【技术实现步骤摘要】
本专利技术涉及多车协同决策，特别是涉及一种混合交通流路口的多车协同决策方法、装置、介质及产品。
技术介绍
1、城市化的不断深入和城市人口和车辆数量大幅增加，不可避免地导致了交通拥堵问题。这种状况不仅降低了社会生产效率，导致了环境污染，增加了交通事故的风险，影响了城市的外观。面对这些挑战，特别是如何高效管理城市交叉路口的车辆流动，成为了一个紧迫的问题。通常情况下，建立交通信号灯等基础设施是解决交叉路口拥堵和频繁事故的有效方法之一。基于这些设施，学者们对如何优化交通信号灯的时长和相位进行了广泛研究，包括应用优化理论算法和基于深度强化学习的人工智能算法。1992年，michaelg.h.bell[1]在其论文中指出，单靠交通信号灯本身无法从根本上解决交通拥堵的问题，而是需要整合更多的信息。如未来自动驾驶车辆能够获得的当前道路状况、其他车辆的位置和速度等信息。尽管交通信号灯一直是交叉路口管控的主流解法，但在该情况下车辆的等待时间无法被消除。因此，大量的相关专家们针对如何协同控制经过无信号灯的交叉路口的车辆进行了深入探索。快速发展的智能网联车相关...
【技术保护点】
1.一种混合交通流路口的多车协同决策方法，其特征在于，包括：
2.根据权利要求1所述的混合交通流路口的多车协同决策方法，其特征在于，以混合交通流环境下路口各智能车辆的当前时刻的全局状态信息和协同决策信息作为输入，以各智能车辆下一时刻的协同决策信息作为输出，训练所述基于序贯博弈的值分解多智能体深度强化学习模型，确定训练好的基于序贯博弈的值分解多智能体深度强化学习模型，具体包括：
3.根据权利要求2所述的混合交通流路口的多车协同决策方法，其特征在于，将混合交通流环境下路口各智能车辆的当前时刻的全局状态信息和协同决策信息输入至所述基于序贯博弈的动作滤...
【技术特征摘要】
1.一种混合交通流路口的多车协同决策方法，其特征在于，包括：
2.根据权利要求1所述的混合交通流路口的多车协同决策方法，其特征在于，以混合交通流环境下路口各智能车辆的当前时刻的全局状态信息和协同决策信息作为输入，以各智能车辆下一时刻的协同决策信息作为输出，训练所述基于序贯博弈的值分解多智能体深度强化学习模型，确定训练好的基于序贯博弈的值分解多智能体深度强化学习模型，具体包括：
3.根据权利要求2所述的混合交通流路口的多车协同决策方法，其特征在于，将混合交通流环境下路口各智能车辆的当前时刻的全局状态信息和协同决策信息输入至所述基于序贯博弈的动作滤波器，确定滤波后的各智能车辆的全局状态信息和协同决策信息，具体包括：
4.根据权利要求3所述的混合交通流路口的多车协同决策方法，其特征在于，根据所述各智能车辆优先级及博弈的子博弈精炼纳什均衡解，确定滤波后的各智能车辆的全局状态信息和协同决策信息，具体包括：
5.根据权利要求2所述的混合交通流路口的多车协同决策方法，其特征在于，将所述滤波后的各智能车辆的全局状态信息和协同决策信息...
【专利技术属性】
技术研发人员：吴艳，郭子涵，王丽芳，张志刚，
申请(专利权)人：中国科学院电工研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。