CN117079479B - 一种时空预测的后继强化学习的交通信号控制方法及装置 - Google Patents
一种时空预测的后继强化学习的交通信号控制方法及装置 Download PDFInfo
- Publication number
- CN117079479B CN117079479B CN202311344089.9A CN202311344089A CN117079479B CN 117079479 B CN117079479 B CN 117079479B CN 202311344089 A CN202311344089 A CN 202311344089A CN 117079479 B CN117079479 B CN 117079479B
- Authority
- CN
- China
- Prior art keywords
- road condition
- state
- network
- prediction
- basic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000002787 reinforcement Effects 0.000 title claims abstract description 33
- 238000012549 training Methods 0.000 claims abstract description 44
- 238000000605 extraction Methods 0.000 claims description 47
- 230000009471 action Effects 0.000 claims description 31
- 230000015654 memory Effects 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 10
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims 3
- 206010063385 Intellectualisation Diseases 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 12
- 230000006872 improvement Effects 0.000 description 8
- 239000003795 chemical substances by application Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007787 long-term memory Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/092—Reinforcement learning
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Traffic Control Systems (AREA)
Abstract
本说明书公开了一种时空预测的后继强化学习的交通信号控制方法及装置,通过引入显示的基于时空特性的交通状态预测,采用LSTM及GAT网络分别基于时间相关性、空间相关性预测未来的微观状态,智能体使用当前和预测状态进行最优决策,可以充分利用交通数据的时空相关性,提高路网的通行效率。同时,将后继特征与深度强化学习相结合,把任务的估计奖励和任务的预期特征进行分离,可以更方便地进行交通灯控制任务的转移,提升交通灯控制模型的训练速度,以及提高了交通信号灯控制的准确性和智能化。
Description
技术领域
本说明书涉及计算机、交通信号控制技术领域,尤其涉及一种时空预测的后继强化学习的交通信号控制方法及装置。
背景技术
现有城市路口的交通信号灯大都是按照传统的固定配时交通信号控制策略来工作的,其各个信号灯的切换时刻和持续时间都固定的,并未考虑到实际的交通状况。因此,现有固定工作模式的交通信号灯无法适应交通流的变化,不利于城市道路的通行效率的提高。
因此,如何设计智能的交通信号灯控制方法从而环节交通拥堵成为了目前的一个难题。
发明内容
本说明书提供一种时空预测的后继强化学习的交通信号控制方法及装置,以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种时空预测的后继强化学习的交通信号控制方法,包括:
确定预设路口在当前状态下的状态数据,所述状态数据包括:基本路况状态、时序路况状态以及空间路况状态;
将所述基本路况状态输入到基本特征提取网络,得到基本路况特征,将所述时序路况状态输入到时序预测网络中,得到下一时刻的路况特征,作为第一路况特征,将所述空间路况状态输入到空间预测网络中,得到下一时刻的路况特征,作为第二路况特征;
将所述基本路况特征、所述第一路况特征与所述第二路况特征进行拼接,将拼接后特征与预设动作输入到预设的预测模型中,得到当前状态对应的预测价值量;
