的N个交通拥堵数据；第二调整模块740包括：排序子模块和第三调整子模块。排序子模块，用于将N个交通拥堵数据进行排序，得到排序结果；第三调整子模块，用于基于排序结果和N组参数噪声值，调整N个更新后的初始机器学习模型的模型参数，得到经训练的机器学习模型。

根据本公开实施例，处理模块720包括：处理子模块和确定子模块。处理子模块，用于利用更新后的初始机器学习模型处理第二交通样本数据，以从至少一个分组的交通方向中确定目标分组的交通方向，其中，针对每个分组中多个交通方向的交通信号灯的第一调整策略一致；确定子模块，用于确定针对目标分组的交通方向的交通信号灯的第一调整策略。

根据本公开实施例，装置700还可以包括：第一获取模块、第一输入模块和第三调整模块。第一获取模块，用于获取第一交通样本；第一输入模块，用于将第一交通样本输入待训练的初始机器学习模型中，得到针对交通信号灯的第二调整策略；第三调整模块，用于基于第二调整策略和参考调整策略，调整待训练的初始机器学习模型的模型参数，得到初始机器学习模型。

根据本公开实施例，装置700还可以包括：第二获取模块、第二输入模块、第二确定模块和第四调整模块。第二获取模块，用于获取第一交通样本；第二输入模块，用于将第一交通样本输入待训练的初始机器学习模型中，得到针对交通信号灯的第二调整策略；第二确定模块，用于响应于基于第二调整策略调整交通信号灯的信号完成，确定针对路口的第二参考交通状态；第四调整模块，用于基于第二参考交通状态，调整待训练的初始机器学习模型的模型参数，得到初始机器学习模型。

根据本公开实施例，路口包括第一路口，第一交通样本数据或第二交通样本数据包括针对第一路口的交通数据和针对第二路口的交通数据，第二路口与第一路口之间的距离满足距离条件。

图8示意性示出了根据本公开一实施例的信号控制装置的框图。

如图8所示，本公开实施例的信号控制装置800例如包括获取模块810、处理模块820和调整模块830。

获取模块810可以用于获取表征路口状态的目标交通数据。根据本公开实施例，获取模块810例如可以执行上文参考图6描述的操作S610，在此不再赘述。

处理模块820可以用于利用经训练的机器学习模型处理目标交通数据，得到针对交通信号灯的调整策略。根据本公开实施例，处理模块820例如可以执行上文参考图6描述的操作S620，在此不再赘述。

调整模块830可以用于基于调整策略，调整交通信号灯的信号。根据本公开实施例，调整模块830例如可以执行上文参考图6描述的操作S630，在此不再赘述。

根据本公开实施例，调整模块830包括：确定子模块和调整子模块。确定子模块，用于基于调整策略，从至少一个分组的交通方向中确定目标分组的交通方向，其中，针对每个分组中多个交通方向的交通信号灯的调整策略一致；调整子模块，用于针对目标分组的交通方向的交通信号灯，调整交通信号灯的信号。

在本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。

在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图9是用来实现本公开实施例的用于执行机器学习模型的训练和/或信号控制的电子设备的框图。

图9示出了可以用来实施本公开实施例的示例电子设备900的示意性框图。电子设备900旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。

设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如机器学习模型的训练方法和/或信号控制方法。例如，在一些实施例中，机器学习模型的训练方法和/或信号控制方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的机器学习模型的训练方法和/或信号控制方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行机器学习模型的训练方法和/或信号控制方法。

本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程机器学习模型的训练装置和/或信号控制装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的机器学习模型的训练装置和/或信号控制装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式***的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (21)

1.一种机器学习模型的训练方法，包括：

基于参数噪声值调整初始机器学习模型的模型参数，得到更新后的初始机器学习模型，其中，所述初始机器学习模型是经由第一交通样本数据训练得到的，所述第一交通样本数据表征了路口的交通状态；

