一种基于安全意识聚集的强化学习交通信号控制方法

本发明公开了一种基于安全意识聚集的强化学习交通信号控制方法，包括：构建模型；训练所述模型，包括：步骤一：获取历史状态信息；步骤二：更新第一模块，所述第一模块包括状态编码器、动作‑状态编码器、溢流编码器和等待编码器；步骤三：更新第二模块，所述第二模块包括行动者网络、奖励批评者网络、溢流代价批评者网络和等待时间批评者网络；步骤四：重复步骤一至步骤三，直至超过预设次数，得到训练后的模型；获取当前时刻的观测信息，将当前时刻的观测信息输入至训练后的行动者网络中，得到当前动作以控制交通信号。本发明将安全性融入到环境交互、状态表征以及策略学习三方面，提高交通的安全性。