以最小化所述第一路况特征与下一状态的基本路况特征之间的差异,最小化所述第二路况特征与下一状态的基本路况特征之间的差异为优化目标,以及根据所述预测价值量,对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练,以通过训练后的预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行交通信号灯控制。
可选地,对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练之前,所述方法还包括:
将所述基本路况特征输入的预设的还原网络中,得到还原状态数据;
对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练,具体包括:
以最小化所述还原状态数据与所述基本路况状态之间的差异,所述第一路况特征与下一状态的基本路况特征之间的差异,所述第二路况特征与下一状态的基本路况特征之间的差异为优化目标,以及根据所述预测价值量,对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练。
可选地,所述基本特征提取网络为多层感知机、所述时序预测网络为长短期记忆网络,所述空间预测网络为图注意力网络。
可选地,所述基本路况状态包括所述预设路口在当前状态各车道的车道等待队列的长度,所述时序路况状态包含所述预设路口在当前状态前预设时间内的各车道的车道等待队列的长度,所述空间路况状态包含;所述预设路口与所述预设路口的邻居路口的交通状态。
可选地,确定预设路口在当前状态下的状态数据之前,所述方法还包括:
通过交通仿真软件SUMO对路口进行建模,路口中道路交叉口由东、南、西、北四条路组成,交汇处设有一个交通信号灯,路口为双向6车道,沿着车辆的行驶方向,左边车道为左转车道,中间车道为直行车道,右边车道为直行加右转车道;交通信号灯的控制信号分别为:南北方向直行、南北方向左转、东西方向直行、东西方向左转。在上述四个相位切换之间设计一个黄信号灯进行过渡,保证车辆安全通过交叉口;
确定预设路口在当前状态下的状态数据,具体包括:
通过所述交通仿真软件SUMO对路口进行建模,得到确定预设路口在当前状态下的状态数据。
可选地,所述预设动作包括:南北方向直行绿灯、南北方向左转绿灯、东西方向直行绿灯、东西方向左转绿灯。
可选地,对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练之前,所述方法还包括:
根据当前状态下所述预设路口的各车道的车道等待队列的长度与下一状态下所述预设路口的各车道的车道等待队列的长度之差,确定采取预设动作后得到的奖励;
对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练,具体包括:
以最小化所述第一路况特征与下一状态的基本路况特征之间的差异,最小化所述第二路况特征与下一状态的基本路况特征之间的差异为优化目标,以及根据所述预测价值量和所述奖励,对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练。
本说明书提供了一种时空预测的后继强化学习的交通信号控制装置,包括:
确定模块,用于确定预设路口在当前状态下的状态数据,所述状态数据包括:基本路况状态、时序路况状态以及空间路况状态;
特征提取模块,用于将所述基本路况状态输入到基本特征提取网络,得到基本路况特征,将所述时序路况状态输入到时序预测网络中,得到下一时刻的路况特征,作为第一路况特征,将所述空间路况状态输入到空间预测网络中,得到下一时刻的路况特征,作为第二路况特征;
预测模块,用于将所述基本路况特征、所述第一路况特征与所述第二路况特征进行拼接,将拼接后特征与预设动作输入到预设的预测模型中,得到当前状态对应的预测价值量;
训练模块,用于以最小化所述第一路况特征与下一状态的基本路况特征之间的差异,最小化所述第二路况特征与下一状态的基本路况特征之间的差异为优化目标,以及根据所述预测价值量,对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练,以通过训练后的预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行交通信号灯控制。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述时空预测的后继强化学习的交通信号控制方法。
本说明书提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述时空预测的后继强化学习的交通信号控制方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
