[發明專利]機器學習模型的訓練方法、信號控制方法和裝置

有效

• 申請號: 202210097077.X
• 申請日: 2022-01-26
• 公開（公告）號: CN114444718B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 王澤隆;曾宏生;周波;王凡;陳永鋒;何徑舟
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G08G1/08
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 李世陽

1.一種機器學習模型的訓練方法，包括：

基于參數噪聲值調整初始機器學習模型的模型參數，得到更新后的初始機器學習模型，其中，所述初始機器學習模型是經由第一交通樣本數據訓練得到的，所述第一交通樣本數據表征了路口的交通狀態；

利用所述更新后的初始機器學習模型處理第二交通樣本數據，得到針對交通信號燈的第一調整策略，其中，所述第二交通樣本數據表征了所述路口的交通狀態；

響應于基于所述第一調整策略調整所述交通信號燈的信號完成，確定針對所述路口的第一參考交通狀態，所述第一參考交通狀態表征了調整所述交通信號燈的信號之后路口的交通擁堵情況；以及

基于所述第一參考交通狀態和所述參數噪聲值，調整所述更新后的初始機器學習模型的模型參數，得到經訓練的機器學習模型，其中所述經訓練的機器學習模型用于調整所述交通信號燈的信號。

2.根據權利要求1所述的方法，其中，所述基于參數噪聲值調整初始機器學習模型的模型參數，得到更新后的初始機器學習模型包括：

隨機生成N/2組參數噪聲值，N為大于1的整數；

基于數值對稱方式調整所述N/2組參數噪聲值，得到另一N/2組參數噪聲值；以及

基于N組參數噪聲值分別調整所述初始機器學習模型的模型參數，得到N個更新后的初始機器學習模型。

3.根據權利要求2所述的方法，其中，所述第一參考交通狀態包括針對所述N個更新后的初始機器學習模型的N個交通擁堵數據；所述基于所述第一參考交通狀態和所述參數噪聲值，調整所述更新后的初始機器學習模型的模型參數，得到經訓練的機器學習模型包括：

將所述N個交通擁堵數據進行排序，得到排序結果；以及

基于所述排序結果和所述N組參數噪聲值，調整所述N個更新后的初始機器學習模型的模型參數，得到經訓練的機器學習模型。

4.根據權利要求1所述的方法，其中，所述利用所述更新后的初始機器學習模型處理第二交通樣本數據，得到針對交通信號燈的第一調整策略包括：

利用所述更新后的初始機器學習模型處理第二交通樣本數據，以從至少一個分組的交通方向中確定目標分組的交通方向，其中，針對每個分組中多個交通方向的交通信號燈的第一調整策略一致；以及

確定針對所述目標分組的交通方向的交通信號燈的第一調整策略。

5.根據權利要求1所述的方法，還包括：

獲取所述第一交通樣本數據；

將所述第一交通樣本數據輸入待訓練的初始機器學習模型中，得到針對所述交通信號燈的第二調整策略；以及

基于所述第二調整策略和參考調整策略，調整所述待訓練的初始機器學習模型的模型參數，得到所述初始機器學習模型。

6.根據權利要求1所述的方法，還包括：

獲取所述第一交通樣本數據；

將所述第一交通樣本數據輸入待訓練的初始機器學習模型中，得到針對所述交通信號燈的第二調整策略；

響應于基于所述第二調整策略調整所述交通信號燈的信號完成，確定針對所述路口的第二參考交通狀態；以及

基于所述第二參考交通狀態，調整所述待訓練的初始機器學習模型的模型參數，得到所述初始機器學習模型。

7.根據權利要求1所述的方法，其中，所述路口包括第一路口，所述第一交通樣本數據或所述第二交通樣本數據包括針對第一路口的交通數據和針對第二路口的交通數據，所述第二路口與所述第一路口之間的距離滿足距離條件。

8.一種信號控制方法，包括：

獲取表征路口狀態的目標交通數據；

利用經訓練的機器學習模型處理所述目標交通數據，得到針對交通信號燈的調整策略，其中，所述經訓練的機器學習模型是利用根據權利要求1-7中任意一項所述的方法訓練得到的；以及

基于所述調整策略，調整所述交通信號燈的信號。