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！

摘要：一种基于多智能体Actor‑Critic和GRU的城市大路网交通信号控制方法,具体步骤如下：S1、对于城市大型交通路网，将每个交叉口视为多智能体Actor‑Critic网络中的一个Agent，将路网上同一交叉口的车辆数量组合成对应交叉口的车辆总数Lkj，k表示从训练开始的第k时刻，j＝1,2,…,N，N为路网中交叉口的总数；同时记录k时刻该交叉口所有车辆的平均行驶速度Tkj和信号灯状态信息Akj；S2、数据预处理，删去不符合逻辑的异常卡口数据；S3、搭建路网模型，用于神经网络的训练平台；S4、将步骤S1中获取的路网实时交通信息组合成Actor‑Critic训练中的状态信息Skj和信号灯动作信息即信号灯状态信息Akj，进行Actor‑Critic训练；S5、最终得到的训练模型，根据各交叉口的交通信息和信号灯状态信息确定下一个状态的灯态。

主权项：1.一种基于多智能体Actor-Critic和GRU的城市大路网交通信号控制方法,具体步骤如下：S1、对于城市大型交通路网，将每个交叉口视为多智能体Actor-Critic网络中的一个Agent，每一个Agent均有一个独立Actor-Critic网络，在一段连续时间内，每隔固定的采样间隔，通过道路上的卡口获取各条驶入交叉口车道的车辆数量queuei，其中i为单个交叉口上的车道编号，然后将路网上同一交叉口的车辆数量组合成对应交叉口的车辆总数Lkj，k表示从训练开始的第k时刻，j＝1,2,…,N，N为路网中交叉口的总数；同时记录k时刻该交叉口所有车辆的平均行驶速度Tkj和信号灯状态信息Akj；S2、数据预处理，删去不符合逻辑的异常卡口数据；S3、搭建路网仿真模型，用于神经网络的训练平台；S4、将步骤S1中获取的各交叉口的车辆总数Lkj和所有车辆平均行驶速度Tkj组合成状态信息Skj和动作信息即信号灯状态信息Akj，输入Actor-Critic网络进行训练；S5、最终得到的训练模型，根据各交叉口的交通信息和信号灯状态信息，通过下式可以确定下一个状态的灯态：Ak+1j＝argmaxQSkj,Akj其中QSkj,Akj为多智能体中单个Actor-Critic网络的Q值，argmax函数为QSkj,Akj达到最大值时变量的取值。

全文数据：

权利要求：

百度查询： 银江技术股份有限公司 浙江工业大学 一种基于多智能体Actor-Critic和GRU的城市大路网交通信号控制方法