从上述时空预测的后继强化学习的交通信号控制方法中可以看出,可以确定预设路口在当前状态下的状态数据,状态数据包括:基本路况状态、时序路况状态以及空间路况状态,而后,将基本路况状态输入到基本特征提取网络,得到基本路况特征,将时序路况状态输入到时序预测网络中,得到下一时刻的路况特征,作为第一路况特征,将空间路况状态输入到空间预测网络中,得到下一时刻的路况特征,作为第二路况特征,将基本路况特征、第一路况特征与第二路况特征进行拼接,将拼接后特征与预设动作输入到预设的预测模型中,得到当前状态对应的预测价值量,以最小化第一路况特征与下一状态的基本路况特征之间的差异,最小化第二路况特征与下一状态的基本路况特征之间的差异为优化目标,以及根据预测价值量,对预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练,以通过训练后的预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行交通信号灯控制。
从上述内容中可以看出,本方法在交通信号灯控制场景中,不仅采用了强化学习的训练方式,并且,由于现有技术中在模型的损失中往往不考虑特征与模型输出结果之间的关系,因此,本方法在模型训练的损失中加入了,通过时序数据预测路况特征以及通过空间数据预测路况特征的损失,从而在一定程度上提高了交通信号灯控制的准确性和智能化。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书提供的一种时空预测的后继强化学习的交通信号控制方法的流程示意图;
图2为本说明书中提供的一种交通信号灯控制的网络的结构示意图;
图3为本说明书提供的一种构建路网模型、进行模型训练以及通过训练后的模型进行交通信号灯的控制的详细步骤流程图;
图4为本说明书提供的一种时空预测的后继强化学习的交通信号控制装置示意图;
图5为本说明书提供的对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书中提供的一种时空预测的后继强化学习的交通信号控制方法的流程示意图,具体包括以下步骤:
S100:确定预设路口在当前状态下的状态数据,所述状态数据包括:基本路况状态、时序路况状态以及空间路况状态。
S102:将所述基本路况状态输入到基本特征提取网络,得到基本路况特征,将所述时序路况状态输入到时序预测网络中,得到下一时刻的第一路况特征,将所述空间路况状态输入到空间预测网络中,得到下一时刻的第二路况特征。
S104:将所述基本路况特征、所述第一路况特征与所述第二路况特征进行拼接,将拼接后特征与选取出的动作输入到预测模型中,得到当前状态对应的预测价值量。
S106:以最小化所述第一路况特征与下一状态的基本路况特征之间的差异,所述第二路况特征与下一状态的基本路况特征之间的差异为优化目标,以及根据所述预测价值量,对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练,以通过训练后的预测模型进行交通信号灯控制。
在本说明书中,可以训练强化学习模型,来对交通信号灯进行控制。
具体的,可以确定预设路口在当前状态下的状态数据,该状态数据可以包括:基本路况状态、时序路况状态以及空间路况状态。
其中,基本路况状态可以包括预设路口在当前状态各车道的车道等待队列的长度,具体的,可由以下表达式表示基本路况状态:
其中,t表示当前时刻,为排队长度,/>为交叉口进口道数。
时序路况状态包含预设路口在当前状态前预设时间内的各车道的车道等待队列的长度,具体可以通过以下表达式进行表示:
其中L表示序列长度。可保存历史交通状态信息用于时间依赖建模。
空间路况状态包含;预设路口与预设路口的邻居路口的交通状态,具体可以通过以下表达式进行表示:
其中分别表示t时刻预设路口的东、西、南、北向邻居路口的交通状态。保存邻居交叉口的交通状态信息用于空间依赖建模。
需要说明的是,上述提到的路口可以是十字路口。
而后,可以将基本路况状态输入到基本特征提取网络,得到基本路况特征,将时序路况状态输入到时序预测网络中,得到下一时刻的路况特征,作为第一路况特征,将空间路况状态输入到空间预测网络中,得到下一时刻的路况特征,作为第二路况特征,本说明书整体的网络的结构如图2所示。
图2为本说明书中提供的一种交通信号灯控制的网络的结构示意图。
其中,基本特征提取网络为多层感知机,即,可以将基本路况状态输入多层感知机神经网络/>,得到基本路况特征/>,时序预测网络为长短期记忆网络,可以将时序路况状态输入到长短期记忆网络/>中,得到下一时刻的路况状态嵌入:第一路况特征/>,空间预测网络为图注意力网络,可以将空间路况状态输入到图注意力网络/>建模空间相关性,得到下一时刻的路况状态嵌入:第二路况特征/>。
而后,可以将基本路况特征、第一路况特征与第二路况特征进行拼接,将拼接后特征与选取出的动作输入到预测模型中,得到当前状态对应的预测价值量。
其中,可以将与/>及/>拼接得到拼接后特征,作为最终状态嵌入。
而后,可以将基本路况特征、第一路况特征与第二路况特征进行拼接,得到的拼接后特征与预设动作输入到预测模型中,得到当前状态对应的预测价值量。
