欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025117599329
申请人: 长沙理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 信号装置
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种应急车辆优先与排队优化协同控制方法,其特征在于,按照以下步骤进行:S1、构建道路交叉口路网拓扑结构模型并采集多源交通状态数据;

S2、对采集的数据进行预处理与多源异构特征提取,构建标准化特征向量;

S3、基于预处理后的数据构建时间序列数据集;

S4、建立融合LSTM与Transformer架构的双分支交通预测模型:S5、训练所述双分支交通预测模型;采用包含队列演化预测损失与应急车辆运行状态预测损失的多任务均方误差损失函数优化融合双分支交通预测模型参数直至收敛;

S6、构建PPO智能体,所述PPO智能体的状态空间融合实时交通状态、历史观测数据及所述双分支交通预测模型的预测结果;

S7、设计分段式奖励函数以引导所述PPO智能体进行多目标协同优化,通过动态权重系数平衡应急车辆优先与社会车辆优化目标;

所述分段式奖励函数包括应急车辆奖励、社会车辆奖励与相位切换惩罚的组合:(1)

其中,为时刻用于应急优先与社会车辆排队优化两类回报间的自适应权重系数,且,具体为:;

其中表示应急车辆到达交叉口的距离,exp为自然指数函数,为最大延迟常数,为控制曲线陡峭度的参数;

S8、训练所述PPO智能体;所述PPO智能体与交通仿真环境交互采样轨迹数据,通过优势函数估计确定状态动作超额收益,结合剪裁优化目标更新策略网络与价值网络参数;

S9、部署训练完成的双分支交通预测模型,输入实时采集的交通状态数据,得到未来分车道排队演化趋势及应急车辆轨迹预测结果;PPO智能体基于实时交通状态数据与所述预测结果,输出信号相位选择及绿灯时长决策,控制交通信号灯执行对应配时方案,所述信号相位选择仅在四个绿灯主相位间切换,实现应急车辆优先通行和社会车辆排队优化。

2.根据权利要求1所述的一种应急车辆优先与排队优化协同控制方法,其特征在于,S1中所述交叉口路网拓扑结构模型为五个交叉口的关联区域,中心交叉口采用四阶段八相位配时方案,所述四阶段八相位配时方案包括东西方向的两个直左相位及南北方向的两个直行、左转相位;所述中心交叉口四个进口道的长度分别为800m、450m、386m、400m,每个进口道选取一条直行车道与一条左转车道作为研究及控制对象;所述交通仿真环境采用SUMO仿真平台,仿真时长为1小时,仿真输出的多源交通状态数据保存为CSV文件。

3.根据权利要求1所述的一种应急车辆优先与排队优化协同控制方法,其特征在于,所述S2具体为通过特征工程构造队列/流量比、净增长队列的合成特征,通过相关性分析、互信息评估、VIF多重共线性检测及特征重要性筛选去除冗余信息后,对特征进行归一化处理,得到标准化特征向量;

其中,标准化特征向量为:

;

其中,为极小常数,为训练集中的各个维度特征的均值,为训练集中的各个维度特征的标准差,为标准化前的特征向量。

4.根据权利要求1所述的一种应急车辆优先与排队优化协同控制方法,其特征在于,S3中,所述构建时间序列数据集的具体过程为:设原始时序数据为:

(4);

其中,表示时刻的输入所有车道特征向量,表示时刻的输出队列长度,表示时间序列长度;

建立每一个时间步的输入序列和预测目标序列:

;

;

最终得到的数据集为:

(7);

其中,表示输入时间序列长度,表示输出时间序列长度,且所述数据集按7:3的比例划分为训练集与测试集。

5.根据权利要求1所述的一种应急车辆优先与排队优化协同控制方法,其特征在于,所述S4中,所述双分支交通预测模型包括LSTM编码器、Transformer编码器及双分支预测头,LSTM编码器捕捉交通流局部时序动态特性,Transformer编码器捕捉全局时空依赖,双分支预测头分别输出未来时段分车道排队演化趋势及应急车辆轨迹状态预测结果;

其中,所述LSTM编码器隐藏层为112,总层数为3层;

所述Transformer编码器层数为3,注意力头数为4,前馈层大小为128,丢弃率为0.1,输出窗口为5,每辆应急车辆的状态预测输出维度为2。

6.根据权利要求1所述的一种应急车辆优先与排队优化协同控制方法,其特征在于,S6中PPO智能体的最终状态表示为:;

其中,为由时刻归一化后的原始输入状态,包含主路车道的排队长度、车辆等待时间、车道流量、信号状态one-hot编码、交叉口吞吐量、仿真时间以及应急车辆的车道、位置、速度;为协助策略判断何时依据预测信息进行决策的附加标志;为提炼了未来步的时序关联编码向量;为向量拼接操作。

7.根据权利要求1所述的一种应急车辆优先与排队优化协同控制方法,其特征在于,所述应急车辆奖励具体为:(9);

其中,及表示若应急车辆在时刻所在车道信号为绿或黄,是相应灯色则为1,否则为0,且,分别为及的分量权重;表示速度增量,为的权重,为势函数增量,为的权重;

所述社会车辆奖励具体为:

;

;

;

其中,为本步流出流量增量;分别为最大排队势差,归一化后延误,排队均衡性势差及归一化后驶离车辆数的分量权重;为社会塑形整体强度;为最大可观测流出流量;为车道平均等待延误;为最大延迟常数;为最大排队势函数差分;为排队均衡性势函数差分;为社会车辆核心奖励;为社会车辆潜在函数塑形奖励;

所述相位切换惩罚具体为:

(13);

其中,表示本次绿灯持续时间,表示应急优先的有效距离阈值,表示容忍阈值,表示相位切换惩罚权重,表示应急优先有效距离阈值的容忍上限。

8.根据权利要求1所述的一种应急车辆优先与排队优化协同控制方法,其特征在于,所述S8中所述优势函数估计确定过程具体为:(14);

为在状态下采取动作后得到的即时奖励;为折扣因子,用于衰减未来价值的影响;为价值网络对下一个状态的估计;为价值网络对当前状态的估计;

所述PPO智能体的总优化目标为:

;

其中,表示为了鼓励探索,增加的策略熵项,及分别表示价值损失系数、熵系数;为策略剪裁目标;为价值函数损失。