公开(公告)号：CN116343516B

公开(公告)日：2025-01-28

申请号：CN202310338191.1

申请日：2023-03-31

Applicant: 同济大学

Inventor： 赵生捷 ,  薛锦伟 ,  邓浩

IPC: G08G1/0967 ,  G08G1/16 ,  G08G1/01 ,  G06Q50/40 ,  G06N3/0464 ,  G06N3/092 ,  G06N3/098

Abstract: 本发明涉及一种基于智能网联车的交叉路口管理方法，包括以下步骤：构建多智能体强化学习模型，智能体定义为每辆进入交叉路口的智能车；设定智能车与网联车之间的协同数据通信，基于协同通信数据，为每个智能体定义局部状态空间、局部动作空间和奖励函数；通过算法对每个智能体进行训练和优化，得到训练好的模型，最后将训练好的模型部署于智能车中，通过模型引导智能车运行实现交叉路口管理。与现有技术相比，本发明使用车辆本身的计算能力来替代道路计算单元，提出多智能体残差注意力机制深度确定性策略网络算法控制智能车运动，采用中心式训练分布式执行的思想和注意力网络的残差连接相结合，实现更快的收敛且取得更低的平均车辆通行延时。

公开(公告)号：CN116504086A

公开(公告)日：2023-07-28

申请号：CN202310479206.6

申请日：2023-04-28

Applicant: 同济大学

Inventor： 赵生捷 ,  薛锦伟 ,  邓浩

IPC: G08G1/09 ,  G06N3/045 ,  G06N3/047 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/092

Abstract: 本发明涉及一种基于多智能体强化学习的大型路口管理方法，包括以下步骤：构建交叉路口场景模型；定义中心式智能体和车辆智能体，中心式智能体代表路口计算单元，每个车辆智能体分别代表路口中的一辆智能网联车，分别设定每个智能体的状态空间、动作空间及奖励函数；中心式智能体用于观测路口环境变量，同时与各个车辆智能体进行交互；构建多智能体强化学习模型，对强化学习模型进行训练，得到优化的强化学习模型；将优化的强化学习模型部署到各个智能体中，以引导智能网联车运行。与现有技术相比，本发明具有模型计算复杂度低、实用性良好等优点。

公开(公告)号：CN116343516A

公开(公告)日：2023-06-27

申请号：CN202310338191.1

申请日：2023-03-31

Applicant: 同济大学

Inventor： 赵生捷 ,  薛锦伟 ,  邓浩

IPC: G08G1/0967 ,  G08G1/16 ,  G08G1/01 ,  G06Q50/26 ,  G06N3/0464 ,  G06N3/092 ,  G06N3/098

Abstract: 本发明涉及一种基于智能网联车的交叉路口管理方法，包括以下步骤：构建多智能体强化学习模型，智能体定义为每辆进入交叉路口的智能车；设定智能车与网联车之间的协同数据通信，基于协同通信数据，为每个智能体定义局部状态空间、局部动作空间和奖励函数；通过算法对每个智能体进行训练和优化，得到训练好的模型，最后将训练好的模型部署于智能车中，通过模型引导智能车运行实现交叉路口管理。与现有技术相比，本发明使用车辆本身的计算能力来替代道路计算单元，提出多智能体残差注意力机制深度确定性策略网络算法控制智能车运动，采用中心式训练分布式执行的思想和注意力网络的残差连接相结合，实现更快的收敛且取得更低的平均车辆通行延时。