CN110533932A 一种基于滚动优化的城市级全域交通信号推 荐方法及系统 （银江股份有限公司）

一种基于滚动优化的城市级全域交通信号一种基于滚动优化的城市级全域交通信号择与当前优化时段和优化子区域对应的优化方发明采用的技术方案适用于城市级交通信号控2选择与当前优化时段和优化子区域对应的优化方案生2.根据权利要求1所述的一种基于滚动优化的城市级全域交通信号推荐方法，其特征3.根据权利要求1所述的一种基于滚动优化的城市级全域交通信号推荐方法，其特征根据关键路口之间的连接关系，确定优化子区域和优化4.根据权利要求1所述的一种基于滚动优化的城市级全域交通信号推荐方法，其特征所述输入包括交通状态数据和交通控制数据，交通状态数据包括但所述目标包括但不限于平均速度提高、平均饱和度降低、5.根据权利要求2所述的一种基于滚动优化的城市级全域交通信号推荐方法，其特征根据当前优化时段对应的优化间隔时间，将当前的实6.根据权利要求5所述的一种基于滚动优化的城市级全域交通信号推荐方法，其特征3根据分类阈值对训练交通状态预测模型用的交通滚动优化模块，获取实时交通数据，选择与当前优优化方案生成模型模块，获取交通数据集，构建并训练优化子区划分模块，获取交通数据，根据优化时段内8.根据权利要求7所述的一种基于滚动优化的城市级全域交通信号推荐系统，还包括补全，当数据具有周期性且数据缺失的时间满足短时逻辑分析，当数据处理环节涉及业务逻辑关系时9.根据权利要求7所述的一种基于滚动优化的城市级全域交通信号推荐系统，其特征45的城市级全域交通信号推荐方法及系统，在滚动优化时段动态将路网划分多个优化子区678更适应城市级交通信号控制。(2)滚动优化不同优化时段不同优化子区域的优化方案生成案生成模型，所述优化方案生成模型采用深度强化学习算法经交通数据集学习训练获得；[0059]当前的实时交通数据和输出的信号优化方案可以作为后续训练模型用的数据集9优化总时间段内的周期性特征序列之间相似度量值满足阈值条件I，如：sim(<X1,X2,…,[0072]时间上连续的交通状态数据形成了S个优化时段数据集，一个优化时段数据集中[0074]一个实施例中，根据优化区域的30-50个信控路口历史(15周)流量每30分钟聚合[0076](2)优化区域早晚高峰区分不明显的状况且整天流量呈较大状态，优化时段为全情况执行一个优化策略的效果可能不太明显，可以采用现成的scats信号控制系统执行自级[0084]优化区域优化时段内某路口的关键性特征满足阈值条件III，则该路口确定为关化明显即存在明显的峰值和峰谷、夜间流量大于夜间阈值800辆且一日流量大于阈值8000该包含互相连接的关键路口及其各自相邻路口组成一个优化子区域，称干线型优化子区[0101]NashQ-Learning算法将Minimax-Q算法中两个智能体的零和博弈扩展到多智能网络以及绝对值激活函数保证输出不为负数。对偏移量采用同样方式但没有非负性的约[0119]其中Q(r,a,s;0)表示[0120]满足上文的单调性约束，对Qtot进行argmax操作的计算量就不在是随智能体数量[0140]A)按照使用的情况分为历史数据和实时数据，历史数据用于发[0159]2)优化区域一般包含30至50个信控路口，目标将关键路口确定在3至5个关键路缺失数据的修复规则；这里的级别特征是指该数据处于不同的环境具有不同的级别约束，则可以实现采集路口前一段时间的实时交通数据，预测信号优化方案执行后的交通状态。方案时刻前30min实际运行的控制方案、实际速度和时刻数据，相邻路口优化时刻前2*口计算优化方案时刻前30min优化方案、预测速度和时间段数据，相邻路口优化时刻前2*全面的掌握优化区域内整体的路况，便于判断输出的控制策略是否能提升区域的整体状