-
公开(公告)号：CN118629234B
公开(公告)日：2024-12-13
申请号：CN202410643565.5
申请日：2024-05-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及多路口交通信号灯协同控制方法及设备、可读存储介质。其方法包括：获取交通流信息，输入到基于多智能体强化学习算法的交通信号灯控制模型中，以获得并存储每个智能体的状态、动作和奖励函数；采用基于高效链接神经网络的可解释影响机制，求出不同交通路网上输入数据的重要性系数，并求出加权聚合后的交通流隐变量；采用偏置ReLU神经网络逼近actor‑critic强化学习算法中的价值函数和策略函数，以构造分片线性actor‑critic的框架；采用集中式训练分布式执行的方法，每个智能体的actor通过交通流信息训练得到各自的策略函数；集中式critic根据交通流隐变量，训练得到一个联合价值函数，获得多智能体强化学习算法的最优解。本发明可提高道路交通流的效率和安全性。
-
公开(公告)号：CN118629234A
公开(公告)日：2024-09-10
申请号：CN202410643565.5
申请日：2024-05-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及多路口交通信号灯协同控制方法、设备及可读存储介质。其方法包括：获取交通流信息，输入到基于多智能体强化学习算法的交通信号灯控制模型中，以获得并存储每个智能体的状态、动作和奖励函数；采用基于高效链接神经网络的可解释影响机制，求出不同交通路网上输入数据的重要性系数，并求出加权聚合后的交通流隐变量；采用偏置ReLU神经网络逼近actor‑critic强化学习算法中的价值函数和策略函数，以构造分片线性actor‑critic的框架；采用集中式训练分布式执行的方法，每个智能体的actor通过交通流信息训练得到各自的策略函数；集中式critic根据交通流隐变量，训练得到一个联合价值函数，获得多智能体强化学习算法的最优解。本发明可提高道路交通流的效率和安全性。
-
Search Results
2
records
(took 0.034 seconds)
