一种基于安全强化学习的交通信号控制方法及系统

本发明公开了一种基于安全强化学习的交通信号控制方法及系统，所述方法包括：获取多个历史状态信息，并利用注意力网络、行动者网络、奖励批评者网络和代价批评者网络处理得到第一概率值、第一奖励价值、第二奖励价值、第一代价价值和第二代价价值，然后通过奖励优势评估函数和代价优势评估函数得到优势评估值和代价评估值；基于优势评估值、代价评估值、第一概率值、奖励值、第一奖励价值、代价值和第一代价价值优化行动者网络、奖励批评者网络和代价批评者网络，重复上述过程，直至超过预设次数，得到训练后的行动者网络；获取当前时刻的观测信息，并输入至训练后的行动者网络得到当前动作以控制交通信号。本发明在保证效率下确保路口的安全性。