[发明专利]基于GAN实现多路口协同的智能交通管理决策方法

说明书

本发明提供了一种基于GAN实现多路口协同的智能交通管理决策方法。本发明实现多路口协同的智能交通管理决策机制，实现了全局信息缺失情况下的多路口的实时交通智能控制。在复杂的多路口交通场景下，路口之间状态信息的交互往往具有很大的通信时延，并且全局的交通信息的精确获取也是很困难的。为了减少路口之间的通信负荷，实现路口间的协同管理，本发明通过利用生成对抗网络技术，在每个交叉路口根据各自的局部状态信息生成全局的交通状态信息，然后基于生成的全局交通状态信息，实现多路口协同的智能交通管理决策。

技术领域

本发明涉及一种基于生成对抗网络实现多路口协同的智能交通管理决策机制。

背景技术

随着车辆数目的增多，城市交通堵塞会造成很大的经济损失和环境污染等严重问题。智慧交通管理系统是有效减少城市交通堵塞的方法。通过现代通信信息技术和优化控制理论，根据获取的交通环境信息进行实时的交通管理控制，从而提高驾驶体验度、减少交通拥堵、降低交通事故和减少车辆污染排放，是智慧交通管理的重要目标。

在实际复杂多变的交通场景中，为了保证交通控制的实时性，传统的智能交通管理主要由各个交通路口根据周边的环境信息进行局部的交通信号智能控制。在H.Wei,G.Zheng,H.Yao,and Z.Li,IntelliLight:A reinforcement learning approach forintelligent traffic light control,in Proc.ACM Conference on KnowledgeDiscovery and Data Mining(KDD),London,United Kingdom,Aug.2018.；X.Liang,X.Du,G.Wang,and Z.Han,“A deep reinforcement learning network for traffic lightcycle control,”IEEE Transactions on Vehicular Technology,vol.68,no.2,pp.1243-1253,Jan.2019.中作者利用深度强化学习技术，根据交叉路口周边环境的状态提取，通过学习的方式对路口交通信号进行实时控制。虽然上述深度学习技术可以很大程度降低交通控制决策的计算维度，但是很难实现交叉口之间的协作，无法将网络的全局最优性考虑进去。对于单个交叉路口，为了获取全局的交通环境信息，往往需要交叉路口之间的信息交互。然而，交叉路口之间的交通环境信息的交互由于通信资源的限制，具有很高的通信延时。并且，精确的完整的交通环境信息的获取也是很困难的。

发明内容

本发明的目的是：减少路口之间的信息交互，同时实现多路口协同的智能交通管理。

为了达到上述目的，本发明的技术方案是提供了一种基于GAN实现多路口协同的智能交通管理决策方法，其特征在于，包括以下步骤：

步骤1、利用全局K个路口的历史交通数据，通过随机梯度下降法训练得到生成对抗网络G，生成对抗网络G可以通过输入单个路口的交通状态数据，生成K个路口全局交通状态数据，训练目标为：

式中，D(·)表示训练过程所使用的判别网络；G(·)表示生成对抗网络；x表示真实的K个路口的历史交通数据；z表示生成对抗网络G的输入数据，为K个路口中单个路口的状态信息；E_x[·]表示对随机变量x的期望值；E_z[·]表示对随机变量z的期望值；

步骤2、获得K个路口中每个路口的实时交通状态数据，以K个路口中任意第k个路口在t时刻的实时交通状态数据s_k(t)为输入，根据步骤1训练得到的生成对抗网络G生成全局K个路口的全局交通状态数据o_k(t)；