一种基于多智能体强化学习的交通拥堵消散方法

本发明提出一种基于多智能体强化学习的交通拥堵消散方法，交通拥堵消散方法具体包括如下步骤：S1、采集一天的车流数据，云端服务器根据车流数据确定出现拥堵的平面交叉口；S2、根据拥堵的平面交叉口构建智能体组；S3、云端服务器基于车流数据训练应用于车辆输入智能体和车辆输出智能体的神经网络模型；S4、云端服务器将神经网络模型部署于车辆输入智能体和车辆输出智能体，智能体组根据实时车流信息控制交通灯信号。本发明中智能体基于神经网络模型得到初始的交通灯控制序列，智能体阵列根据拥堵区域的整体情况调整初始的交通灯控制序列，得到最终的交通灯控制序列，避免多智能体强化学习陷入局部最优解。