[发明专利]机器学习模型的训练方法、信号控制方法和装置

说明书

本公开提供了一种机器学习模型的训练方法、信号控制方法、装置、设备、介质和产品，涉及人工智能技术领域，具体为智能交通、强化学习、深度学习技术领域。机器学习模型的训练方法包括：基于参数噪声值调整初始机器学习模型的模型参数，得到更新后的初始机器学习模型，初始机器学习模型是经由第一交通样本数据训练得到的；利用更新后的初始机器学习模型处理第二交通样本数据，得到针对交通信号灯的第一调整策略；响应于基于第一调整策略调整交通信号灯的信号完成，确定针对路口的第一参考交通状态；基于第一参考交通状态和参数噪声值，调整更新后的初始机器学习模型的模型参数，得到经训练的机器学习模型。

技术领域

本公开涉及人工智能技术领域，具体为智能交通、强化学习、深度学习技术领域，更具体地，涉及一种机器学习模型的训练方法、信号控制方法、装置、电子设备、介质和程序产品。

背景技术

相关技术中，通常需要根据路口的交通状态来实时调整交通信号灯的信号，以缓解路口的拥堵情况。但是，相关技术在调整交通信号灯的信号时，调整效果不佳，导致难以较好地缓解路口的拥堵情况。

发明内容

本公开提供了一种机器学习模型的训练方法、信号控制方法、装置、电子设备、存储介质和程序产品。

根据本公开的一方面，提供了一种机器学习模型的训练方法，包括：基于参数噪声值调整初始机器学习模型的模型参数，得到更新后的初始机器学习模型，其中，所述初始机器学习模型是经由第一交通样本数据训练得到的，所述第一交通样本数据表征了路口的交通状态；利用所述更新后的初始机器学习模型处理第二交通样本数据，得到针对交通信号灯的第一调整策略，其中，所述第二交通样本数据表征了所述路口的交通状态；响应于基于所述第一调整策略调整所述交通信号灯的信号完成，确定针对所述路口的第一参考交通状态；基于所述第一参考交通状态和所述参数噪声值，调整所述更新后的初始机器学习模型的模型参数，得到经训练的机器学习模型。

根据本公开的另一方面，提供了一种信号控制方法，包括：获取表征路口状态的目标交通数据；利用经训练的机器学习模型处理所述目标交通数据，得到针对交通信号灯的调整策略，其中，所述经训练的机器学习模型是利用如上所述的方法训练得到的；基于所述调整策略，调整所述交通信号灯的信号。

根据本公开的另一方面，提供了一种机器学习模型的训练装置，包括：第一调整模块、处理模块、第一确定模块和第二调整模块。第一调整模块，用于基于参数噪声值调整初始机器学习模型的模型参数，得到更新后的初始机器学习模型，其中，所述初始机器学习模型是经由第一交通样本数据训练得到的，所述第一交通样本数据表征了路口的交通状态；处理模块，用于利用所述更新后的初始机器学习模型处理第二交通样本数据，得到针对交通信号灯的第一调整策略，其中，所述第二交通样本数据表征了所述路口的交通状态；第一确定模块，用于响应于基于所述第一调整策略调整所述交通信号灯的信号完成，确定针对所述路口的第一参考交通状态；第二调整模块，用于基于所述第一参考交通状态和所述参数噪声值，调整所述更新后的初始机器学习模型的模型参数，得到经训练的机器学习模型。

根据本公开的另一方面，提供了一种信号控制装置，包括：获取模块、处理模块和调整模块。获取模块，用于获取表征路口状态的目标交通数据；处理模块，用于利用经训练的机器学习模型处理所述目标交通数据，得到针对交通信号灯的调整策略，其中，所述经训练的机器学习模型是利用如上所述的装置训练得到的；调整模块，用于基于所述调整策略，调整所述交通信号灯的信号。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的机器学习模型的训练方法和/或信号控制方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述的机器学习模型的训练方法和/或信号控制方法。