这里提到的预设动作可以存在有4种,南北方向直行绿灯(a1)、南北方向左转绿灯(a2)、东西方向直行绿灯(a3)、东西方向左转绿灯(a4);每个绿灯相位设置固定持续时间为10秒,两个动作切换期间会执行时长3秒的黄灯;智能体在每个时间步的开始会选择一个动作,执行后得到一个新的状态/>。
奖励函数Reward设计:动作的奖励定义为交叉口相邻状态的所有车道车辆排队长度总和之差:
其中表示t时刻路口所有车道的排队长度之和;/>表示路口下一状态所有车道的排队长度之和。
即,可以根据当前状态下预设路口的各车道的车道等待队列的长度与下一状态下所述预设路口的各车道的车道等待队列的长度之差,确定采取预设动作后得到的奖励。这里提到的采取的预设动作可以是指在当前状态从各种预设动作中选取出的一个预设动作。
本说明书总体的模型(后继强化学习模型)除了上述用于特征提取的网络,还包括奖励函数预测分支、状态重构分支,后继分支。
在此先介绍本说明书中的状态重构分支,在神经网络模型训练时,往往是将特征直接输入到网络中得出结果,通过得出的结果来对网络进行训练,这类似黑盒,在损失中没有体现特征在网络中具体起到的作用。
为了解决这一问题,在本申请中,对整体的网络的训练中,加入了针对上述各种特征的损失,即,损失中包括最小化第一路况特征与下一状态的基本路况特征之间的差异,以及最小化第二路况特征与下一状态的基本路况特征之间的差异为优化目标。
并且,还进行状态重构,即,可以将基本路况特征输入到预设的还原网络中,得到还原状态数据,并在整体的网络的损失中加入最小化还原状态数据与基本路况状态之间的差异的训练目标。
具体的,状态重构分支基于拼接后特征,保证通过深度神经网络/>重构出交通信号的当前状态,即,
同时在重构损失函数中引入时空关系约束来保证时空嵌入的正确性:
第一部分保证学习到的特征可以重构/>,第二部分保证在上一状态时通过时序路况状态预测下一状态的路况特征/>能够近似当前状态嵌入(即,上述基本路况特征)/>,即模型能准确学习时间相关特性来预测下一时刻的路况状态的嵌入;第三部分保证在上一状态时通过空间路况状态预测下一状态的路况特征能够近似当前状态嵌入/>,即模型能够准确学习空间相关特性来预测下一时刻的路况状态的嵌入。
本说明书中可以通过训练后继强化学习DSR模型来进行交通信号灯的预测。其中,将基本路况特征、第一路况特征与第二路况特征进行拼接,将拼接后特征与预设动作输入到预设的预测模型中,可以得到当前状态对应的预测价值量。其中,对于每个预设动作,可以通过预测模型得到当前状态采用预设动作后预测得到的预测价值量(Q值),并且,在训练阶段,可以通过上述奖励函数得到确定采用该预设动作之后得到的实际的奖励。
通过对后继强化学习模型(模型中包含上述进行特征提取的网络、以及上述预测模型,当然,还包含有一些其他结构)的训练,能够通过后继强化学习模型,进行交通信号灯的控制。
本说明书所提供的方法的详细过程流程图如图3所示。
图3为本说明书提供的一种构建路网模型、进行模型训练以及通过训练后的模型进行交通信号灯的控制的详细步骤流程图。
从图3中可以看出,在本说明书中可以先通过仿真的方式进行路网模型(这里提到的路网模型是指通过交通仿真软件SUMO对路口进行建模,从而能够得到预设路口在每一个状态下的状态数据,即,包含了预设路口在当前状态下的状态数据)的建模,以得到模拟的基本路况状态、时序路况状态以及空间路况状态。
而后,可以设计基于强化学习的交通信号灯控制模型的状态空间、动作空间以及奖励函数,进而训练DSR模型,得到交通信号灯控制模型(包括上述预测模型、基本特征提取网络、时序预测网络以及空间预测网络),以进行交通信号灯的控制。
奖励函数预测分支可以利用最终状态嵌入(拼接后特征)基于线性网络/>来预测Q网络的奖励。
基于奖励函数预测分支中奖励函数,得到:
其中定义为后继特征。
基于重构分支可从特征重建状态/>,将特征/>作为状态/>,后继特征约束改写成:
可使用贝尔曼方程来计算后继特征:
根据上面公式,可以用DQN网络来学习后继特征,后继分支利用最终状态嵌入基于多层感知机神经网络/>来预测Q网络的后继特征。
基于后继分支,得到:
使用梯度下降算法学习特征映射中的参数/>,/>,/>,以及奖励函数的权重/>和后继特征特征映射中的/>。损失函数为:
后继特征特征映射中的:
学习特征映射中的参数/>,/>,/>,以及奖励函数的权重/>:
第一部分确保学习的奖励函数权重可以被回归,第二部分中,分别保证学习到的特征可以重构/>;预测状态嵌入/>能够近似当前状态嵌入/>,即模型能准确学习时间相关特性来预测下一时刻的状态嵌入;预测状态嵌入能够近似当前状态嵌入/>,即模型能够准确学习空间相关特性来预测下一时刻的状态嵌入,需要说明的,这两个部分学习可以是分开的,即,在训练时可以对两部分进行交叉训练。
最后,可以基于动作的Q值做决策:
而后,可以训练DSR模型;
