-
公开(公告)号：CN112927505B
公开(公告)日：2022-08-02
申请号：CN202110119357.1
申请日：2021-01-28
Applicant: 哈尔滨工程大学
IPC: G08G1/01 , G08G1/081 , G08G1/095 , G06K9/62 , G06N3/08 , G16Y10/40 , G16Y40/35 , H04W4/029 , H04W4/40
Abstract: 本发明为了解决现有强化学习算法受限于维度爆炸问题无法直接拓展到大规模真实城市路网场景、以及协作式多智能体强化学习模型的训练效率低下问题，结合车联网通信背景，提出了一种车联网环境下基于多智能体深度强化学习的信号灯自适应控制方法。本发明具体包括4个步骤：基于车联网通信架构—设计CGB‑MATSC模型—在模型上结合DQN算法得到CGB‑MAQL算法—为了加速算法收敛提出了基于多线程的启发式学习机制；本发明用于优化路网范围内所有路口的信号灯控制策略，该模型为智能体规模扩展导致的空间维度爆炸提供了一个高效的解决方案，支持其他强化学习算法的拓展，且在大规模异构路网环境中具有较好的有效性和可拓展性。
-
公开(公告)号：CN112927505A
公开(公告)日：2021-06-08
申请号：CN202110119357.1
申请日：2021-01-28
Applicant: 哈尔滨工程大学
IPC: G08G1/01 , G08G1/081 , G08G1/095 , G06K9/62 , G06N3/08 , G16Y10/40 , G16Y40/35 , H04W4/029 , H04W4/40
Abstract: 本发明为了解决现有强化学习算法受限于维度爆炸问题无法直接拓展到大规模真实城市路网场景、以及协作式多智能体强化学习模型的训练效率低下问题，结合车联网通信背景，提出了一种车联网环境下基于多智能体深度强化学习的信号灯自适应控制方法。本发明具体包括4个步骤：基于车联网通信架构‑‑‑设计CGB‑MATSC模型‑‑‑在模型上结合DQN算法得到CGB‑MAQL算法‑‑‑为了加速算法收敛提出了基于多线程的启发式学习机制；本发明用于优化路网范围内所有路口的信号灯控制策略，该模型为智能体规模扩展导致的空间维度爆炸提供了一个高效的解决方案，支持其他强化学习算法的拓展，且在大规模异构路网环境中具有较好的有效性和可拓展性。
-
公开(公告)号：CN112561146B
公开(公告)日：2023-04-18
申请号：CN202011425721.9
申请日：2020-12-08
Applicant: 哈尔滨工程大学
IPC: G06Q10/04 , G06F18/214 , G08G1/01 , G06T7/90 , G06N3/0464 , G06N3/0442
Abstract: 本发明是一种基于模糊逻辑和深度LSTM的大规模实时交通流预测方法。本发明涉及城市智能交通管理技术领域，选取城市路网场景，进行实时交通流拥塞程度信息的彩色图像采集；根据采集的彩色图像，获取多个路口的拥堵程度，用于数据训练集，通过模糊机制构成FDFP的数据感知端；建立深层LSTM神经网络，对数据训练集进行深度学习，构建FDFP的预测端；从服务器端获取的实时交通信息输入FDFP模型中，得到实时的多个路口的未来确定时间范围内的流量预测，对各路口实际实时交通情况对不同模型的预测效果进行评估。
-
公开(公告)号：CN112561146A
公开(公告)日：2021-03-26
申请号：CN202011425721.9
申请日：2020-12-08
Applicant: 哈尔滨工程大学
Abstract: 本发明是一种基于模糊逻辑和深度LSTM的大规模实时交通流预测方法。本发明涉及城市智能交通管理技术领域，选取城市路网场景，进行实时交通流拥塞程度信息的彩色图像采集；根据采集的彩色图像，获取多个路口的拥堵程度，用于数据训练集，通过模糊机制构成FDFP的数据感知端；建立深层LSTM神经网络，对数据训练集进行深度学习，构建FDFP的预测端；从服务器端获取的实时交通信息输入FDFP模型中，得到实时的多个路口的未来确定时间范围内的流量预测，对各路口实际实时交通情况对不同模型的预测效果进行评估。
-
-
-
Search Results
4
records
(took 0.03 seconds)