利用所述更新后的初始机器学习模型处理第二交通样本数据，得到针对交通信号灯的第一调整策略，其中，所述第二交通样本数据表征了所述路口的交通状态；

响应于基于所述第一调整策略调整所述交通信号灯的信号完成，确定针对所述路口的第一参考交通状态，所述第一参考交通状态表征了调整所述交通信号灯的信号之后路口的交通拥堵情况；以及

基于所述第一参考交通状态和所述参数噪声值，调整所述更新后的初始机器学习模型的模型参数，得到经训练的机器学习模型，其中所述经训练的机器学习模型用于调整所述交通信号灯的信号。

2.根据权利要求1所述的方法，其中，所述基于参数噪声值调整初始机器学习模型的模型参数，得到更新后的初始机器学习模型包括：

随机生成N/2组参数噪声值，N为大于1的整数；

基于数值对称方式调整所述N/2组参数噪声值，得到另一N/2组参数噪声值；以及

基于N组参数噪声值分别调整所述初始机器学习模型的模型参数，得到N个更新后的初始机器学习模型。

3.根据权利要求2所述的方法，其中，所述第一参考交通状态包括针对所述N个更新后的初始机器学习模型的N个交通拥堵数据；所述基于所述第一参考交通状态和所述参数噪声值，调整所述更新后的初始机器学习模型的模型参数，得到经训练的机器学习模型包括：

将所述N个交通拥堵数据进行排序，得到排序结果；以及

基于所述排序结果和所述N组参数噪声值，调整所述N个更新后的初始机器学习模型的模型参数，得到经训练的机器学习模型。

4.根据权利要求1所述的方法，其中，所述利用所述更新后的初始机器学习模型处理第二交通样本数据，得到针对交通信号灯的第一调整策略包括：

利用所述更新后的初始机器学习模型处理第二交通样本数据，以从至少一个分组的交通方向中确定目标分组的交通方向，其中，针对每个分组中多个交通方向的交通信号灯的第一调整策略一致；以及

确定针对所述目标分组的交通方向的交通信号灯的第一调整策略。

5.根据权利要求1所述的方法，还包括：

获取所述第一交通样本数据；

将所述第一交通样本数据输入待训练的初始机器学习模型中，得到针对所述交通信号灯的第二调整策略；以及

基于所述第二调整策略和参考调整策略，调整所述待训练的初始机器学习模型的模型参数，得到所述初始机器学习模型。

6.根据权利要求1所述的方法，还包括：

获取所述第一交通样本数据；

将所述第一交通样本数据输入待训练的初始机器学习模型中，得到针对所述交通信号灯的第二调整策略；

响应于基于所述第二调整策略调整所述交通信号灯的信号完成，确定针对所述路口的第二参考交通状态；以及

基于所述第二参考交通状态，调整所述待训练的初始机器学习模型的模型参数，得到所述初始机器学习模型。

7.根据权利要求1所述的方法，其中，所述路口包括第一路口，所述第一交通样本数据或所述第二交通样本数据包括针对第一路口的交通数据和针对第二路口的交通数据，所述第二路口与所述第一路口之间的距离满足距离条件。

8.一种信号控制方法，包括：

获取表征路口状态的目标交通数据；

利用经训练的机器学习模型处理所述目标交通数据，得到针对交通信号灯的调整策略，其中，所述经训练的机器学习模型是利用根据权利要求1-7中任意一项所述的方法训练得到的；以及

基于所述调整策略，调整所述交通信号灯的信号。

9.根据权利要求8所述的方法，其中，所述基于所述调整策略，调整所述交通信号灯的信号包括：

基于所述调整策略，从至少一个分组的交通方向中确定目标分组的交通方向，其中，针对每个分组中多个交通方向的交通信号灯的调整策略一致；以及

针对所述目标分组的交通方向的交通信号灯，调整所述交通信号灯的信号。

10.一种机器学习模型的训练装置，包括：

第一调整模块，用于基于参数噪声值调整初始机器学习模型的模型参数，得到更新后的初始机器学习模型，其中，所述初始机器学习模型是经由第一交通样本数据训练得到的，所述第一交通样本数据表征了路口的交通状态；