构建交通信号灯控制智能体模型,智能体观察交通环境,记录交叉口等待队列长度(基本路况状态)、时间状态序列(时序路况状态)、空间状态序列(空间路况状态)以及信号灯相位状态信息。等待队列长度、时间状态序列以及空间状态序列作为控制网络模型的输入;
利用ε-greedy策略(epsilon-greedy算法)选择Q值较大的动作,决策下一时刻的动作,用于指导制定信号灯的信号切换策略,完成信号切换,交通环境进入一个新的状态并给智能体行为一个奖励,智能体再次观察环境信息,完成学习与决策。
利用经验回放机制,智能体收集每个时间步与环境交互得到的信息 (St, at,rt, St+1),而后选择合适的优化器以及设置超参数,从经验池均匀采样小批量样本作为训练数据,对DRL智能体以及预测神经网络中的参数进行训练与更新,若判断深度强化学习模型中的预测模型全部达到收敛状态,则判断深度强化学习模型训练完成,保存训练完成的深度强化学习模型,将其定义为交通信号灯控制模型。
最后,可以通过训练完成后的模型进行信号灯控制;
对于本实施例的执行主体可为交通信号灯控制***,可配置在客户端侧或服务端侧,在交通信号灯控制***内部构建有训练完成的交通信号灯控制模型,在进行对交通信号灯的控制时,可通过实时获取目标通行路口的通行数据输入交通信号灯控制模型,得到目标通行路口的通行控制策略,根据所述通行控制策略执行对目标通行路口的交通信号灯控制。
从上述方法中可以看出,本方法在交通信号灯控制场景中,不仅采用了强化学习的训练方式,并且,由于现有技术中在模型的损失中往往不考虑特征与模型输出结果之间的关系,因此,本方法在模型训练的损失中加入了,通过时序数据预测路况特征以及通过空间数据预测路况特征的损失,从而在一定程度上提高了交通信号灯控制的准确性和智能化。
以上为本说明书的一个或多个实施例提供时空预测的后继强化学习的交通信号控制方法,基于同样的思路,本说明书还提供了时空预测的后继强化学习的交通信号控制装置,如图4所示。
图4为时空预测的后继强化学习的交通信号控制装置示意图,包括;
确定模块401,用于确定预设路口在当前状态下的状态数据,所述状态数据包括:基本路况状态、时序路况状态以及空间路况状态;
特征提取模块402,用于将所述基本路况状态输入到基本特征提取网络,得到基本路况特征,将所述时序路况状态输入到时序预测网络中,得到下一时刻的路况特征,作为第一路况特征,将所述空间路况状态输入到空间预测网络中,得到下一时刻的路况特征,作为第二路况特征;
预测模块403,用于将所述基本路况特征、所述第一路况特征与所述第二路况特征进行拼接,将拼接后特征与预设动作输入到预设的预测模型中,得到当前状态对应的预测价值量;
训练模块404,用于以最小化所述第一路况特征与下一状态的基本路况特征之间的差异,最小化所述第二路况特征与下一状态的基本路况特征之间的差异为优化目标,以及根据所述预测价值量,对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练,以通过训练后的预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行交通信号灯控制。
可选地,所述训练模块404对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练之前,所述预测模块403还用于,将所述基本路况特征输入的预设的还原网络中,得到还原状态数据;
所述训练模块404具体用于,以最小化所述还原状态数据与所述基本路况状态之间的差异,所述第一路况特征与下一状态的基本路况特征之间的差异,所述第二路况特征与下一状态的基本路况特征之间的差异为优化目标,以及根据所述预测价值量,对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练。
可选地,所述基本特征提取网络为多层感知机、所述时序预测网络为长短期记忆网络,所述空间预测网络为图注意力网络。
可选地,所述基本路况状态包括所述预设路口在当前状态各车道的车道等待队列的长度,所述时序路况状态包含所述预设路口在当前状态前预设时间内的各车道的车道等待队列的长度,所述空间路况状态包含;所述预设路口与所述预设路口的邻居路口的交通状态。
可选地,确定预设路口在当前状态下的状态数据之前,所述装置还包括:
建模模块405,用于通过交通仿真软件SUMO对路口进行建模,路口中道路交叉口由东、南、西、北四条路组成,交汇处设有一个交通信号灯,路口为双向6车道,沿着车辆的行驶方向,左边车道为左转车道,中间车道为直行车道,右边车道为直行加右转车道;交通信号灯的控制信号分别为:南北方向直行、南北方向左转、东西方向直行、东西方向直行。在上述四个相位切换之间设计一个黄信号灯进行过渡,保证车辆安全通过交叉口;
所述确定模块401具体用于,通过所述交通仿真软件SUMO对路口进行建模,得到确定预设路口在当前状态下的状态数据。
可选地,所述预设动作包括:南北方向直行绿灯、南北方向左转绿灯、东西方向直行绿灯、东西方向左转绿灯。
