-
公开(公告)号:CN113053122A
公开(公告)日:2021-06-29
申请号:CN202110305552.3
申请日:2021-03-23
Applicant: 成都信息工程大学 , 四川易方智慧科技有限公司
Abstract: 本发明公开了基于加权多智能体分组逆向强化学习算法——WeightedMultiagent Group Inverse Reinforcement Learning(WMGIRL)对可变交通管控方案下区域车流量分布进行预测的方法,包括:S1、对待预测区域进行城市路网建模,并采集该区域内的行车轨迹数据;S2、基于待预测区域对应的城市路网和行车轨迹数据,通过基于加权(Weighted)的最大熵逆强化学习方法提取待预测区域内的流量特征;S3、基于提取出的流量特征和当前交通管控方案下的城市路网,采用基于多智能体分组(Multiagent Group)的正向强化学习方法对其进行处理,获得待预测区域的车流量分布预测结果。
-
公开(公告)号:CN113053122B
公开(公告)日:2022-02-18
申请号:CN202110305552.3
申请日:2021-03-23
Applicant: 成都信息工程大学 , 四川易方智慧科技有限公司
Abstract: 本发明公开了基于加权多智能体分组逆向强化学习算法——WeightedMultiagent Group Inverse Reinforcement Learning(WMGIRL)对可变交通管控方案下区域车流量分布进行预测的方法,包括:S1、对待预测区域进行城市路网建模,并采集该区域内的行车轨迹数据;S2、基于待预测区域对应的城市路网和行车轨迹数据,通过基于加权(Weighted)的最大熵逆强化学习方法提取待预测区域内的流量特征;S3、基于提取出的流量特征和当前交通管控方案下的城市路网,采用基于多智能体分组(Multiagent Group)的正向强化学习方法对其进行处理,获得待预测区域的车流量分布预测结果。
-
公开(公告)号:CN110928974A
公开(公告)日:2020-03-27
申请号:CN201911216390.5
申请日:2019-12-02
Applicant: 成都信息工程大学
IPC: G06F16/29 , G06F40/151 , G06F40/126 , G08G1/01
Abstract: 本发明涉及道路网简化领域,目的是提供基于Kml生成及融点简化路网的方法,本发明包括以下步骤:S1:获取待研究地区的道路经纬度数据和路口的经纬度数据;S2:将S1中的经纬度作为输入,通过getRoadNet函数转换得到所述待研究地区的道路拓扑结构文件和路口信息文件;S3:通过整合所述道路拓扑结构文件和所述路口信息文件,得到简化后的kml文件;S4:将S3中简化后的Kml文件重新跟所述待研究地区的道路进行匹配,并进行编码得到待研究地区的道路结构图,本方法设计合理,实用性强,适合推广。
-
公开(公告)号:CN113628442B
公开(公告)日:2022-10-14
申请号:CN202110911165.4
申请日:2021-08-06
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于多信号灯强化学习的交通组织方案优化方法,属于交通信号灯控制领域。首先构造包含状态空间集和行为空间集的Actor网络,再将观察值传入,经过Subnet网络的处理将高纬度信息压缩成低纬度信息,进行行为偏转概率的计算,然后将初始状态信息、更新后的状态信息、行为偏转概率传入Critic网络中进行集中式学习,最近进行轨迹重构。在多路口交通环境下,多智能体借助Actor‑Critic算法框架,提高了路网畅通率。同时使用了智能体之间集中式学习分散式执行的方法,结合了集中式学习和分散式执行的优点,使得算法在收敛速度上得到了较大的提升。
-
公开(公告)号:CN113628442A
公开(公告)日:2021-11-09
申请号:CN202110911165.4
申请日:2021-08-06
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于多信号灯强化学习的交通组织方案优化方法,属于交通信号灯控制领域。首先构造包含状态空间集和行为空间集的Actor网络,再将观察值传入,经过Subnet网络的处理将高纬度信息压缩成低纬度信息,进行行为偏转概率的计算,然后将初始状态信息、更新后的状态信息、行为偏转概率传入Critic网络中进行集中式学习,最近进行轨迹重构。在多路口交通环境下,多智能体借助Actor‑Critic算法框架,提高了路网畅通率。同时使用了智能体之间集中式学习分散式执行的方法,结合了集中式学习和分散式执行的优点,使得算法在收敛速度上得到了较大的提升。
-
-
-
-