处理模块，用于利用所述更新后的初始机器学习模型处理第二交通样本数据，得到针对交通信号灯的第一调整策略，其中，所述第二交通样本数据表征了所述路口的交通状态；

第一确定模块，用于响应于基于所述第一调整策略调整所述交通信号灯的信号完成，确定针对所述路口的第一参考交通状态，所述第一参考交通状态表征了调整所述交通信号灯的信号之后路口的交通拥堵情况；以及

第二调整模块，用于基于所述第一参考交通状态和所述参数噪声值，调整所述更新后的初始机器学习模型的模型参数，得到经训练的机器学习模型，其中所述经训练的机器学习模型用于调整所述交通信号灯的信号。

11.根据权利要求10所述的装置，其中，所述第一调整模块包括：

生成子模块，用于随机生成N/2组参数噪声值，N为大于1的整数；

第一调整子模块，用于基于数值对称方式调整所述N/2组参数噪声值，得到另一N/2组参数噪声值；以及

第二调整子模块，用于基于N组参数噪声值分别调整所述初始机器学习模型的模型参数，得到N个更新后的初始机器学习模型。

12.根据权利要求11所述的装置，其中，所述第一参考交通状态包括针对所述N个更新后的初始机器学习模型的N个交通拥堵数据；所述第二调整模块包括：

排序子模块，用于将所述N个交通拥堵数据进行排序，得到排序结果；以及

第三调整子模块，用于基于所述排序结果和所述N组参数噪声值，调整所述N个更新后的初始机器学习模型的模型参数，得到经训练的机器学习模型。

13.根据权利要求10所述的装置，其中，所述处理模块包括：

处理子模块，用于利用所述更新后的初始机器学习模型处理第二交通样本数据，以从至少一个分组的交通方向中确定目标分组的交通方向，其中，针对每个分组中多个交通方向的交通信号灯的第一调整策略一致；以及

确定子模块，用于确定针对所述目标分组的交通方向的交通信号灯的第一调整策略。

14.根据权利要求10所述的装置，还包括：

第一获取模块，用于获取所述第一交通样本；

第一输入模块，用于将所述第一交通样本输入待训练的初始机器学习模型中，得到针对所述交通信号灯的第二调整策略；以及

第三调整模块，用于基于所述第二调整策略和参考调整策略，调整所述待训练的初始机器学习模型的模型参数，得到所述初始机器学习模型。

15.根据权利要求10所述的装置，还包括：

第二获取模块，用于获取所述第一交通样本；

第二输入模块，用于将所述第一交通样本输入待训练的初始机器学习模型中，得到针对所述交通信号灯的第二调整策略；

第二确定模块，用于响应于基于所述第二调整策略调整所述交通信号灯的信号完成，确定针对所述路口的第二参考交通状态；以及

第四调整模块，用于基于所述第二参考交通状态，调整所述待训练的初始机器学习模型的模型参数，得到所述初始机器学习模型。

16.根据权利要求10所述的装置，其中，所述路口包括第一路口，所述第一交通样本数据或所述第二交通样本数据包括针对第一路口的交通数据和针对第二路口的交通数据，所述第二路口与所述第一路口之间的距离满足距离条件。

17.一种信号控制装置，包括：

获取模块，用于获取表征路口状态的目标交通数据；

处理模块，用于利用经训练的机器学习模型处理所述目标交通数据，得到针对交通信号灯的调整策略，其中，所述经训练的机器学习模型是利用根据权利要求10-16中任意一项所述的装置训练得到的；以及

调整模块，用于基于所述调整策略，调整所述交通信号灯的信号。

18.根据权利要求17所述的装置，其中，所述调整模块包括：

确定子模块，用于基于所述调整策略，从至少一个分组的交通方向中确定目标分组的交通方向，其中，针对每个分组中多个交通方向的交通信号灯的调整策略一致；以及

调整子模块，用于针对所述目标分组的交通方向的交通信号灯，调整所述交通信号灯的信号。

19.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。

20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的方法。

21.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现根据权利要求1-9中任一项所述方法的步骤。

Images