[发明专利]一种智能交通信号控制方法、装置及系统

权利要求书

1.一种智能交通信号控制方法,其特征在于：包括步骤：

采集交通状态数据、若干奖励函数、协调信息、控制指令集，输入已构建的交通信号控制模型，输出最优控制指令；

所述交通信号控制模型，包括若干奖励函数、一控制指令集、一转移概率、一协调信息，所述奖励函数以交通状态与控制指令为变量，所述控制指令集与所述协调信息相关联，具体为：

其中，i＝1,2,…,n^obj为奖励函数的数量，x为交通状态，u为控制指令，r_i(x,u)为第i个奖励函数，π(x)为控制指令集，P(x^sub|x,u)∈[0,1]为给定交通状态x与控制指令u的后续交通状态x^sub的转移概率；c为协调信息；γ∈[0,1]为考虑重要性水平的折扣因子；

所述交通信号控制模型求解包括：

多目标决策步骤，获得若干个信号控制目标，所述信号控制目标为在未来时间段的积累奖励函数值最优，所述奖励函数值由所述奖励函数、所述转移概率计算获得，将控制目标转化为可迭代目标，具体为：

其中，Q^*(x₀,u₀)为最优积累奖励，Q^π(x₀,u₀)为控制指令集π下对应于多个目标的优化积累奖励向量，Q^π(x₀,u₀)表示如下：

其中，为控制指令集π下对应于第i个目标的优化积累奖励向量，表示如下：

其中，函数E为期望值函数，P(x_t+1|x_t,u_t)为给定交通状态x_t与控制指令u_t的后续交通状态x_t+1的转移概率，γ^t为t时刻的虑重要性水平的折扣因子，r_i(x_t,u_t)为交通状态x_t与控制指令u_t对应的第i个目标的奖励函数；

所述将控制目标转化为可迭代目标，具体为：

Q^*(x_t,u_t)＝r(x_t,u_t)+γQ^*(x_t+1,u_t+1)

r(x_t,u_t)＝[r₁(x_t,u_t),r₂(x_t,u_t),...,r_n(x_t,u_t)]^T；

多目标控制步骤，在可迭代目标约束下，求解满足所述可迭代目标的最优控制指令。