买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜银江技术股份有限公司;浙江工业大学申请的专利一种基于Double DQN和卷积神经网络的双交叉口交通信号控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116884239B 。

龙图腾网通过国家知识产权局官网在2025-03-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310791738.3，技术领域涉及：G08G1/07；该发明授权一种基于Double DQN和卷积神经网络的双交叉口交通信号控制方法是由虞妍;陆超伦;王瑞慷;张文广;罗鹏设计研发完成，并于2023-06-29向国家知识产权局提交的专利申请。

本一种基于Double DQN和卷积神经网络的双交叉口交通信号控制方法在说明书摘要公布了：一种基于DoubleDQN和卷积神经网络的双交叉口交通信号控制方法,具体步骤如下：S1、将相邻的两个交叉口的车道进行分段，以路段为单位收集两个交叉口之间的路网车辆交通信息数据，同时收集路网图像信息数据Mk和路网信号灯相位信息数据Pk；S2、对步骤S1中的数据进行预处理，并将数据输入卷积神经网络中得到路网交通状态‑动作集{Sk,Pk}，其中Sk为路网图像信息数据和车辆交通信息数据连接构成的路网交通状态向量，并搭建交通模拟平台的仿真模型；S3、利用路网交通状态‑动作集{Sk,Pk}和搭建的仿真模型训练DoubleDQN网络，并更新DoubleDQN网络中目标Q网络的参数；S4、根据训练得到的深度神经网络，该交叉口下一时刻所需的路网信号灯相位Pk+1。

本发明授权一种基于Double DQN和卷积神经网络的双交叉口交通信号控制方法在权利要求书中公布了：1.一种基于DoubleDQN和卷积神经网络的双交叉口交通信号控制方法,具体步骤如下：S1、将相邻的两个交叉口的车道进行分段，以路段为单位收集两个交叉口之间的路网车辆交通信息数据，同时收集路网图像信息数据Mk和路网信号灯相位信息数据Pk；S2、对步骤S1中的数据进行预处理，并将数据输入卷积神经网络中得到路网交通状态-动作集{Sk,Pk}，其中Sk为路网图像信息数据和路网车辆交通信息数据连接构成的路网交通状态向量，并搭建交通模拟平台的仿真模型；S3、利用路网交通状态-动作集{Sk,Pk}和搭建的仿真模型训练DoubleDQN网络，并更新DoubleDQN网络中目标Q网络的参数；其中更新DoubleDQN网络中目标Q网络的参数的具体步骤如下：S31，初始化当前Q网络的参数ω和目标Q网络Q'的参数ω'，并清空经验回放池D；S32，对任意时刻的{Sk,Pk}，定义DoubleDQN神经网络学习中的奖励值rk： 其中w1,w2,w3为不同交通信息对应的奖励折算系数，C为信号灯转换次数，为0表示相比上一时刻信号灯的相位没有发生变化，为1则发生了变化，Lk表示路段车辆数序列集合；Vk表示路段车辆平均速度序列集合；S33，将当前时刻的{Sk,Pk}以及奖励rk放入经验池D；S34，从经验回放池取出样本信息，并结合当前时刻的信息，计算当前Q网络Q的ω值，γ为折扣因子： S35，使用均方差损失函数L，并通过神经网络的反向传播来更新目标Q网络的Q'参数ω'： 其中，m为一次训练从经验池中取出的样本信息数量，a′为下一时刻的最优动作，j为迭代次数；S36，不断更新神经网络参数直到最大迭代次数为止；S4、根据训练得到的深度神经网络，该交叉口下一时刻所需的路网信号灯相位Pk+1为：Pk+1＝argmaxQ'Sk,Pk；ω'，其中Q'Sk,Pk；ω'为目标Q网络的Q'值，argmax函数为Q'Sk,Pk；ω'达到最大值时变量的取值，ω'为目标Q网络的参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人银江技术股份有限公司;浙江工业大学，其通讯地址为：310012 浙江省杭州市益乐路223号1幢1层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。