公开(公告)号：CN118262519B

公开(公告)日：2025-02-14

申请号：CN202410354348.4

申请日：2024-03-27

Applicant: 东南大学

Inventor： 丁璠 ,  王琮炜 ,  彭剑坤 ,  韩雨 ,  刘昭 ,  胡永恺 ,  任杨

IPC: G08G1/01 ,  G08G1/017 ,  G08G1/048

Abstract: 一种基于强化学习的分层式区域协调信号控制方法，本发明涉及智能交通技术领域，所述控制方法包含以下步骤：确定路口终端的收集和计算周期，路口终端通过摄像头收集t1时刻距离路口X米的车辆数据和信号状态l，并计算得到车道的混合状态slane和路口的混合状态sintersection，其中车辆数据包括车辆位置xi和车辆速度vi，本发明的优点在于：通过摄像头收集的单车级数据进行合理的状态表示作为路口端决策的依据，调高了决策的科学性。通过区域层使用GCN预测全局交通状态，向区域端发生目标，进一步丰富路口决策信息内容。

公开(公告)号：CN118262519A

公开(公告)日：2024-06-28

申请号：CN202410354348.4

申请日：2024-03-27

Applicant: 东南大学

Inventor： 王琮炜 ,  丁璠 ,  彭剑坤 ,  韩雨 ,  刘昭 ,  胡永恺 ,  任杨

IPC: G08G1/01 ,  G08G1/017 ,  G08G1/048

Abstract: 一种基于强化学习的分层式区域协调信号控制方法，本发明涉及智能交通技术领域，所述控制方法包含以下步骤：确定路口终端的收集和计算周期，路口终端通过摄像头收集t1时刻距离路口X米的车辆数据和信号状态l，并计算得到车道的混合状态slane和路口的混合状态sintersection，其中车辆数据包括车辆位置xi和车辆速度vi，本发明的优点在于：通过摄像头收集的单车级数据进行合理的状态表示作为路口端决策的依据，调高了决策的科学性。通过区域层使用GCN预测全局交通状态，向区域端发生目标，进一步丰富路口决策信息内容。