[發明專利]信號燈控制方法、模型訓練方法、系統、裝置及存儲介質

在審

• 申請號: 202110746329.2
• 申請日: 2021-07-01
• 公開（公告）號: CN113643528A
• 公開（公告）日: 2021-11-12
• 發明（設計）人: 由長喜
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/08;G08G1/081;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 譚英強;梁嘉琦

本發明實施例公開了一種信號燈控制方法、模型訓練方法、系統、裝置及存儲介質,根據目標路口的交通狀態信息預測目標路口的信號燈控制策略，能夠給出較佳的信號燈配時方案,另外，通過車輛在岔路上的行駛方向對車輛的行駛狀態特征進行分組統計，得到目標路口中各個岔路上不同行駛方向車輛的行駛狀態統計特征以進行信號燈控制策略的預測，由于統計特征信息的對象是整個岔路上不同行駛方向的車輛，實現了與路口中車道結構的解耦，這樣輸入的預測特征與岔路中的車道結構無關，即使岔路上的車道結構發生變化后，信號燈策略預測模型仍然能夠適用，提高了信號燈策略預測或信號燈策略預測模型在實際道路環境的普遍適應性和使用靈活性。

技術領域

本發明涉及智慧交通領域，特別是涉及一種信號燈控制方法、模型訓練方法、系統、裝置及存儲介質。

背景技術

隨著城市化進程的加快和人均汽車占有量的提高，城市的交通變得越來越繁忙，城市路網的交通擁擠、交通事故問題愈加逐漸凸顯。目前我國道路主要還是使用基于傳統交通規則、固定配置的信號燈配時策略，而上述策略的制定和變更都具有較大的滯后性，無法快速響應交通的變化。

隨著深度學習在人工智能領域的蓬勃發展，結合人工智能的自適應交通燈控制技術逐漸受到人們的關注。例如，通過使用強化學習的方法建立信號燈控制模型，利用訓練好的信號燈控制模型對路口信號燈進行智能控制，能夠給出較佳的信號燈配時方案。然而，上述的信號燈控制模型對實際道路環境的普遍適應性并不理想。

發明內容

以下是對本文詳細描述的主題的概述。本概述并非是為了限制權利要求的保護范圍。

本發明實施例提供了一種信號燈控制方法、模型訓練方法、系統、裝置及存儲介質，能夠提高信號燈控制模型對實際道路環境的普遍適用性。

一方面，本發明實施例提供了一種信號燈控制方法，用于控制目標路口的信號燈工作狀態，方法包括：

獲取目標路口的交通狀態信息，交通狀態信息包括目標路口的第一車輛行駛狀態信息；

根據交通狀態信息進行信號燈狀態策略預測，得到目標路口的信號燈控制策略；

根據信號燈控制策略控制目標路口的信號燈工作狀態；

其中，第一車輛行駛狀態信息包括目標路口中各個岔路上不同行駛方向車輛的行駛狀態統計特征，第一車輛行駛狀態信息通過以下步驟獲得：

獲取目標路口中各個岔路上行駛的車輛的行駛狀態特征；

根據車輛在岔路上的行駛方向對車輛的行駛狀態特征進行分組統計，得到目標路口中各個岔路上不同行駛方向車輛的行駛狀態統計特征。

另一方面，本發明實施例還提供一種信號燈模型訓練方法，包括：

基于目標路口所在的路網結構，構建目標路口的交通仿真環境，交通仿真環境包括目標仿真路口；

獲取目標仿真路口的仿真交通狀態信息，仿真交通狀態信息包括目標仿真路口的第一車輛行駛狀態信息；

將仿真交通狀態信息作為訓練數據對信號燈策略預測模型進行強化學習訓練，信號燈策略預測模型用于對目標路口的信號燈控制策略進行預測；

其中，第一車輛行駛狀態信息包括目標仿真路口中各個岔路上不同行駛方向仿真車輛的行駛狀態統計特征，第一車輛行駛狀態信息通過以下步驟獲得：

獲取目標仿真路口中各個岔路上行駛的仿真車輛的行駛狀態特征；

根據仿真車輛在岔路上的行駛方向對仿真車輛的行駛狀態特征進行分組統計，得到目標仿真路口中各個岔路上不同行駛方向仿真車輛的行駛狀態統計特征。