[发明专利]交通信号灯的控制方法、装置、计算机设备及存储介质

说明书

本发明提供一种交通信号灯的控制方法、装置、计算机设备及存储介质，该方法包括：获取交通环境训练数据，基于Q‑Learning算法对所述交通环境训练数据进行深度学习以得到联合交通状态与联合路口行为对应的Q矩阵；若当前时间为第一预设时间，每预设周期获取所述若干预设路段的交通状态以得到当前的联合交通状态；基于所述当前的联合交通状态以及所述Q矩阵控制所述若干预设路段的交通信号灯的通行切换时间。通过训练Q‑Learning算法模型进行数据建模，得到交通状态对应交通信号灯通行切换时间的选择行为的Q矩阵，在交通拥堵的时段，利用强化学习的结果，即Q矩阵，实现对交通信号灯的控制，通过改变交通信号灯的通行切换时间来改善整体交通情况，缓解交通拥堵状态。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种交通信号灯的控制方法、装置、计算机设备及存储介质。

背景技术

随着经济的发展以及汽车行业的发展，交通问题越来越严峻，一方面影响人们的出行，另一方面其已成为制约经济发展的重要因素。要从根本上解决交通拥堵的问题，除了拓展城市道路、改造城市布局、增强人们交通意识之外，人工智能已然成为解决交通拥堵问题的重要手段之一。

现有的通过人工智能改善交通拥堵的方法一般是根据红绿灯路口的车流情况智能地控制红绿灯各个指示通行方向的通行时间，通过智能控制红绿灯来使路口前方道路的车辆能够以最大的通行效率通过该红绿灯路口。此方法指针对单独一个红绿灯信号的智能控制，仅通过每个路口红绿灯信号的智能控制智能改善对应道路的交通拥堵，然而，道路之间具有千丝万缕的关系，一条道路的通行效率的提高可能会导致另外一条道路通行效率降低，最终导致城市或某一区域内整体交通通行效率的改善结果不明显。

发明内容

本发明实施例提供了一种交通信号灯的控制方法、装置、计算机设备及存储介质，旨在提高城市道路的整体通行效率，改善交通环境。

第一方面，本发明实施例提供了一种交通信号灯的控制方法，该方法包括：获取交通环境训练数据，所述交通环境训练数据包括若干预设路段的联合路口行为以及在不同联合路口行为下所述若干预设路段的联合交通状态，所述联合路口行为包括每一预设路段的交通信号灯的通行切换时间；基于Q-Learning算法对所述交通环境训练数据进行深度学习以得到联合交通状态与联合路口行为对应的Q矩阵，其中，所述Q矩阵中的任一Q值表示在对应的联合交通状态下选择对应的联合路口行为所得的若干预设路段的联合交通状态改善的总收益；若当前时间为第一预设时间，每预设周期获取所述若干预设路段的交通状态以得到当前的联合交通状态；基于所述当前的联合交通状态以及所述Q矩阵控制所述若干预设路段的交通信号灯的通行切换时间。

第二方面，本发明实施例还提供了一种交通信号灯的控制装置，所述交通信号灯的控制装置包括用于实现第一方面所述的交通信号灯的控制方法的单元。

第三方面，本发明实施例还提供了一种计算机设备，包括存储器，以及与所述存储器相连的处理器；所述存储器用于存储实现交通信号灯的控制方法的计算机程序；所述处理器用于运行所述存储器中存储的计算机程序，以执行如上述第一方面所述的方法。

第四方面，本发明实施例提供了一种存储介质，所述存储介质存储有一个或者一个以上计算机程序，所述一个或者一个以上计算机程序可被一个或者一个以上的处理器执行，以实现上述第一方面所述的方法。

本发明实施例提供了一种交通信号灯的控制方法、装置、计算机设备及存储介质，通过训练Q-Learning算法模型得到交通状态对应交通信号灯通行切换时间的选择行为的Q矩阵，在交通拥堵的时段，利用强化学习的结果，即Q矩阵，实现对交通信号灯的控制，通过改变交通信号灯的通行切换时间来达到改善整体交通情况，缓解交通拥堵的状态。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。