[发明专利]基于强化学习的公共事件预警模型的动态参数权重确定方法

摘要

本发明公开了基于强化学习的公共事件预警模型的动态参数权重确定方法，采集公交车、出租车以及路口非机动车的车辆历史数据；使用基于位置信息的多维行车时间序列分形的表示方法对采集的历史数据进行处理，得到一个四维的历史数据图；利用标定的冲突预警标签，使用强化学习算法进行模型的搭建；通过迭代训练获得智能体到达异常序列即公共预警事件的到达路径，将不同的迭代训练的智能体进行多线程的演示对比，选取三个指标最优的智能体，将四维的历史数据进行展开，分析神经网络中的权重参数，得到动态权重的参数。有效提高了预警模型的准确性，该方法新颖独特，设计构思巧妙，预测结果准确，应用环境好，市场前景广阔。

主权项

1.基于强化学习的公共事件预警模型的动态参数权重确定方法，其特征是，包括：采集公交车、出租车以及路口非机动车的车辆历史数据；使用基于位置信息的多维行车时间序列分形的表示方法对采集的历史数据进行处理，得到一个四维的历史数据图，四维历史数据图的维度，具体包括二维线路地图、一维车流量变化序列、一维时间序列，按照历史事件的冲突预警发生时间与地点，标定在三元组的四维的历史数据图中；利用标定的冲突预警标签，使用强化学习算法进行模型的搭建，创建智能体，在四维历史数据上通过奖惩机制搜寻公共预警事件，当找到标定的冲突预警标签，给予智能体相当的奖励值，使用记忆模型记忆智能体的路径，即为异常序列即公共预警事件发生的不确定条件；通过迭代训练获得智能体到达异常序列即公共预警事件的到达路径，将不同的迭代训练的智能体进行多线程的演示对比，选取三个指标最优的智能体，将四维的历史数据进行展开，分析神经网络中的权重参数，得到动态权重的参数。