摘要
本发明公开了一种基于图表征强化学习的用地单元智能决策方法及系统,涉及国土空间规划技术领域,该方法包括:获取目标规划区域的道路布局信息、已规划和待规划用地单元的特征信息以及用地单元空间关系信息;根据上述信息,构建用地单元状态图表征,基于马尔可夫决策过程对用地单元规划决策过程建模,得到马尔可夫决策过程的用地单元规划状态图表征;以马尔可夫决策过程的用地单元规划状态图表征为输入,利用GNN模型,构建用地单元规划状态图表征的节点、边及图嵌入编码;根据用地单元规划状态图表征的节点、边及图嵌入编码,基于策略网络‑价值网络强化学习模型,对用地单元的规划决策进行优化。本发明可以实现用地单元规划决策过程的智能化决策。
技术关键词
智能决策方法
强化学习模型
策略
智能决策系统
国土空间规划技术
神经网络模型
子模块
路段
节点特征
关系
布局
编码模块
算法
非线性
系统为您推荐了相关专利信息
人工智能算法
节点特征
多任务学习策略
图元
矩阵
交通锥
传感器模块
深度确定性策略梯度
深度强化学习算法
控制单元
资源调度方法
深度强化学习方法
切片
业务请求信息
网络节点