可选地,对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练之前,所述训练模块404还用于,根据当前状态下所述预设路口的各车道的车道等待队列的长度与下一状态下所述预设路口的各车道的车道等待队列的长度之差,确定采取预设动作后得到的奖励;
所述训练模块404具体用于,以最小化所述第一路况特征与下一状态的基本路况特征之间的差异,最小化所述第二路况特征与下一状态的基本路况特征之间的差异为优化目标,以及根据所述预测价值量和所述奖励,对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述时空预测的后继强化学习的交通信号控制方法。
本说明书还提供了图5所示的电子设备的示意结构图。如图5所述,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现时空预测的后继强化学习的交通信号控制方法。
当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device, PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、***、或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、***或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (9)
1.一种时空预测的后继强化学习的交通信号控制方法,其特征在于,包括:
确定预设路口在当前状态下的状态数据,所述状态数据包括:基本路况状态、时序路况状态以及空间路况状态,所述基本路况状态包括所述预设路口在当前状态各车道的车道等待队列的长度,所述时序路况状态包含所述预设路口在当前状态前预设时间内的各车道的车道等待队列的长度,所述空间路况状态包含;所述预设路口与所述预设路口的邻居路口的交通状态;
将所述基本路况状态输入到基本特征提取网络,得到基本路况特征,将所述时序路况状态输入到时序预测网络中,得到下一时刻的路况特征,作为第一路况特征,将所述空间路况状态输入到空间预测网络中,得到下一时刻的路况特征,作为第二路况特征;
将所述基本路况特征、所述第一路况特征与所述第二路况特征进行拼接,将拼接后特征与预设动作输入到预设的预测模型中,得到当前状态对应的预测价值量;
以最小化所述第一路况特征与下一状态的基本路况特征之间的差异,最小化所述第二路况特征与下一状态的基本路况特征之间的差异为优化目标,以及根据所述预测价值量,对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练,以通过训练后的预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行交通信号灯控制。
2.如权利要求1所述的方法,其特征在于,对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练之前,所述方法还包括:
将所述基本路况特征输入的预设的还原网络中,得到还原状态数据;
对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练,具体包括:
以最小化所述还原状态数据与所述基本路况状态之间的差异,所述第一路况特征与下一状态的基本路况特征之间的差异,所述第二路况特征与下一状态的基本路况特征之间的差异为优化目标,以及根据所述预测价值量,对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练。
3.如权利要求1所述的方法,其特征在于,所述基本特征提取网络为多层感知机、所述时序预测网络为长短期记忆网络,所述空间预测网络为图注意力网络。
4.如权利要求1所述的方法,其特征在于,确定预设路口在当前状态下的状态数据之前,所述方法还包括:
通过交通仿真软件SUMO对路口进行建模,路口中道路交叉口由东、南、西、北四条路组成,交汇处设有一个交通信号灯,路口为双向6车道,沿着车辆的行驶方向,左边车道为左转车道,中间车道为直行车道,右边车道为直行加右转车道;交通信号灯的控制信号分别为:南北方向直行、南北方向左转、东西方向直行、东西方向左转,在四个相位切换之间设计一个黄信号灯进行过渡,保证车辆安全通过交叉口;
确定预设路口在当前状态下的状态数据,具体包括:
通过所述交通仿真软件SUMO对路口进行建模,得到确定预设路口在当前状态下的状态数据。
5.如权利要求1所述的方法,其特征在于,所述预设动作包括:南北方向直行绿灯、南北方向左转绿灯、东西方向直行绿灯、东西方向左转绿灯。
6.如权利要求1所述的方法,其特征在于,对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练之前,所述方法还包括:
根据当前状态下所述预设路口的各车道的车道等待队列的长度与下一状态下所述预设路口的各车道的车道等待队列的长度之差,确定采取预设动作后得到的奖励;
