1.一种交通事故下的动态交通诱导与信号控制协同方法,其特征在于,包括以下步骤:S1:构建有向含权复杂道路网模型,获取路网实时运行状态并进行评价;
S2:基于S1构建的复杂道路网模型及其运行状态,采用双重Q学习算法,生成路径诱导模块;
S3:基于深度确定性策略梯度算法,构建信号控制智能体,所述智能体通过感知交叉口的交通状态,输出下一相位的绿灯持续时间作为动作,并结合以车辆延误和排队长度为核心的奖励信号进行学习,生成信号控制模块;
S4:建立路径诱导模块与信号控制模块之间的双向协同机制,以滚动时窗方式执行协同迭代,形成路径诱导与信号控制的闭环协同优化系统。
2.根据权利要求1所述的一种交通事故下的动态交通诱导与信号控制协同方法,其特征在于,S1具体步骤为:S101:利用原始路网构建有向含权复杂道路网图模型;
S102:通过路侧感知单元采集数据与车辆上报数据相结合的方式,获取道路网实时运行状态并汇总至控制中心;
S103:获取车道通行时间、道路使用情况及排队长度信息,采用 BPR 函数计算各路段的行驶时间阻抗值,将该阻抗值作为路段权重以评价路网运行状态。
3.根据权利要求1所述的一种交通事故下的动态交通诱导与信号控制协同方法,其特征在于,S2具体步骤为:S201:构建用于路径诱导的强化学习模型,所述模型包括并行设置的第一价值函数网络和第二价值函数网络以及经验回放池;
S202:获取道路网络的节点状态信息与路段状态信息并融合,构建表征路网实时运行状态的环境状态向量;
S203:将所述环境状态向量输入至所述强化学习模型,采用策略,以概率从当前节点所有合法的邻接节点中,选择下一跳节点,将该下一跳节点作为动作 a;
S204:执行所述动作 a,将推荐路径从当前节点移动至下一节点,环境根据动作执行后的新路网状态,生成综合奖励值和新环境状态向量;
S205:将由环境状态向量 、动作a、 综合奖励值、新环境状态向量 组成的经验元组存储至经验回放池,定期从经验回放池中采样经验数据,通过双重 Q 学习算法对所述第一价值函数网络 和第二价值函数网络 的参数进行迭代更新,优化路径决策逻辑,生成路径诱导模块。
4.根据权利要求3所述的一种交通事故下的动态交通诱导与信号控制协同方法,其特征在于,S204中所述综合奖励值为通行时间奖励、路径长度奖励、带宽利用率奖励、节点阻抗奖励、目标导向奖励的加权和,如式(1)所示:(1)
其中:为路径长度奖励,为通行时间奖励,为带宽利用率奖励,为节点阻抗奖励,为目标导向奖励,为综合奖励值,为路径长度奖励的权重系数,为通行时间奖励的权重系数,为带宽利用率奖励的权重系数,为节点阻抗奖励的权重系数,为目标导向奖励的权重系数。
5.根据权利要求1所述的一种交通事故下的动态交通诱导与信号控制协同方法,其特征在于,S3具体步骤为:S301、构建基于深度确定性策略梯度DDPG的信号控制智能体,所述信号控制智能体包括用于输出控制策略的演员网络和用于评估策略价值的评论家网络;
S302、构建Actor状态和Critic状态,所述Actor状态用于观察交叉口驶入车道的车辆密度和车辆排队情况,其状态空间定义为如式(2)所示:(2)
其中:为Actor状态空间,为实数集,为叉口的驶入车道集合,为交叉口的信号相位数量,为二进制集合;
S303、根据所述Actor状态选择一个动作,所述动作作为下一个相位的持续时间,且满足约束条件:下一个相位的持续时间不小于最小绿灯时间,不大于最大绿灯时间;
S304、建立基于DDPG的信号控制算法的综合奖惩函数,所述综合奖惩函数包括车辆延误惩罚与车辆排队长度惩罚;
S305、对所述基于 DDPG 的信号控制智能体进行迭代训练,通过优化演员网络和评论家网络的参数,生成信号控制模块。
6.根据权利要求1所述的一种交通事故下的动态交通诱导与信号控制协同方法,其特征在于,S4具体步骤为:S401:建立路径诱导模块与信号控制模块之间的协同数据接口,路径诱导模块通过该接口将生成的绕行路径集合、各节点时段性流量预测值及流向比例传输至信号控制模块;信号控制模块根据接收的流量预测信息调整配时方案后,将各关键交叉口的预测延误、饱和度变化数据及绿信比参数回传至路径诱导模块;
S402:基于预设的滚动时窗周期,通过路径诱导模块与信号控制模块之间的持续数据交互及策略迭代,动态更新路径诱导方案与信号配时方案,实现路径选择与信号控制的闭环协同优化。
7.根据权利要求6所述的一种交通事故下的动态交通诱导与信号控制协同方法,其特征在于,S402中通过路径诱导模块与信号控制模块间的持续数据交互与迭代,具体步骤为:S4021:路径诱导模块基于实时采集的交通状态数据,生成最优绕行路径方案,并预测未来一个滚动时窗内各绕行路径的流量分布结果;
S4022:信号控制模块接收路径诱导模块输出的路径流量预测结果,采用深度确定性策略梯度算法优化关键交叉口的绿信比参数,生成适配流量变化的新信号配时方案;
S4023:信号控制模块将优化后各节点的延误数据与饱和度数据,实时回传至路径诱导模块;
S4024:路径诱导模块根据接收的延误及饱和度反馈数据,更新各路段的路径阻抗值与路径选择概率,重新分配绕行车辆流量;
S4025:以预设的滚动时窗为迭代周期,重复 S4021 至 S4024 的流程,实现路径选择策略与信号配时策略的实时协同,确保系统动态适配交通流变化。
8.根据权利要求3所述的一种交通事故下的动态交通诱导与信号控制协同方法,其特征在于,S402中所述节点状态信息包括:节点计算利用率、储存利用率、当前节点标记、目标节点标记以及入口节点标记;
所述路段状态信息包括:路段利用率和路段归一化延误。