[发明专利]一种区域交通信号灯协同方法、装置、设备及其介质

说明书

本发明提供了一种区域交通信号灯协同方法、装置、设备及其介质，包括：获取交叉口信号灯个体当前交通信息，根据交通信息判断交通状态；调用训练好的区域交通信号灯协同模型对交通状态进行预处理，生成激发抑制比，判断状态为拥堵状态时，获取交叉口信号灯个体激发‑抑制数据，根据激发‑抑制数据计算激发抑制比，判断状态为畅通状态时，获取交叉口信号灯个体绿波带群体数，进行增加处理，根据得到激发‑抑制数据计算激发抑制比；将激发抑制比与预设值进行比较，生成评价指标；根据评价指标，对交叉口信号灯个体状态进行调整。旨在解决现有区域协调方案存在难适应大规模区域路网协同，绿波带面对路网车流量变动大、干线难确定时协同效果差的问题。

技术领域

本发明涉及区域交通信号协同领域，具体涉及一种区域交通信号灯协同方法、装置、设备及其介质。

背景技术

在城市道路网络中，单个交叉口的交通信号灯控制策略改变后，其相邻路口的交通流也会随之产生变化，进而影响整个区域的交通流状况，因此，将区域内多个相连的交叉口看做一个群体，使群体内各个交叉口通过信号配时机制进行协同，取得区域通行能力整体提升的结果，从而使个体(单交叉口信号灯)通过与环境和同伴的交互产生群体智慧的自组织涌现，是区域交通信号协同领域值得深入研究的方向。

在已有的区域协调控制研究中，根据适用的交通流状态的不同可以分为：面向非饱和交通流(畅通状态)的区域协调控制，以及面向饱和交通流(拥堵状态)的区域协调控制。一般来说，绿波带控制方法比较适用于非饱和交通流下的协调控制，瓶颈区域的协调控制适用于饱和交通流下的协调，目前基于强化学习的方法优化信号灯配时在饱和交通流交通状况下也有较多新的研究进展。

现有基于强化学习的信号灯配时方法可以划分为独立强化学习和联合强化学习，独立强化学习无法实现智能体之间的协同；而联合强化学习智能体的Q值空间将随智能体数量、状态空间及动作空间的增加呈指数级增长，产生维数灾难，难以适应大规模的区域路网协同。而现有的绿波协调控制模型普遍都是以确定的干线道路为基础进行研究，当面对路网车流量变动较大，干线难以确定的情形时，鲜有方法考虑在计算绿波协调参数的同时对绿波带的自动组群方法进行深入研究。

有鉴于此，提出本申请。

发明内容

有鉴于此，本发明的目的在于提供一种区域交通信号灯协同方法、装置、设备及其介质，能够有效解决现有技术中的异区域协调控制方案存在产生维数灾难，难以适应大规模的区域路网协同，以及当面对路网车流量变动较大，干线难以确定的情形时，鲜有方法考虑在计算绿波协调参数的同时对绿波带的自动组群方法进行深入研究，协调效果差的问题。

本发明公开了一种区域交通信号灯协同方法，包括：

获取交叉口信号灯个体当前的交通信息，根据所述交通信息判断交叉口的交通状态为拥堵状态还是畅通状态；

调用训练好的区域交通信号灯协同模型对所述交通状态进行预处理，生成对应的激发抑制比，其中，当判断所述交通状态为拥堵状态时，获取该交叉口信号灯个体的激发-抑制数据，根据所述激发-抑制数据计算对应的激发抑制比，当判断所述交通状态为畅通状态时，获取该交叉口信号灯个体的绿波带群体数，进行增加处理，并根据处理得到的激发-抑制数据计算对应的激发抑制比；

将所述激发抑制比与预设值进行比较处理，生成对应的评价指标；

根据所述评价指标，对交叉口信号灯个体的状态进行调整。

优选地，调用训练好的区域交通信号灯协同模型对所述交通状态进行预处理，生成对应的激发抑制比，具体为：

当判断所述交通状态为拥堵状态时，根据所述交通信息，计算所述激发-抑制数据的个数，其中，所述激发-抑制数据包括激发剂、内部抑制剂以及外部抑制剂；

根据公式计算对应激发抑制比，其中，H为激发抑制比，A_ij为所述激发剂，J_ij为所述外部抑制剂。