对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练,具体包括:
以最小化所述第一路况特征与下一状态的基本路况特征之间的差异,最小化所述第二路况特征与下一状态的基本路况特征之间的差异为优化目标,以及根据所述预测价值量和所述奖励,对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练。
7.一种时空预测的后继强化学习的交通信号控制装置,其特征在于,包括:
确定模块,用于确定预设路口在当前状态下的状态数据,所述状态数据包括:基本路况状态、时序路况状态以及空间路况状态,所述基本路况状态包括所述预设路口在当前状态各车道的车道等待队列的长度,所述时序路况状态包含所述预设路口在当前状态前预设时间内的各车道的车道等待队列的长度,所述空间路况状态包含;所述预设路口与所述预设路口的邻居路口的交通状态;
特征提取模块,用于将所述基本路况状态输入到基本特征提取网络,得到基本路况特征,将所述时序路况状态输入到时序预测网络中,得到下一时刻的路况特征,作为第一路况特征,将所述空间路况状态输入到空间预测网络中,得到下一时刻的路况特征,作为第二路况特征;
预测模块,用于将所述基本路况特征、所述第一路况特征与所述第二路况特征进行拼接,将拼接后特征与预设动作输入到预设的预测模型中,得到当前状态对应的预测价值量;
训练模块,用于以最小化所述第一路况特征与下一状态的基本路况特征之间的差异,最小化所述第二路况特征与下一状态的基本路况特征之间的差异为优化目标,以及根据所述预测价值量,对所述预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行训练,以通过训练后的预测模型、基本特征提取网络、时序预测网络以及空间预测网络进行交通信号灯控制。
8.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~6任一项所述的方法。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311344089.9A CN117079479B (zh) | 2023-10-17 | 2023-10-17 | 一种时空预测的后继强化学习的交通信号控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311344089.9A CN117079479B (zh) | 2023-10-17 | 2023-10-17 | 一种时空预测的后继强化学习的交通信号控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117079479A CN117079479A (zh) | 2023-11-17 |
CN117079479B true CN117079479B (zh) | 2024-01-16 |
Family
ID=88717679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311344089.9A Active CN117079479B (zh) | 2023-10-17 | 2023-10-17 | 一种时空预测的后继强化学习的交通信号控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117079479B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611859A (zh) * | 2020-04-21 | 2020-09-01 | 河北工业大学 | 一种基于gru的步态识别方法 |
CN113223303A (zh) * | 2021-05-18 | 2021-08-06 | 华录易云科技有限公司 | 道路交通双芯信号控制机及具有其的控制*** |
CN113963555A (zh) * | 2021-10-12 | 2022-01-21 | 南京航空航天大学 | 一种结合状态预测的深度强化学习交通信号控制方法 |
CN114038212A (zh) * | 2021-10-19 | 2022-02-11 | 南京航空航天大学 | 基于双阶段注意力机制和深度强化学习的信号灯控制方法 |
CN116453343A (zh) * | 2023-04-27 | 2023-07-18 | 云控智行(上海)汽车科技有限公司 | 智能网联环境下基于流量预测的智能交通信号控制优化算法、软件与*** |
CN116776135A (zh) * | 2023-08-24 | 2023-09-19 | 之江实验室 | 一种基于神经网络模型的物理场数据预测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3162665A1 (en) * | 2021-06-14 | 2022-12-14 | The Governing Council Of The University Of Toronto | Method and system for traffic signal control with a learned model |
