[发明专利]一种行动-评价机制下信号灯优化配时方法

权利要求书

1.一种行动-评价机制下信号灯优化配时方法，其特征在于，所述方法包括：

步骤1，根据交通轨迹数据建立模拟单个机动车的机动车微观交通模型，根据交通流数据和交通监控视频建立模拟交叉口道路通行状况的交叉口全局交通模型；

步骤2，以所述机动车微观交通模型为状态空间，以交通信号控制方案为行动空间，以所述交叉口全局交通模型为行动评价指标，建立单交叉口交通信号控制模型；

步骤3，以判定区域内的各个交叉口为单位进行优化控制，根据各个所述单交叉口交通信号控制模型建立使所述判定区域所有机动车的评价指标达到最优的区域交通信号控制模型；

所述步骤2中所述单交叉口交通信号控制模型中对交叉口交通信号控制优化的过程为：在相位顺序及周期总时长固定的情况下，对各相位绿信比进行优化；

所述步骤3包括：

步骤301，根据交叉口相似度划分区域；所述交叉口相似度根据交叉口距离、车流量方差以及交叉口间协方差计算得到；所述交叉口距离为交叉口之间最小连接路段数目；

步骤302，基于迁移学习方法对划分后的任一区域内的所述单交叉口交通控制模型的缺失数据补充以及初始化；

步骤303，基于协作图进行最优联合动作搜索，以所述区域内各交叉口的联合动作a₁，a₂，…，a_i，…，a_n为行动，区域内各交叉口评价指标c_i之和为行动后的评价机制确定所述区域交通信号控制模型；所述协作图的顶点为各个交叉口，所述协作图的边为交叉口之间的道路，所述协作图通过迭代在无向图相邻顶点间传递顶点的最优信息求解。

2.根据权利要求1所述的方法，其特征在于，所述步骤1中建立所述机动车微观交通模型的过程包括：

采用深度学习的方法从所述交通轨迹数据中提取时空轨迹特征数据，所述时空轨迹特征数据包括描述机动车在所述交叉口的通行状态的位置、加速度、方向角和速度。

3.根据权利要求1所述的方法，其特征在于，所述步骤1中建立所述交叉口全局交通模型还参考交通环境数据；所述交通环境数据包括气候状况、日期属性和突发事件发生状况；

所述交叉口全局交通模型的建立过程包括：基于所述交通流数据、所述交通监控视频及所述交通环境数据，采用深度学习方法提取所述交叉口路段的深层全局交通特征。

4.根据权利要求1所述的方法，其特征在于，所述步骤2包括：

步骤201，采用深度学习的方法，构建以交叉口控制器Agent的状态s为输入、以交叉口控制器Agent在所述状态s下所有行动a的值估计Q(s，a)为输出的深度学习模型；

步骤202，建立交叉口评价指标：c_t＝x₁r_t+x₂D(q)+x₃m_t；

其中，r_t为表示当前交叉口的拥堵情况的交叉口平均延误指标，D(q)为交叉口平衡度指标，m_t为所述交叉口全局交通模型，x₁，x₂，x₃分别为所述交叉口平均延误指标、所述交叉口平衡度指标及所述交叉口全局交通模型在所述交叉口评价指标中所占比例，所述比例针对不同需求设定；

步骤203，确定深度学习模型迭代训练的损失函数为：L＝c_t+1+(Q(s_t+1，a_t+1|θ)-Q(s_t，a_t|θ))；

其中，c_t+1为交叉口Agent行动后交叉口评价指标，Q(s_t，a_t|θ)为行动前深度学习模型输出，Q(s_t+1，a_t+1|θ)为行动后深度学习输出；

步骤204，在交叉口原有信号控制方案下，采集当前交叉口交通状态s、当前交叉口控制器行动a、当前交通状态c及行动后交叉口交通状态s'作为所述深度学习模型的训练样本，迭代训练使得损失函数最小化，以深度学习模型输出Q(s，a)作为所述交叉口控制器Agent行动的评价指标。