[发明专利]基于WMGIRL算法的可变交通管控方案中区域流量分布预测方法

说明书

本发明公开了基于加权多智能体分组逆向强化学习算法——WeightedMultiagent Group Inverse Reinforcement Learning(WMGIRL)对可变交通管控方案下区域车流量分布进行预测的方法，包括：S1、对待预测区域进行城市路网建模，并采集该区域内的行车轨迹数据；S2、基于待预测区域对应的城市路网和行车轨迹数据，通过基于加权(Weighted)的最大熵逆强化学习方法提取待预测区域内的流量特征；S3、基于提取出的流量特征和当前交通管控方案下的城市路网，采用基于多智能体分组(Multiagent Group)的正向强化学习方法对其进行处理，获得待预测区域的车流量分布预测结果。

技术领域

本发明属于城市交通流量预测技术领域，具体涉及一种基于WMGIRL(基于组内进化的多智能体逆向强化学习)算法的可变交通管控方案汇总区域流量分布预测方法。

背景技术

伴随着我国综合实力的持续提升，很多城市都相继举主办了大型活动，而城市道路无法满足短时间内剧增的交通需求。所以交警会使用交通管控方案来诱导交通缓解道路压力，近年来，由于对城市智能交通的研究越来越深入，对交通诱导技术和交通控制交通管制两类问题的研究已成为城市智能交通的核心研究方法，目前交通诱导技术和交通控制交通管制的核心技术仍处于对短时交通流的研究之中，随着对城市交通流量预测方法的不断践行和发展，当前世界各地的专家学者都在努力开发短时交通流量预测方法，主要包括以下几类：

(1)朴素的数学统计方法对城市交通流进行预测研究；

(2)基于人工智能的方法对城市交通流进行预测研究；

(3)基于非线性理论的方法对城市交通流进行预测研究；

城市交通流预测是未来数十年研究的热点，当今的城市交通种类复杂度高，交通路网鳞次栉比，如何在以上几种方法的基础上，将多种交通方式和复杂的交通路网统筹在一个环境中去进行模型构建，实现车流数据的获取及筛选进行更为准确的交通流预测，是值得思考的问题。

发明内容

针对现有技术中的上述不足，本发明提供的基于WMGIRL算法的可变交通管控方案中区域流量分布预测方法从行车轨迹这一角度出发，从环境模型、道路属性等多个方面综合考虑以便提高了流量分布预测的准确率。

为了达到上述发明目的，本发明采用的技术方案为：基于WMGIRL算法的可变交通管控方案中区域流量分布预测方法，包括以下步骤：

S1、对待预测区域进行城市路网建模，并采集该区域内的行车轨迹数据；

S2、基于待预测区域对应的城市路网和行车轨迹数据，通过基于多权值的最大熵逆强化学习方法提取待预测区域内的流量特征；

S3、基于提取出的流量特征和当前交通管控方案下的城市路网，通过正向强化学习方法对其进行处理，获得待预测区域的流量分布预测结果。

进一步地，所述步骤S1中，对待预测区域进行城市路网建模的方法具体为：

A1、在待预测区域内，将路口视为点V，两个相邻路口之间的道路视为边E，得到实体路网G(V,E)；

A2、将实体路网G(V,E)中的路口视为马尔科夫过程中的状态，道路视为智能体在状态转换间所需的行为，进而将实体路网G(V,E)类比为环境模型；

A3、基于实体路网G(V,E)中路网的连通性确定环境模型的环境矩阵F，并根据实体路网G(V,E)中道路的属性确定状态转移矩阵P，进而完成城市路网建模；

其中，环境矩阵F为：

F＝[(e₁,l₁),(e₂,l₂),...,(e_f,l_f)]