一种基于深度强化学习与拥堵规避的交通流量智能化均衡系统及方法

本发明涉及一种基于深度强化学习与拥堵规避的交通流量智能化均衡系统及方法，属于智能交通系统控制领域。系统通过云端和雾端(路边单元)智能体协同优化，全局智能体利用历史数据进行交通流量的全局优化，而雾端路边单元智能体则基于实时反馈快速响应局部交通状况，实现了全局与局部的协同优化，有效提升交通管理效率。本发明将传统逐车路径调整方法转变为基于车辆流的处理方式，将重路由比例作为路边单元智能体的决策变量，大幅提高计算效率，降低系统通信开销与延迟。通过主动识别潜在拥堵区域并提前执行改道操作，系统显著降低了拥堵发生的可能性，减少了能耗与污染排放，实现了更加智能化和可持续的交通管理。