一种基于深度强化学习的智能交通信号控制方法

本发明提出一种基于深度强化学习的智能交通信号控制方法，包括：步骤S1：采集并处理道路上车辆和行人的实时数据。步骤S2；基于所述数据，建立深度强化学习模型，根据车辆与行人数据，设定状态定义、动作定义、奖励函数。步骤S3：训练深度强化学习模型，输出最优绿灯时间，然后动态调整车辆和行人的信号相位。本发明在有无行人的情况下均可工作，基于实时交通数据优化绿灯时间分配。同时，考虑了路口交叉区的交通数据和前一周期的延误，优化了道路使用者之间的相互作用，提升了信号控制的效率。