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！

申请/专利权人：浙江省交通运输科学研究院

摘要：本发明属于高速公路交通管控分析技术领域，具体涉及基于强化学习和事件触发预测的高速公路匝道管控方法，在该方法中，首先构建模型预测控制器；然后构建强化学习智能体；其次构建结合强化学习的事件触发模型预测控制框架；并构建仿真环境，训练强化学习智能体；最后部署结合强化学习的事件触发模型预测控制框架，本发明通过结合模型驱动和数据驱动方法，将强化学习智能体嵌入到事件触发模型预测控制中，并构建仿真环境不断训练智能体，并且设计能够处理匝道管控问题约束和优化目标的模型预测控制器，由此不仅提升了高速公路匝道控制效果，还提高了高速公路匝道控制及时度，另外在一定程度上降低了由人工管控带来的管理成本。

主权项：1.基于强化学习和事件触发预测的高速公路匝道管控方法，其特征在于，包括以下步骤：步骤一：构建模型预测控制器；步骤二：构建强化学习智能体；步骤三：构建结合强化学习的事件触发模型预测控制框架；步骤四：构建仿真环境，训练强化学习智能体；步骤五：部署结合强化学习的事件触发模型预测控制框架；所述构建模型预测控制器参见下述过程：S1.1构建高速公路匝道管控优化目标： ；其中，表示总旅行时间，主要包括车辆在途行驶时间和等待时间,表示车辆排队惩罚因子,表示车辆排队惩罚目标函数系数；S1.2构建高速公路匝道管控状态转移方程： ；其中，表示状态转移方程，表示控制阶段，表示高速公路匝道交通流控制量，表示交通流密度，表示交通流流量，表示交通流速度，表示匝道排队长度，表示模型参数；S1.3构建高速公路匝道管控约束条件： ；其中，表示约束条件方程；S1.4构建模型预测控制优化模型： ；s.t. ； ；其中，表示预测步长，通过求解上述优化模型可以获得最优控制序列,进而将第一个控制量实施到系统中从而达到控制效果；所述构建强化学习智能体实施如下：S2.1定义动作： ，其中0表示模型预测控制器不触发，1表示模型预测控制器触发；S2.2定义动作定义状态： ，其中表示状态观测位置的交通流密度，表示观测位置的匝道排队长度；S2.3定义奖励： ，其中、对应高速公路匝道管控优化目标,对应考虑控制器触发成本；S2.4定义策略更新函数： ，其中表示状态下采取动作的概率，表示学习率，表示折扣因子。

全文数据：

权利要求：

百度查询： 浙江省交通运输科学研究院 基于强化学习和事件触发预测的高速公路匝道管控方法