-
2023
- 2023-10-17 CN CN202311344089.9A patent/CN117079479B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611859A (zh) * | 2020-04-21 | 2020-09-01 | 河北工业大学 | 一种基于gru的步态识别方法 |
CN113223303A (zh) * | 2021-05-18 | 2021-08-06 | 华录易云科技有限公司 | 道路交通双芯信号控制机及具有其的控制*** |
CN113963555A (zh) * | 2021-10-12 | 2022-01-21 | 南京航空航天大学 | 一种结合状态预测的深度强化学习交通信号控制方法 |
CN114038212A (zh) * | 2021-10-19 | 2022-02-11 | 南京航空航天大学 | 基于双阶段注意力机制和深度强化学习的信号灯控制方法 |
CN116453343A (zh) * | 2023-04-27 | 2023-07-18 | 云控智行(上海)汽车科技有限公司 | 智能网联环境下基于流量预测的智能交通信号控制优化算法、软件与*** |
CN116776135A (zh) * | 2023-08-24 | 2023-09-19 | 之江实验室 | 一种基于神经网络模型的物理场数据预测方法及装置 |
Non-Patent Citations (2)
Title |
---|
基于多智能体团队强化学习的交通信号控制;李春贵;周坚和;孙自广;王萌;张增芳;;广西工学院学报(第02期);全文 * |
基于深度强化学习的自适应交通信号控制研究;徐建闽等;《重庆交通大学学报(自然科学版)》;第第41卷卷(第第8期期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117079479A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111208838B (zh) | 一种无人驾驶设备的控制方法及装置 | |
CN110929431B (zh) | 一种车辆行驶决策模型的训练方法及装置 | |
CN111190427A (zh) | 一种轨迹规划的方法及装置 | |
CN110488821B (zh) | 一种确定无人车运动策略的方法及装置 | |
CN112306059B (zh) | 一种控制模型的训练方法、控制方法以及装置 | |
CN111076739B (zh) | 一种路径规划的方法及装置 | |
CN111114543A (zh) | 一种轨迹预测方法及装置 | |
CN111062372B (zh) | 一种预测障碍物轨迹的方法及装置 | |
CN111238523A (zh) | 一种运动轨迹的预测方法及装置 | |
CN111522245B (zh) | 用于控制无人设备的方法及装置 | |
CN113968243B (zh) | 一种障碍物轨迹预测方法、装置、设备及存储介质 | |
CN116432778B (zh) | 一种数据处理的方法、装置、存储介质及电子设备 | |
CN112629550A (zh) | 一种预测障碍物轨迹以及模型训练的方法及装置 | |
CN116453343A (zh) | 智能网联环境下基于流量预测的智能交通信号控制优化算法、软件与*** | |
CN117079479B (zh) | 一种时空预测的后继强化学习的交通信号控制方法及装置 | |
CN114547972A (zh) | 动力学模型构建方法、装置、存储介质及电子设备 | |
CN114153207B (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN111123957B (zh) | 一种轨迹规划的方法及装置 | |
CN110895406B (zh) | 一种基于干扰物轨迹规划的无人设备的测试方法及装置 | |
CN116403097A (zh) | 一种目标检测方法、装置、存储介质及电子设备 | |
CN114019971B (zh) | 一种无人设备控制方法、装置、存储介质及电子设备 | |
CN112925331B (zh) | 一种无人设备控制方法、装置、存储介质及电子设备 | |
CN115047864A (zh) | 模型训练的方法、无人设备的控制方法以及装置 | |
CN114280960A (zh) | 一种自动驾驶仿真方法、装置、存储介质及电子设备 | |
CN114120273A (zh) | 一种模型训练的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |